Questo lavoro esamina l’impiego dei modelli linguistici di grandi dimensioni (LLM) come supporto alla redazione e all’analisi delle diagnosi energetiche in ambito industriale, con l’obiettivo di incrementare la produttività, migliorare l’uniformità della reportistica e ridurre i tempi di elaborazione dei dati. La tesi si articola in cinque attività principali: (i) valutazione sperimentale delle capacità di ChatGPT su documenti testuali (Word/PDF) e dataset numerici (Excel/JSON); (ii) definizione di buone pratiche per la preparazione di file “AI-friendly” e stesura di un manuale operativo per l’applicazione dell’AI nelle diagnosi energetiche; (iii) progettazione e validazione di un agente AI a supporto dell’ingegnere energetico, sviluppato attraverso soluzioni alternative (workflow in n8n, GPT personalizzato e implementazione in Python) e integrato con servizi cloud (Azure OpenAI), memoria conversazionale, accesso strutturato ai dati e componenti RAG per ancorare le risposte a fonti verificabili; (iv) studi di fattibilità per interventi di efficientamento energetico; (v) generazione di bozze di diagnosi energetica e sezioni di report.