• conversational agent
• Fine-tuning
• Large language model
• LLM
• modelli pre-addestrati
• RAG

La tesi offre una panoramica dei Large Language Models (LLM) e sottolinea il potenziale di questi modelli per l'automazione dell'assistenza clienti. Lo studio indaga le capacità di vari LLM nella gestione dei ticket di assistenza clienti sia in sistemi di singola domanda e risposta che tramite agenti conversazionali con memoria. Esplora la fattibilità dell’implementazione di modelli open source su hardware di livello consumer per rendere le tecnologie NLP avanzate accessibili alle piccole e medie imprese (PMI) senza investimenti sostanziali in risorse computazionali. Dopo un'introduzione sul background teorico sui LLM, c'è l'esame e il confronto di metodologie come il fine tuning e il Retrieval Augmented Generation (RAG). Infine, un quadro qualitativo valuta e confronta 2 agenti conversazionali basati su LLM (chatbot) implementati tramite RAG.
La tesi si conclude evidenziando il potenziale per futuri progressi nell'applicazione dei LLM.


The thesis gives an overview on of Large Language Models (LLMs) and emphasizes the potential of these models for customer support automation.. The study investigates the capabilities of various LLMs in handling customer support tickets in both question-answering systems and conversational settings with memory-aware agents. It explores the feasibility of deploying open-source models on consumer-grade hardware to make advanced NLP technologies accessible for small to medium enterprises (SMEs) without substantial investments in computational resources. After an introduction on the theoretical background on LLMs,there is the examination and comparison of methodologies like fine-tuning, and Retrieval Augmented Generation (RAG) Lastly, a qualitative framework assess and compare 2 LLMs-based conversational agents (chatbots) implemented via RAG technique.
The thesis concludes by highlighting the potential for future advancements in the application of LLMs.