L'evoluzione verso l'Industria 5.0 pone l'essere umano al centro del processo produttivo, promuovendo la collaborazione intelligente tra operatori e tecnologie avanzate. In questo contesto, il presente lavoro di tesi presenta lo sviluppo e la validazione di un sistema multi-agente per l'ispezione automatica di cavi industriali danneggiati, progettato per supportare il "lavoratore aumentato" durante attività di controllo qualità e diagnostica. Il sistema proposto integra tecnologie di computer vision, segmentazione avanzata e Retrieval-Augmented Generation (RAG) per automatizzare l'analisi e la documentazione di difetti in componenti meccanici a partire da contenuti video. L'architettura multi-agente è composta da tre nodi specializzati: il Vision Node, responsabile dell'elaborazione delle immagini mediante EfficientSAM per la segmentazione precisa dei componenti target; il Diagnostic Node, che fornisce supporto decisionale attraverso l'interrogazione di basi di conoscenza tecniche; e il nodo Coordinatore, che orchestra il flusso conversazionale e il routing intelligente delle richieste.