Generative AI (Artificial Intelligence) is one of the most promising and innovative emerging technologies in the field of artificial intelligence. Thanks to its ability to generate original and complex content, such as texts, images, and graphics, in response to specific inputs, it is revolutionizing many industries. The rapid evolution of this technology offers new opportunities to optimize and automate processes, improve efficiency, and support creativity. This thesis focuses on the application of Generative AI in the financial sector, with particular reference to a project developed in a corporate context, which involved the use of a generative chatbot for the automatic generation of financial reports and business data analysis. As a full-stack developer, my primary contribution was to the user interface and backend of the system, developing solutions that facilitate interaction between users and the generative model. While the project does not focus on the technical aspects of machine learning, it has allowed for an exploration of how Generative AI technologies can be practically applied in a business context to enhance reporting and decision-making processes. Throughout the thesis, I will explore the fundamental concepts of Generative AI, with a particular focus on Prompt Engineering and the technologies that power generative models. I will then describe the implemented project, analyzing the technical choices made, the challenges encountered, and the results achieved. Since the company’s code cannot be shared, the final part of the thesis will present a personal project that applies the same concepts to a university chatbot, albeit in a simplified form. This will demonstrate the adaptability of the solutions developed in the corporate environment to an academic context, providing a broader perspective on the potential of Generative AI in practical applications.
La Generative AI (Intelligenza Artificiale Generativa) è una delle tecnologie emergenti più promettenti e innovative nel campo dell’intelligenza artificiale. Grazie alla sua capacità di generare contenuti originali e complessi, come testi, immagini e grafici, in risposta a input specifici, sta rivoluzionando molti settori. La rapida evoluzione di questa tecnologia offre nuove opportunità per ottimizzare e automatizzare processi, migliorare l’efficienza e supportare la creatività. Questa tesi si concentra sull’applicazione della Generative AI in ambito finanziario, con particolare riferimento al progetto sviluppato in un contesto aziendale, che ha visto l’impiego di un chatbot generativo per la generazione automatica di report finanziari e l’analisi dei dati aziendali. In qualità di sviluppatore full stack, ho contribuito principalmente alla parte di interfaccia utente e al backend del sistema, sviluppando soluzioni che facilitano l’interazione tra gli utenti e il modello generativo. Il progetto, sebbene non si focalizzi sull’aspetto tecnico del machine learning, ha permesso di esplorare come le tecnologie di Generative AI possano essere applicate concretamente in un contesto aziendale per migliorare la reportistica e il processo decisionale. Nel corso della tesi, esplorerò i concetti fondamentali della Generative AI, con un focus particolare sul Prompt Engineering e sulle tecnologie che alimentano i modelli generativi. Descriverò poi il progetto realizzato, analizzando le scelte tecniche adottate, le sfide affrontate e i risultati ottenuti. Poiché il codice aziendale non può essere condiviso, nell’ultima parte della tesi verrà presentato un progetto personale che applica gli stessi concetti a un chatbot universitario, sebbene in forma semplificata. Questo permetterà di dimostrare l’adattabilità delle soluzioni sviluppate in ambito lavorativo a un contesto accademico, offrendo una visione più ampia delle potenzialità della Generative AI nelle applicazioni pratiche.
Generative AI: Applicazioni e Impatti in Ambito Aziendale
OULAIN, ISMAEL
2023/2024
Abstract
La Generative AI (Intelligenza Artificiale Generativa) è una delle tecnologie emergenti più promettenti e innovative nel campo dell’intelligenza artificiale. Grazie alla sua capacità di generare contenuti originali e complessi, come testi, immagini e grafici, in risposta a input specifici, sta rivoluzionando molti settori. La rapida evoluzione di questa tecnologia offre nuove opportunità per ottimizzare e automatizzare processi, migliorare l’efficienza e supportare la creatività. Questa tesi si concentra sull’applicazione della Generative AI in ambito finanziario, con particolare riferimento al progetto sviluppato in un contesto aziendale, che ha visto l’impiego di un chatbot generativo per la generazione automatica di report finanziari e l’analisi dei dati aziendali. In qualità di sviluppatore full stack, ho contribuito principalmente alla parte di interfaccia utente e al backend del sistema, sviluppando soluzioni che facilitano l’interazione tra gli utenti e il modello generativo. Il progetto, sebbene non si focalizzi sull’aspetto tecnico del machine learning, ha permesso di esplorare come le tecnologie di Generative AI possano essere applicate concretamente in un contesto aziendale per migliorare la reportistica e il processo decisionale. Nel corso della tesi, esplorerò i concetti fondamentali della Generative AI, con un focus particolare sul Prompt Engineering e sulle tecnologie che alimentano i modelli generativi. Descriverò poi il progetto realizzato, analizzando le scelte tecniche adottate, le sfide affrontate e i risultati ottenuti. Poiché il codice aziendale non può essere condiviso, nell’ultima parte della tesi verrà presentato un progetto personale che applica gli stessi concetti a un chatbot universitario, sebbene in forma semplificata. Questo permetterà di dimostrare l’adattabilità delle soluzioni sviluppate in ambito lavorativo a un contesto accademico, offrendo una visione più ampia delle potenzialità della Generative AI nelle applicazioni pratiche.File | Dimensione | Formato | |
---|---|---|---|
Unito___Tesi_su_Gen_AI.pdf
non disponibili
Dimensione
1.65 MB
Formato
Adobe PDF
|
1.65 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/164005