Obiettivi
Il progetto si propone di sviluppare un sistema di interrogazione conversazionale per database relazionali basato su Large Language Model, in grado di consentire l’accesso ai dati tramite linguaggio naturale, superando i vincoli imposti dai tradizionali meccanismi di interrogazione.
Un obiettivo centrale è il potenziamento della piattaforma LEDA, attraverso l’introduzione di nuove modalità di accesso e consultazione dei dati che riducano la complessità tecnica delle query e migliorino l’esperienza complessiva degli utenti. In questo contesto, il progetto prevede la realizzazione di un prototipo operativo, corredato da interfacce dedicate sia agli utenti finali sia agli amministratori di sistema, pensato per supportare le attività di sperimentazione e validazione.
Particolare attenzione è inoltre rivolta alla robustezza e affidabilità del sistema, che viene testato su scenari reali e complessi, includendo richieste fuori contesto, potenziali bias e casi limite, al fine di valutare il comportamento del modello in condizioni non ideali. Infine, il progetto mira a definire una base tecnologica scalabile e riutilizzabile, progettata per essere adattata a diversi contesti aziendali e organizzativi, aprendo la strada a future estensioni e applicazioni in ambiti differenti.
Sfida iniziale
La principale sfida del progetto è stata superare le limitazioni degli attuali sistemi gestionali della piattaforma LEDA, che richiedono competenze tecniche specifiche per l’interrogazione dei dati e presentano una curva di apprendimento elevata per gli utenti non esperti.
In particolare, l’accessibilità ai dati strutturati, la flessibilità nell’interrogazione del database e la qualità e l’affidabilità delle risposte fornite dal sistema, evitando errori di interpretazione o query non corrette.
Soluzione
La soluzione è stata sviluppata attraverso un approccio collaborativo e modulare, culminato nella realizzazione di un Proof of Concept che integra LEDA con un Large Language Model per interrogazioni conversazionali.
Il sistema implementa una pipeline multi-agente che include:
- normalizzazione “smart” delle entità, per migliorare la comprensione semantica delle richieste;
- rilevazione dell’intent e riformulazione delle query;
- generazione ed esecuzione automatica di query SQL, con meccanismi di auto-correzione;
- orchestrazione dei diversi moduli di elaborazione;
- produzione di output sia narrativi (in linguaggio naturale) sia strutturati.
A supporto della sperimentazione è stata realizzata una web application pilota, che consente di testare l’esperienza utente e di amministrare il sistema. Il progetto si è concluso con una fase strutturata di test funzionali e adversarial, finalizzati a validare l’affidabilità del sistema in condizioni reali e non ideali.
Benefici
Il PoC rappresenta un passo significativo verso un utilizzo più evoluto e inclusivo dei dati aziendali. I principali benefici includono:
- accesso ai dati più rapido e intuitivo tramite linguaggio naturale;
- riduzione della complessità delle query SQL per gli utenti finali;
- miglioramento della qualità e robustezza delle risposte, grazie ai meccanismi di normalizzazione e controllo;
- aumento dell’efficienza operativa nell’utilizzo delle informazioni del gestionale;
- creazione di una base tecnologica scalabile, adattabile a diversi domini applicativi e contesti organizzativi.
Il progetto dimostra come l’integrazione tra sistemi gestionali tradizionali e tecnologie di Intelligenza Artificiale avanzata possa abilitare nuove modalità di interazione con i dati, migliorando il processo decisionale e valorizzando il patrimonio informativo esistente.
Il ruolo di IFAB
IFAB ha ricoperto un ruolo triplice: finanziatore, coordinatore operativo e partner tecnico. In qualità di finanziatore, ha selezionato il progetto nell’ambito delle proprie linee di investimento in ricerca, innovazione e trasferimento tecnologico, riconoscendone il valore scientifico e applicativo e rendendo possibile lo sviluppo delle attività condotte dai partner tecnici. Sul piano del coordinamento, ha assunto la responsabilità complessiva della gestione operativa e amministrativa, occupandosi della rendicontazione e del monitoraggio del budget, della supervisione dei rapporti con i partner, dell’organizzazione e conduzione delle riunioni operative e della raccolta dei risultati attraverso il monitoraggio degli stati di avanzamento.
IFAB ha affiancato la start-up Ada — responsabile della realizzazione tecnica del software — creando le condizioni operative e relazionali necessarie affinché il progetto potesse svilupparsi con continuità e coerenza rispetto agli obiettivi definiti.
Il contributo tecnico di IFAB si è articolato su tre fronti complementari:
- progettazione e messa a disposizione di un’infrastruttura data lake dedicata ai servizi alla persona, capace di ospitare, integrare e gestire dati eterogenei provenienti da fonti diverse, costituendo la base su cui sperimentare e validare le soluzioni di intelligenza artificiale sviluppate nel corso del progetto.
- apporto di competenze AI e machine learning per il monitoraggio dei dati e l’identificazione di pattern e tendenze, a supporto sia della gestione operativa della piattaforma sia delle attività di analisi.
- sviluppo e sperimentazione di modelli linguistici di grandi dimensioni, per abilitare interazioni in linguaggio naturale all’interno della piattaforma e rendere l’accesso alle informazioni più immediato per gli operatori del terzo settore.
La partecipazione a LEDA ha consentito a Fondazione IFAB di consolidare competenze trasversali all’intersezione tra intelligenza artificiale e innovazione sociale, confermando la propria missione di acceleratore di iniziative ad alto impatto per il territorio e il sistema produttivo.
Per informazioni rivolgersi a: projects@ifabfoundation.org
