Classificação de e-mails com IA

A classificação de e-mails organiza automaticamente as mensagens recebidas. Um modelo atribui a cada mensagem uma ou mais etiquetas, como reclamação, fatura ou avaria, e encaminha-a para a equipa responsável. Muitas vezes, também extrai dados do texto e determina que e-mails têm prioridade. Com IA, isto vai além das regras baseadas no remetente ou no assunto.

O encaminhamento de e-mails com IA é uma das aplicações de IA que desenvolvemos.

A partir de exemplos: e-mails que a sua equipa já etiquetou. O modelo aprende que palavras e frases correspondem a cada categoria. A Microsoft descreve duas formas de classificação no Azure Language: uma etiqueta por texto ou várias etiquetas em simultâneo. Um e-mail sobre uma fatura e uma reclamação recebe ambas.

A qualidade dos exemplos etiquetados pesa mais do que a escolha do algoritmo. Para a Olympia, desenvolvemos um modelo de classificação automatizado para associar candidatos a vagas adequadas.

Sim, desde que defina o que deve ter prioridade. Uma avaria, um cancelamento ou uma reclamação sobre uma reclamação anterior podem passar para o início da fila. O modelo prevê a categoria; a ordem resulta das regras escolhidas pela sua equipa, por vezes complementadas com dados do CRM, como o tipo de contrato.

A prioridade deve ser explicável. Um colaborador tem de conseguir perceber por que motivo um e-mail está no início da fila.

Normalmente, o número de cliente, o número de encomenda, o número de fatura, a morada ou uma data. Um modelo reconhece estes dados em texto livre, mesmo quando são escritos de formas diferentes. Com eles, o sistema pode procurar antecipadamente o cliente ou a encomenda.

Se os dados estiverem sobretudo em anexos, como faturas ou formulários em PDF, o processamento de documentos com IA é mais adequado.

No Microsoft 365, usamos o Microsoft Graph para ler mensagens de uma caixa de correio, atribuir-lhes uma categoria ou movê-las para uma pasta. Ligamos um sistema de tickets ou CRM através da respetiva API, para que a etiqueta e os dados fiquem disponíveis nesse sistema.

De preferência, o modelo funciona na plataforma que já utiliza, como Azure ou Databricks. Enquanto parceiros da Microsoft e da Databricks, escolhemos uma abordagem adequada à forma como gere os seus sistemas.

Antes da entrada em produção, testamos o modelo com e-mails que ainda não conhece. Para cada categoria, medimos a frequência com que a etiqueta está correta e quantos e-mails desse tipo o modelo identifica. Em conjunto com a sua equipa, definimos um limiar de confiança abaixo do qual o e-mail é encaminhado para um colaborador.

Depois da entrada em produção, acompanhamos a frequência com que os colaboradores alteram uma etiqueta. Se aumentar, por exemplo devido a um novo produto ou a um novo tipo de reclamação, voltamos a treinar o modelo com os novos exemplos.

Os e-mails contêm quase sempre dados pessoais: um nome, um endereço de e-mail, por vezes um número de cliente ou informações sobre a saúde de alguém. Nesses casos, aplica-se o RGPD. Documente onde o e-mail é processado, se um modelo de linguagem externo ao seu ambiente tem acesso ao conteúdo e durante quanto tempo os dados são conservados.

Cabe ao responsável pela proteção de dados da sua organização avaliar se é necessária uma DPIA. Pode ler o que isso implica em DPIA para IA.

Quando recebe poucos e-mails, quando o remetente ou o assunto já revelam a categoria, ou quando um formulário online com campos de escolha pode substituir o e-mail. Nesses casos, bastam regras na caixa de correio.

Se pretende analisar grandes volumes de texto por tema e sentimento, leia sobre NLP e análise de texto. Se também pretende responder a perguntas, criar um chatbot de IA pode ser mais adequado. Criar um rascunho de resposta para cada e-mail enquadra-se na IA generativa.