logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-09092026-201912


Tipo di tesi
Tesi di laurea magistrale
Autore
DI SANTE, MATTIA
URN
etd-09092026-201912
Titolo
AI-Assisted Business Intelligence Reporting for Corporate Waste Management
Dipartimento
INFORMATICA
Corso di studi
DATA SCIENCE AND BUSINESS INFORMATICS
Relatori
.
relatore Prof. Frangioni, Antonio
Parole chiave
  • AI agent orchestration
  • BI reporting
  • ETL
  • generative AI
Data inizio appello
15/10/2026
Consultabilità
Tesi non consultabile
Riassunto (Inglese)
This thesis presents the design and implementation of the Hoooly Chatbot, a proof-of-concept Business Intelligence assistant for corporate waste-management reporting. The system transforms operational disposal records into structured summaries, charts, managerial commentary, and compiled PDF reports, abstracting the underlying database schema and reporting scripts away from the end user.
The core architecture strictly decouples deterministic computation from generative explanation: PostgreSQL, SQLAlchemy, Pandas, and Matplotlib handle data extraction and factual metric processing, while the Gemini language model produces executive commentary strictly grounded on precomputed aggregates, thereby mitigating hallucination risks. The Model Context Protocol (MCP) and FastAPI securely expose controlled analytical capabilities to an ADK-based conversational agent, while Typst handles automated document compilation. The prototype successfully validates the end-to-end reporting pipeline, empirically demonstrates the latency advantages of batch over sequential generation, and outlines key engineering controls required for a full production deployment.
Riassunto (Italiano)
Questa tesi presenta la progettazione e l'implementazione di Hoooly Chatbot, un assistente di Business Intelligence per la reportistica nella gestione dei rifiuti aziendali. Il sistema converte i log operativi di conferimento in riepiloghi, visualizzazioni grafiche, commenti manageriali e report formattati in PDF, eliminando per l'utente la necessità di conoscere lo schema del database o le pipeline interne.
L'architettura proposta si basa su una rigorosa separazione tra calcolo deterministico e interpretazione generativa: PostgreSQL, SQLAlchemy, Pandas e Matplotlib gestiscono in modo affidabile l'estrazione dei dati e il calcolo delle metriche, mentre il modello linguistico Gemini genera commenti strategici a partire esclusivamente da aggregati precalcolati, prevenendo le allucinazioni. Il Model Context Protocol (MCP) e FastAPI espongono in sicurezza le funzionalità analitiche a un agente conversazionale basato su ADK, mentre Typst gestisce la compilazione rapida dei report PDF. Il prototipo convalida l'intero flusso operativo, dimostrando empiricamente i vantaggi della generazione in batch rispetto a quella sequenziale per ridurre la latenza, e delinea i requisiti necessari per una futura transizione in produzione.
File