Análise de Sentimento
Análise de sentimento é o uso de processamento de linguagem natural (PLN) e IA para identificar o tom emocional de um texto e rotulá-lo, normalmente como positivo, negativo ou neutro, às vezes com uma nota para a intensidade do sentimento ou um rótulo mais fino, como frustrado, animado ou urgente.
Entendendo Análise de Sentimento
A análise de sentimento surgiu na avaliação de produtos e no monitoramento de redes sociais, mas possui aplicações em qualquer área onde entender o tom emocional é importante. Em comunicações profissionais, o sentimento serve como sinal de urgência: um e-mail de cliente com tom frustrado ou urgente deve ser tratado de forma diferente de uma atualização rotineira. Modelos avançados de sentimento vão além de positivo/negativo/neutro para identificar emoções específicas como frustração, empolgação, urgência e confusão, além de distinguir sentimentos sobre diferentes entidades no mesmo texto.
Sentimento é a atitude ou emoção por trás das palavras. Um texto positivo expressa aprovação ou satisfação ("Valeu, isso resolveu"). Um texto negativo expressa reclamação, decepção ou raiva ("É a terceira vez que eu peço isso"). Um texto neutro apresenta fatos sem julgá-los ("Segue a fatura em anexo"). A maioria dos e-mails de trabalho é neutra, então um rótulo neutro é normal, não uma falha. Alguns sistemas incluem um rótulo misto para textos que elogiam uma coisa e criticam outra.
Há três formas comuns de analisar o sentimento de um texto. Ferramentas baseadas em léxico, como o VADER, pontuam cada palavra com um dicionário de termos positivos e negativos e somam o resultado: são rápidas e fáceis de conferir, mas o sarcasmo e o contexto as enganam com facilidade. Classificadores de aprendizado de máquina, como modelos transformer no estilo BERT ajustados, aprendem com exemplos rotulados e são precisos dentro do domínio em que foram treinados. Modelos de linguagem grandes classificam o sentimento a partir de uma instrução simples, sem dados de treino, explicam o rótulo e lidam melhor com frases indiretas, com um custo maior por mensagem. A análise de sentimento baseada em aspectos atribui uma emoção a cada coisa mencionada: "a comida estava ótima, mas o atendimento foi lento" é positivo sobre a comida e negativo sobre o atendimento.
A análise de sentimento é usada para monitorar menções a uma marca nas redes sociais, resumir avaliações de produtos e respostas de pesquisas, sinalizar tickets de suporte de clientes irritados, acompanhar o humor dos clientes ao longo do tempo e priorizar e-mails. Ela tem dificuldade com sarcasmo ("ótimo, mais uma queda"), gírias e termos de cada área, mensagens muito curtas e textos com emoções misturadas. A análise de tom é parente próxima: descreve como algo é dito (formal, seco, de desculpas, confiante) e não só se a emoção é positiva ou negativa.
Como GAIA usa Análise de Sentimento
O GAIA não roda um classificador de sentimento separado. O modelo de linguagem dele lê o e-mail inteiro, então o tom faz parte de como ele decide o que precisa da sua atenção. Quando você pede ao GAIA para ordenar os e-mails não lidos por urgência, ou cria um fluxo como "me avise se um e-mail de cliente parecer irritado", uma mensagem frustrada de um contato importante pode ficar no topo mesmo com um assunto neutro. O GAIA pesa o tom junto com o remetente, o pedido e qualquer prazo na mensagem.
Conceitos relacionados
Processamento de Linguagem Natural (PLN)
Processamento de Linguagem Natural (PLN) é um ramo da inteligência artificial que foca em permitir que computadores compreendam, interpretem, gerem e respondam à linguagem humana de forma significativa.
Triagem de E-mails
A triagem de e-mails é o processo de revisar os e-mails recebidos e categorizá-los por urgência, tipo e ação necessária — identificando o que exige resposta imediata, o que pode esperar, o que pode ser delegado e o que pode ser arquivado sem resposta.
Reconhecimento de Intenção
Reconhecimento de intenção é o processo pelo qual um sistema de IA identifica o objetivo ou propósito subjacente à entrada de um usuário, permitindo selecionar a resposta ou ação adequada, em vez de apenas reagir à forma superficial da mensagem.
Modelo de Linguagem de Grande Porte (LLM)
Um Modelo de Linguagem de Grande Porte (LLM) é um modelo de inteligência artificial treinado em enormes quantidades de dados textuais, capaz de compreender, gerar e raciocinar sobre a linguagem humana com grande fluência.
