Automatic Documentation Drafting

La scrittura e il mantenimento della documentazione rappresentano at- tività essenziali ma spesso trascurate nei progetti di sviluppo software, in particolare in ambito ETL, dove le pipeline evolvono rapidamente. La docu- mentazione manuale risulta non solo time-consuming, ma anche soggetta a inconsistenze dovute alla molteplicità di template e pratiche adottate dai vari sviluppatori. In questa tesi si propone un tool innovativo in grado di generare automa- ticamente la documentazione a partire dal codice sorgente di pipeline ETL realizzate con Apache Airflow e PySpark. Il sistema sfrutta modelli di Ge- nerative AI e tecniche di prompt engineering per estrarre in modo intelli- gente le informazioni rilevanti dal codice, organizzandole in una struttura standardizzata e pubblicandole su piattaforme collaborative come Confluence. Il progetto, sviluppato in collaborazione con Data Reply, integra servizi cloud di AWS (in particolare SageMaker Studio) e si pone l’obiettivo di ri- durre significativamente il carico di lavoro legato alla manutenzione della documentazione, migliorandone l’accuratezza e la coerenza. I risultati mostrano come l’adozione di un approccio basato su GenAI pos- sa rappresentare un valido supporto per la gestione della documentazione, garantendo aggiornamenti tempestivi e una standardizzazione che favorisce la collaborazione e la condivisione delle conoscenze all’interno dei team di sviluppo.