Saltearse al contenido
Nappai Documentation

Text Classifier

El componente Text Classifier es una herramienta diseñada para simplificar la comprensión y organización de datos textuales en tus flujos de trabajo. Su propósito principal es tomar un texto (como un correo electrónico, un comentario de cliente o una descripción de producto) y determinar a qué categoría pertenece automáticamente.

Imagina que tienes cientos de solicitudes de soporte; este componente actúa como un asistente inteligente que lee cada solicitud y decide si es un “Problema Técnico”, “Facturación” o “Consulta General”, permitiendo que el sistema sepa qué acción tomar a continuación sin intervención manual.

¿Cómo funciona?

Internamente, este componente funciona como un “traductor” o puente entre el texto que introduces y un modelo de inteligencia preconfigurado. No realiza cálculos complejos por su cuenta, sino que se apoya en un algoritmo de clasificación (llamado TextClassifierBase en el sistema) que ya conoce patrones y reglas para identificar categorías.

El proceso es sencillo:

  1. Entrada: Tú (u otro sistema) le proporcionas el texto que deseas analizar.
  2. Procesamiento: El componente envía ese texto al modelo de IA.
  3. Resultado: El modelo “lee” el texto, lo compara con sus conocimientos y devuelve una etiqueta (la categoría) junto con una medida de confianza (qué tan seguro está de su decisión).

Es un paso rápido y eficiente para filtrar o clasificar información antes de enviarla a otro sistema, como una base de datos o un equipo de atención al cliente.

Conexión y Credenciales

Este componente es una configuración nativa del sistema Nappai y no requiere credenciales externas (como claves de API de Google o OpenAI) para su funcionamiento básico, siempre que los modelos necesarios ya estén configurados en tu panel de administración. Sin embargo, necesitarás asegurar que el Modelo que deseas usar esté activado y disponible en tu entorno.

Entradas

Para que el clasificador funcione correctamente, necesitas proporcionarle los siguientes datos:

Campos de Entrada

  • Text Input: El texto completo que deseas analizar y clasificar. Puede ser una frase corta, un párrafo o incluso un documento largo. Es el dato principal que el sistema leerá.

    • Visible en: Todas las operaciones

  • Model Identifier: El nombre o código único del modelo de IA que debe usar para realizar la clasificación. Si no especificas uno, el sistema podría usar uno por defecto, pero es recomendable indicar cuál prefieres (por ejemplo, un modelo especializado en soporte técnico vs. uno generalista).

    • Visible en: Todas las operaciones

Salidas

Una vez que el componente ha procesado el texto, devuelve dos información clave que puedes utilizar en los siguientes pasos de tu flujo de trabajo:

  1. Predicted Label: La categoría asignada al texto (ej. “Urgente”, “Ventas”, “Spam”). Este valor es crucial si planeas tomar decisiones basadas en el tipo de texto (por ejemplo, enviar correos “Urgentes” directamente a un teléfono móvil).
  2. Confidence Score: Un número entre 0 y 1 que indica qué tan seguro está el modelo de su respuesta. Un valor cercano a 1 significa alta certeza, mientras que uno cercano a 0 sugiere que el texto puede ser ambiguo y quizás requiera revisión humana.

Ejemplo de Respuesta JSON

json { “label”: “Soporte Técnico”, “confidence”: 0.92 }

En este ejemplo, el sistema determinó con un 92% de certeza que el texto de entrada trata sobre problemas técnicos.

Conectividad

Este componente suele ubicarse en el medio de un flujo de trabajo.

  • Entrada: Recibe datos textuales de otros componentes como “Leer Correo”, “Obtener Comentario de API” o “Entrada de Texto Manual”. Tiene sentido lógico aquí porque necesitas el texto “crudo” antes de poder clasificarlo.
  • Salida: Conecta típicamente con componentes de “Acción” o “Decisión”. Por ejemplo, el label resultante puede usarse para enrutar el flujo a diferentes departamentos (Ventas vs. Soporte) o para guardar la categoría en una base de datos para análisis posterior.

Ejemplo de Uso

Escenario: Automatización de atención al cliente por correo electrónico.

  1. Componente “Leer Correos”: Obtiene el cuerpo del mensaje recibido.
  2. Componente “Text Classifier”: Recibe el cuerpo del mensaje.
    • Input: Cuerpo del correo.
    • Model ID: “CustomerSupport_v1”.
  3. Resultado: El clasificador devuelve la etiqueta "Facturación".
  4. Siguiente Paso: El flujo utiliza esa etiqueta para enviar el correo automáticamente al departamento de facturación y notificar al cliente que su caso ha sido asignado.

Consejos y Mejores Prácticas

  • Limpieza de texto: Asegúrate de que el texto de entrada no contenga caracteres extraños o códigos binarios innecesarios que puedan confundir al modelo.
  • Revisión de confianza: Si tu proceso es crítico (como decisiones legales o financieras), verifica el valor de confidence. Si es bajo, considera añadir un paso de revisión humana.
  • Modelos específicos: Usa modelos identificados (model_id) que coincidan con el tipo de texto. Un modelo entrenado para detectar spam no funcionará bien para clasificar temas de soporte técnico.

Consideraciones de Seguridad

  • Privacidad de datos: El texto enviado al clasificador puede ser procesado por modelos de IA. Asegúrate de que los datos de entrada no contengan información sensible o personal (PII) si tu política de seguridad lo prohíbe, o verifica que el modelo utilizado cumpla con los estándares de confidencialidad de tu organización.
  • Acceso a modelos: Solo usuarios con permisos adecuados podrán seleccionar modelos específicos. No intentes forzar IDs de modelos que no existen, ya que esto podría generar errores en el flujo.