スキルは、インテントによって、ユーザーがそのスキルで何をしたいと考えているかを理解できます。インテントは、スキルが実行するタスクおよびアクションに基づいて典型的なユーザー・リクエストを分類します。たとえば、PizzaBotのOrderPizzaインテントは、ピザをオーダーしたいという直接的なリクエストを、ピザを食べたい気分ですという、リクエストを暗示する別のリクエストと一緒に分類します。

インテントは、一連の一般的なユーザー・リクエストと文で構成されます。これらは発話とも呼ばれます。インテントの作成で説明するように、特定のアクションについての発話の集まりに名前を付けることで、インテントを作成できます。スキルの認識はこれらのインテントから導出されるため、各インテントを堅牢(十数個から二十数個の発話)で多様なデータ・セットから作成し、あいまいなユーザー入力をスキルで解釈できるようにする必要があります。豊富な発話のセットにより、「このオーダーは無視して」や「配達を取り消して」のようなメッセージ(表現は異なっているが同じ内容を意味するメッセージ)を受信した場合に、スキルでユーザーが望むことを理解できます。サンプルのユーザー入力によってスキルに学習させる方法の詳細は、インテントのトレーニングとテストを参照してください。