Dall'Al conversazionale ai sistemi agentici: LLM per l'ottimizzazione dei processi industriali. Una rassegna critica della letteratura

Nell'attuale scenario manifatturiero, la capacità di trasformare rapidamente grandi moli di dati frammentati in decisioni operative coerenti rappresenta oggi una leva competitiva irrinunciabile per garantire efficienza e reattività. In questo panorama, i Large Language Models (LLM) stanno emergendo come una tecnologia trastormativa, evolvendo rapidamente dal ruolo di semplici interfacce conversazionali verso quello di architetture agentiche proattive. Tali sistemi dimostrano oggi la capacità non solo di interpretare il linguaggio naturale, ma di orchestrare ragionamenti complessi, pianificare sequenze operative e interagire dinamicamente con strumenti software esterni. L'integrazione di queste intelligenze generative all'interno delle operations industriali apre nuove prospettive per la gestione della conoscenza di fabbrica, il supporto decisionale nello scheduling e la diagnostica avanzata. Tuttavia, l'applicazione di tali modelli in ecosistemi socio-tecnici reali richiede di bilanciare l'automazione cognitiva con i rigidi vincoli di affidabilità dei processi produttivi. Questa tesi propone una rassegna critica della letteratura basata su una selezione di 18 contributi a partire dal 2023, con l'obiettivo di mappare lo stato dell'arte e le traiettorie evolutive degli LLM in ambito manifatturiero. Attraverso un'analisi comparativa, il lavoro identifica le aree tematiche ricorrenti, ne rilegge i benefici operativi attraverso la lente dei sette sprechi Muda ed esamina le stide strutturali, dall'affidabilità tecnica alla sostenibilità per le PMI, che ne condizionano l'adozione, chiarendo le condizioni necessarie per un'integrazione industriale efficace e sicura.