polito.it
Politecnico di Torino (logo)

Approccio basato su linguaggio naturale per l'esplorazione dei dati del CRM = Natural language-based approach to CRM data exploration

Gabriele Castelli

Approccio basato su linguaggio naturale per l'esplorazione dei dati del CRM = Natural language-based approach to CRM data exploration.

Rel. Luigi De Russis. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2024

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (5MB) | Preview
Abstract:

Nei sistemi CRM è possibile effettuare ricerche più o meno avanzate strutturando i filtri in modo classico. È possibile, quindi, definire condizioni and/or, query annidate, che ricordano SQL. Sfruttando le nuove capacità dei modelli AI, si è progettato uno strumento di ricerca su tabelle custom, che si basa sulla decodifica di quanto l’utente stia chiedendo in linguaggio naturale. La richiesta dell’utente deve essere puntuale e può richiedere il coinvolgimento di più entità. Il modello AI interpreta le richieste dell’utente, le traduce in formato fetchXML, interroga la base di dati del CRM ed, infine, interpreta il risultato in linguaggio naturale. Lo stesso meccanismo è stato introdotto in un chatbot integrato su Teams, che fornisce una interfaccia user-friendly per avviare la conversazione sui dati. L’analisi statistica, eseguita, ha evidenziato risultati generalmente positivi e incoraggianti sulla capacità del modello AI di interpretare le informazioni dell’utente, seppur non manchino casi di errore, principalmente, per campi di dati semanticamente vicini. Infine, è stato realizzato un confronto con Copilot che offre strumenti in anteprima con la medesima funzionalità. Entrambe le soluzioni necessitano di domande puntuali e fanno uso dei servizi OpenAI Azure. In particolare, Copilot prevede un controllo dei privilegi per l’accesso ai dati, richiede una configurazione a più livelli e si fonda sull’uso di dati indicizzati. Di contro, questo progetto non richiede alcuna configurazione, presenta limiti sull’accorpamento di aggregati e sulla scalabilità.

Relatori: Luigi De Russis
Anno accademico: 2023/24
Tipo di pubblicazione: Elettronica
Numero di pagine: 94
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering)
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-32 - INGEGNERIA INFORMATICA
Aziende collaboratrici: Cluster Reply Srl
URI: http://webthesis.biblio.polito.it/id/eprint/30830
Modifica (riservato agli operatori) Modifica (riservato agli operatori)