La presente tesi affronta la progettazione e la realizzazione di un chatbot basato su tecniche di Generative AI, sviluppato per supportare attività di Business Intelligence all’interno di un sistema ERP. Il lavoro ha previsto l’analisi dei processi aziendali e dei flussi informativi, da cui sono stati derivati i requisiti funzionali e i principali casi d’uso del sistema. Nel corso dello sviluppo del prototipo è stata mantenuta una chiara distinzione tra frontend e backend, con particolare attenzione alle interazioni dell'utente, alla gestione del contesto e alla generazione controllata delle risposte. In un primo momento, è stata progettata ed implementata una pipeline NLP – SQL, capace di interpretare richieste in linguaggio naturale e tradurle in query SQL, direttamente eseguibili sul database. In questo modo, tramite l'utilizzo del Model Context Protocol, è possibile sfruttare le capacità dei modelli linguistici di interpretare e generare il linguaggio naturale. Tuttavia, a causa di alcune criticità, questo approccio è stato sostituito con una pipeline che sfrutta una logica fuzzy per la generazione di query SQL coerenti. La seconda parte del lavoro ha riguardato, invece, l’integrazione del chatbot con moduli di Intelligenza Artificiale predittiva, includendo modelli di forecasting, strumenti per l’analisi dell’elasticità della domanda e metriche di valutazione delle performance. Infine, la sperimentazione effettuata ha consentito di validare l’efficacia delle soluzioni adottate e di evidenziare i possibili sviluppi futuri in termini di robustezza, accuratezza e ampliamento funzionale del sistema.
PROGETTAZIONE E REALIZZAZIONE DI UN CHATBOT IN GENERATIVE AI PER IL SUPPORTO A TASK DI BUSINESS INTELLIGENCE IN UN ERP
MARINI, ANDREA
2024/2025
Abstract
La presente tesi affronta la progettazione e la realizzazione di un chatbot basato su tecniche di Generative AI, sviluppato per supportare attività di Business Intelligence all’interno di un sistema ERP. Il lavoro ha previsto l’analisi dei processi aziendali e dei flussi informativi, da cui sono stati derivati i requisiti funzionali e i principali casi d’uso del sistema. Nel corso dello sviluppo del prototipo è stata mantenuta una chiara distinzione tra frontend e backend, con particolare attenzione alle interazioni dell'utente, alla gestione del contesto e alla generazione controllata delle risposte. In un primo momento, è stata progettata ed implementata una pipeline NLP – SQL, capace di interpretare richieste in linguaggio naturale e tradurle in query SQL, direttamente eseguibili sul database. In questo modo, tramite l'utilizzo del Model Context Protocol, è possibile sfruttare le capacità dei modelli linguistici di interpretare e generare il linguaggio naturale. Tuttavia, a causa di alcune criticità, questo approccio è stato sostituito con una pipeline che sfrutta una logica fuzzy per la generazione di query SQL coerenti. La seconda parte del lavoro ha riguardato, invece, l’integrazione del chatbot con moduli di Intelligenza Artificiale predittiva, includendo modelli di forecasting, strumenti per l’analisi dell’elasticità della domanda e metriche di valutazione delle performance. Infine, la sperimentazione effettuata ha consentito di validare l’efficacia delle soluzioni adottate e di evidenziare i possibili sviluppi futuri in termini di robustezza, accuratezza e ampliamento funzionale del sistema.| File | Dimensione | Formato | |
|---|---|---|---|
|
TesiMagistrale_AndreaMarini_pdfa.pdf
embargo fino al 08/06/2027
Descrizione: Documento di tesi Andrea Marini
Dimensione
7.68 MB
Formato
Adobe PDF
|
7.68 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/24327