Intent Classification（意図分類）｜チャットボットが自然に会話するために必要なもの

Intent ？

日本語で言えば、
意図（Intent）を
分類すること

AIの意図分類（Intent Classification）って何？

ボットが一つの窓口でいろんな質問に答えようとする時。

まずやらなあかんのが「これって何の話？」って見分けること。

たとえば、こんな質問が飛んでくるとして。

• 「今の天気は？」
  • → 天気APIを叩く系
• 「ありがとう」
  • → 雑談として処理
• 「PDFを読んで教えて」
  • → 自社文書の検索
• 「明日の会議予定ある？」
  • → スケジュール確認

これを一つの入口で全部受け付けて、正しい返しをするには、まず“分類”せんと始まらんわけや。

チャットボットでの Intent Classification のやり方

チャットボット界では、大きく分けてこんな方法が使われてる。

Rule-based（ルールベース）

「ありがとう」「よろしく」みたいなキーワードで条件分岐。
手作業やけどシンプルで速い。精度はまあまあ。

MLモデル（機械学習）

過去の会話ログを学習させて、「これは雑談」「これは質問」って自動で判断。
精度は高いけど、学習データと保守がちょい重め。

LLM利用（ChatGPTなど）

プロンプトで「これって何系の質問？」って分類させる。
ラクやけどAPIコストがかかる。

ハイブリッド型

最初はRuleでふるいにかけて、あいまいなやつだけLLMに回す。
速さと精度のバランスが良くて、実用的なやり方。

実例：GoogleやLINE Botでも採用されてる

たとえばDialogflow（Google AssistantやLINE BOTで使われるやつ）も、

• ユーザーの入力を「Intent」として分類
• そのIntentに応じた処理や返事を実行
• GUIで「どんな言葉がどのIntentか」設定できる

つまりIntent分類って、**会話設計の“心臓部”**なんよ。

よくある誤解と実際の構造

意外と多いのが、「AIなら勝手にええ感じにやってくれるやろ！」って思い込み。

でもな、現実はぜんっぜんちゃうねん。

裏では、
地味に分類してるんだ

魔法感を作るための「地道な構造設計」

AIが自然に見える裏には、こんだけの設計が詰まってる。

• ルールで意図分類
• 質問文をチャンク分割
• ベクトル検索
• 結果の整形
• 文章の生成
• ログ出力と構造管理

ここまでして、ようやく「あっ、なんか自然に答えてくれた」ってなるわけ。

まとめ

意図分類は、複数の機能を持たせたボットには絶対必要な設計やで。

結局、ボットにとって「これは質問？お願い？それとも世間話？」ってのは、教えられんとわからん世界。
そしてその“教え”をどうデザインするかが、チャットボット設計の奥深いところ。

ひとことで言うと
けっこう大変なんだってこと