PROGETTAZIONE E IMPLEMENTAZIONE DI UN CHATBOT BASATO SU LARGE LANGUAGE MODEL E RETRIEVAL-AUGUMENTED GENERATION, A SUPPORTO DELLE STUDENTESSE E DEGLI STUDENTI DEL POLITECNICO DI BARI

This thesis presents the development and implementation of an intelligent conversational interface integrated into the website of the Department of Electrical and Information Engineering (DEI) at the Polytechnic University of Bari, leveraging Large Language Model technology and the application of the Retrieval-Augmented Generation (RAG) approach. The research addresses the growing need for more efficient access to information in academic web environments, where students, faculty, and visitors often encounter difficulties navigating. The proposed solution integrates Microsoft Copilot Studio with OpenAi GPT models to create a sophisticated chatbot deployed directly on the DEI website, capable of understanding natural language queries and providing accurate and contextually relevant responses. The RAG system was trained on comprehensive departmental data, including organizational structure, degree programs, doctoral opportunities, administrative forms, job postings, laboratory information, student services, and academic calendars. This approach combines the generative capabilities of large language models with precise information retrieval from the university's knowledge base, ensuring both conversational and factual responses. The integrated implementation into the website demonstrates significant improvements in information accessibility and user experience, allowing visitors to quickly discover relevant departmental resources through natural language interactions without leaving the DEI web portal. This work contributes to the growing field of AI-enhanced technology for institutions and businesses and provides a practical framework for implementing RAG-based conversational AI.

Questa tesi presenta lo sviluppo e l'implementazione di un'interfaccia conversazionale intelligente integrata nel sito web del Dipartimento di Ingegneria Elettrica e dell'Informazione (DEI) del Politecnico di Bari, sfruttando la tecnologia dei Large Language Model e l’applicazione dell’approccio Retrieval-Augmented Generation (RAG). La ricerca affronta la crescente necessità di un accesso più efficiente alle informazioni negli ambienti web accademici, dove studenti, docenti e visitatori spesso incontrano difficoltà nel navigare. La soluzione proposta integra Microsoft Copilot Studio con modelli GPT di OpenAi per creare un chatbot sofisticato implementato direttamente nel sito web del DEI, capace di comprendere query in linguaggio naturale e fornire risposte accurate e contestualmente rilevanti. Il sistema RAG è stato addestrato su dati dipartimentali completi inclusi struttura organizzativa, corsi di laurea, opportunità di dottorato, modulistica amministrativa, bandi di concorso, informazioni sui laboratori, servizi studenteschi e calendari accademici. Questo approccio combina le capacità generative dei large language model con il recupero preciso di informazioni dalla base di conoscenza dell'università, assicurando risposte sia conversazionali che fattuali. L'implementazione integrata nel sito web dimostra miglioramenti significativi nell'accessibilità delle informazioni e nell'esperienza utente, permettendo ai visitatori di scoprire rapidamente risorse dipartimentali rilevanti attraverso interazioni in linguaggio naturale senza abbandonare il portale web del DEI. Questo lavoro contribuisce al crescente campo della tecnologia potenziata dall'IA per istituzioni e aziende e fornisce un framework pratico per implementare IA conversazionale basata su RAG.