Tipo di tesi
Tesi di laurea magistrale
Titolo
Sistemi conversazionali aziendali basati su Large Language Models: confronto tra RAG nella piattaforma Synapsis ML e fine-tuning con LoRA
Dipartimento
FILOLOGIA, LETTERATURA E LINGUISTICA
Corso di studi
INFORMATICA UMANISTICA
Data inizio appello
29/05/2026
Riassunto (Italiano)
Il presente lavoro analizza e confronta due strategie di adattamento dei Large Language Models a domini applicativi specifici: l'adattamento parametrico tramite Low-Rank Adaptation (LoRA) e l'integrazione di conoscenza esterna tramite una pipeline Retrieval-Augmented Generation (RAG), implementata all'interno di Synapsis ML, piattaforma per l'intelligenza artificiale sviluppata nell'ecosistema Mative.
Il caso d'uso adottato riguarda lo sviluppo di un chatbot aziendale per il supporto clienti nel settore delle macchine da caffè. Il confronto tra i due approcci è condotto attraverso un esperimento controllato che adotta lo stesso modello base, gli stessi parametri di generazione e lo stesso insieme di domande di valutazione. La valutazione combina metriche automatiche quantitative — BLEU, ROUGE, BERTScore, METEOR, chrF, Token F1 ed Exact Match — con un sistema di giudizio qualitativo basato su LLM-as-a-Judge, articolato su sette dimensioni qualitative e tre modalità di prompting.
I risultati mostrano che la pipeline RAG produce risposte complessivamente più accurate, complete e aderenti al dominio tecnico rispetto al modello adattato tramite LoRA, confermando la validità dell'approccio RAG come soluzione efficace e economicamente vantaggiosa per l'integrazione di capacità conversazionali in sistemi software industriali.
