Sistemi di Ricerca Intelligente: tecniche di Data Retrieval e Large Language Models applicati a un contesto aziendale = Intelligent Search Systems: Research Techniques Data Retrieval and Large Language Models applied to a business context

Negli ultimi anni, l'intelligenza artificiale ha rivoluzionato il settore della gestione e dell'analisi delle informazioni aziendali, aprendo nuove possibilità per l'elaborazione del linguaggio naturale. Questa tesi si propone di sviluppare un modello che integra i Large Language Models (LLM) con la tecnica Retrieval-Augmented Generation (RAG), al fine di migliorare i sistemi di ricerca aziendali. L'obiettivo principale del progetto è superare le limitazioni dei tradizionali sistemi di ricerca basati esclusivamente sul confronto tra Part Numbers (PN), introducendo una soluzione più flessibile e personalizzabile. Il modello proposto consente agli utenti di effettuare ricerche avanzate su materiali industriali, formulando domande basate su specifiche tecniche e requisiti personalizzati. Per realizzare questo sistema, il lavoro si è articolato in diverse fasi: l'analisi delle strutture dei LLM e dei loro limiti, l'introduzione della metodologia RAG per integrare basi di conoscenza esterne e l'implementazione di un modello che utilizza tecniche di embedding e ricerca vettoriale. Sono stati realizzati embedding dei dati e costruito un indice vettoriale per la ricerca RAG, al fine di migliorare l'accuratezza e la pertinenza dei risultati. L'implementazione è stata testata nel contesto aziendale di Avnet, leader nella distribuzione di componenti elettronici, sfruttando un indice vettoriale basato su MongoDB Atlas e il modello di embedding All-MPNet-base-v2. I risultati ottenuti dimostrano come l'integrazione di LLM e RAG possa rappresentare un significativo avanzamento nei sistemi di ricerca aziendali, offrendo un accesso più rapido e di ampia fruibilità alle informazioni tecniche. Le conclusioni della tesi evidenziano inoltre possibili sviluppi futuri, tra cui l'ottimizzazione delle risorse computazionali e l'espansione del modello a nuovi settori applicativi.