Nel contesto della crescente adozione di soluzioni basate su Intelligenza Artificiale per la valorizzazione del patrimonio informativo aziendale, il presente elaborato si propone di descrivere la progettazione e lo sviluppo di un sistema conversazionale intelligente, integrato all’interno della piattaforma. L’obiettivo è abilitare l’interrogazione in linguaggio naturale di fonti dati strutturate e semi-strutturate, come database SQL e documenti PDF. Il sistema sfrutta le capacità dei modelli di AI generativa, in particolare GPT-4o, per comprendere la domanda utente, classificarne l’intento e generare dinamicamente risposte informate e coerenti. Il flusso operativo prevede l’attivazione di pipeline specializzate, in grado di produrre query SQL personalizzate o recuperare contenuti documentali via tecniche di similarity search su Vector DB. Attraverso una fase di test manuali iterativi e validazioni cross-team, è stato possibile affinare l’esperienza conversazionale e la robustezza del sistema. Il lavoro si conclude con un’analisi critica dei risultati ottenuti e una riflessione sugli sviluppi futuri, evidenziando potenzialità evolutive in termini di adattamento semantico, automazione dei test e personalizzazione su base cliente.
PROGETTAZIONE DI UN ASSISTENTE VIRTUALE BASATO SU AI PER LA CONSULENZA IN AMBITO FINANZIARIO ED ASSICURATIVO
DE GIOSA, ROSANGELA
2024/2025
Abstract
Nel contesto della crescente adozione di soluzioni basate su Intelligenza Artificiale per la valorizzazione del patrimonio informativo aziendale, il presente elaborato si propone di descrivere la progettazione e lo sviluppo di un sistema conversazionale intelligente, integrato all’interno della piattaforma. L’obiettivo è abilitare l’interrogazione in linguaggio naturale di fonti dati strutturate e semi-strutturate, come database SQL e documenti PDF. Il sistema sfrutta le capacità dei modelli di AI generativa, in particolare GPT-4o, per comprendere la domanda utente, classificarne l’intento e generare dinamicamente risposte informate e coerenti. Il flusso operativo prevede l’attivazione di pipeline specializzate, in grado di produrre query SQL personalizzate o recuperare contenuti documentali via tecniche di similarity search su Vector DB. Attraverso una fase di test manuali iterativi e validazioni cross-team, è stato possibile affinare l’esperienza conversazionale e la robustezza del sistema. Il lavoro si conclude con un’analisi critica dei risultati ottenuti e una riflessione sugli sviluppi futuri, evidenziando potenzialità evolutive in termini di adattamento semantico, automazione dei test e personalizzazione su base cliente.| File | Dimensione | Formato | |
|---|---|---|---|
|
DE GIOSA_Tesi.pdf
File consultabile da postazioni biblioteca
Descrizione: Allego PDF definitivo dell'elaborato di tesi
Dimensione
2.86 MB
Formato
Adobe PDF
|
2.86 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14253/65076