Beyond Keywords: Intent-Aware Message Routing for Gmail and Slack Using Large Language Models
Dit artikel presenteert het ontwerp, de implementatie en de voorlopige evaluatie van een intelligent berichtrouteringssysteem voor Gmail en Slack dat het LLaMA 3.1-model via Groq gebruikt om semantische intentieclassificatie uit te voeren, waardoor gebruikers in staat zijn om routeringsregels in gewone mensentaal te definiëren en in een haalbaarheidsstudie aanzienlijk beter presteert dan traditionele trefwoordgebaseerde filters.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de moderne werkplek is communicatie uiteengevallen in een dozijn verschillende stromen. Een enkele professional moet e-mails, instant berichten en projectupdates over meerdere platforms tegelijkertijd beheren, wat zorgt voor een constante, laagfrequente stroom aan binnenkomende informatie. Decennialang vertrouwden de tools die bedoeld waren om deze stroom te beheren op een eenvoudige, rigide logica: als een bericht een specifiek woord bevat, doe dan een specifieke handeling. Deze op trefwoorden gebaseerde aanpak werkt goed voor overduidelijke gevallen, maar heeft moeite met de nuance van menselijke taal. Iemand die hulp nodig heeft bij een rekening kan schrijven: "Ik ben twee keer afgerekend," "mijn factuur klopt niet," of simpelweg "betalingsprobleem." Een systeem dat alleen zoekt naar het woord "factuur" zou de eerste twee gevallen missen, waardoor de afzender moet wachten en de ontvanger wordt overspoeld door een rommelige inbox. De uitdaging voor informaticus is al lang geweest om systemen te bouwen die de intentie achter de woorden begrijpen in plaats van alleen de woorden zelf, een taak die vereist dat machines context en betekenis begrijpen zoals mensen dat doen.
Een team van onderzoekers heeft nu een prototype systeem gebouwd dat probeert dit probleem op te lossen door gebruik te maken van een nieuwe generatie kunstmatige intelligentie om berichten te lezen en te sorteren voor kleine bedrijven. In plaats van te vertrouwen op rigide lijsten met trefwoorden, gebruikt hun platform een groot taalmodel — een type kunstmatige intelligentie dat getraind is op enorme hoeveelheden tekst om te begrijpen hoe mensen communiceren — om de betekenis van inkomende e-mails en chatberichten te interpreteren. Het systeem, ontworpen om met Gmail en Slack te werken, stelt een bedrijfseigenaar in staat om routeringsregels in gewone mensentaal te schrijven, zoals: "als iemand vraat over facturatie, stuur dit dan naar het financiële team." De computer leest dan het binnenkomende bericht, begrijpt wat de persoon daadwerkelijk wil, en stuurt het automatisch door naar de juiste plek, stuurt een antwoord, of legt het opzij. Deze aanpak beoogt de breekbare, op trefwoorden afhankelijke filters van het verleden te vervangen door een flexibelere, intelligentere assistent die de chaotische realiteit van de dagelijkse zakelijke communicatie kan afhandelen.
De onderzoekers hebben dit systeem geconstrueerd als een volledige softwareapplicatie die rechtstreeks verbinding maakt met de e-mail- en chataccounts van een gebruiker. Achter de schermen controleert een achtergrondproces elke vijf minuten op nieuwe berichten. Wanneer een nieuw bericht aankomt, scant het systeem de inhoud niet alleen op specifieke termen; het stuurt de inhoud naar een krachtig kunstmatige intelligentie-model samen met de instructies van de gebruiker in gewone taal. Het model analyseert het bericht om het doel te bepalen, zoals of het gaat om een facturatieverzoek, een verzoek voor een afspraak, of een algemene vraag. Op basis van dit begrip beslist het systeem wat te doen. Als het bericht duidelijk overeenkomt met een regel en de AI er zeker van is, handelt het systeem direct door het bericht door te sturen of een automatisch antwoord te sturen. Als het bericht vaag is, de AI het niet zeker weet, of het onderwerp kritiek is, pauzeert het systeem en markeert het bericht voor menselijke beoordeling. Deze "onthoud en escaleer"-strategie zorgt ervoor dat de computer nooit gokt wanneer hij het niet zeker weet, wat fouten voorkomt die klanten tot last kunnen zijn of belangrijk werk kunnen vertragen.
Om te testen of dit idee daadwerkelijk werkt, creëerden de onderzoekers een kleine set van veertien testberichten die vier veelvoorkomende zakelijke onderwerpen bestrijken: facturatie, planning, partnerschappen en algemene vragen. Ze schreven deze berichten zorgvuldig om de exacte woorden die in de regels van het systeem voorkomen te vermijden, waardoor de computer werd gedwongen te vertrouwen op begrip in plaats van op eenvoudige woordherkenning. Bijvoorbeeld, als de regel was geschreven voor het woord "factuur", gebruikten de testberichten zinnen als "mijn kaart is twee keer belast" of "ik heb hulp nodig met mijn rekening." De resultaten lieten zien dat het intelligente systeem de intentie van twaalf van de veertien berichten correct identificeerde en ze naar de juiste categorie routeerde. In tegenstelling hiertoe identificeerde een gesimuleerd systeem met traditionele trefwoordmatching, vergelijkbaar met de filters in standaard e-mailprogramma's, slechts vijf van de veertien berichten correct. De twee berichten die het intelligente systeem miste, werden niet naar de verkeerde plek gestuurd; in plaats daarvan herkende het systeem dat ze moeilijk te categoriseren waren en markeerde ze correct voor menselijke behandeling.
De studie benadrukt een belangrijke verschuiving in hoe automatisering kan werken voor kleine bedrijven, met name in regio's waar de middelen beperkt zijn en teams klein zijn. De onderzoekers ontdekten dat ze door een vooraf getraind kunstmatige intelligentie-model te gebruiken, een systeem konden creëren dat taal begrijpt zonder dat daar duizenden voorbeelden voor verzameld hoeven te worden of experts ingehuurd moeten worden om het te leren. Het systeem is ontworpen om toegankelijk te zijn, waardoor niet-technische gebruikers hun eigen regels in alledaagse taal kunnen definiëren. Hoewel de test klein was en de berichten door de onderzoekers zelf zijn geschreven in plaats van afkomstig uit de echte wereldse chaos, suggereren de resultaten dat deze aanpak haalbaar is. Het systeem heeft succesvol aangetoond dat het de betekenis van een bericht kan interpreteren en een routeringsbeslissing kan nemen die een eenvoudige trefwoordfilter zou hebben gemist. De auteurs benadrukken dat dit een voorlopige demonstratie van het concept is, en geen definitieve oplossing, en dat de werkelijke waarde van het systeem bepaald zal worden door hoe goed het presteert met de diverse, ongepolijste en vaak rommelige communicatie die echte bedrijven dagelijks verwerken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.