Integrazione di Large Language Models in sistemi ERP: il caso AI LiveBot su Odoo

This thesis presents the design and implementation of AI LiveBot, an Odoo 18 module developed during a curricular internship at SyncLab SRL (320 hours), aimed at making ERP operations faster and more accessible through natural language. The solution is integrated into Odoo’s native chat (Discuss) and relies on a Large Language Model as a workflow orchestrator: user requests are mapped to application actions via structured “function” tags that the backend parses and binds to Odoo methods. To mitigate operational risk, structured outputs are validated and potentially critical actions require explicit user confirmation. The module supports typical warehouse and sales scenarios, including product search, availability checks, information lookup, and sales-order creation, and it can be extended with voice input (Speech-to-Text). The thesis also includes a quantitative evaluation comparing five LLM backends while keeping prompts and application logic unchanged and varying only the model provider. The assessment measures both tool-selection correctness and product-ranking quality using information-retrieval metrics (Hit@5, Precision@5, Recall@5, MRR), and analyzes latency through P50 and P95 percentiles on a test dataset of 7 queries over a 43-product catalog. Reasoning-oriented models generally improved ranking but increased response time. Results highlight a clear quality–speed trade-off and identify Gemini 2.5 Flash as the best overall balance for day-to-day ERP use.

Questa tesi descrive la progettazione e lo sviluppo di AI LiveBot, un modulo per Odoo 18 realizzato durante uno stage curricolare presso SyncLab SRL (320 ore), con l’obiettivo di rendere più rapida e accessibile l’operatività ERP tramite linguaggio naturale. La soluzione si integra nel sistema di chat nativo (Discuss) e utilizza un Large Language Model come orchestratore: alle richieste dell’utente il modello associa azioni applicative attraverso tag di “funzione”, che il backend interpreta e mappa su metodi Odoo. Per ridurre il rischio operativo, le uscite strutturate vengono validate e le azioni potenzialmente critiche richiedono una conferma esplicita. Il modulo supporta scenari tipici di magazzino e vendite, come ricerca prodotti, verifica disponibilità, consultazione di informazioni e creazione di ordini, con possibilità di estensione verso input vocale (Speech-to-Text). La tesi include una valutazione quantitativa che confronta cinque modelli LLM mantenendo invariati prompt e logica applicativa e variando solo il backend. La verifica misura sia la correttezza della scelta della funzione (tool choice) sia la qualità del ranking dei prodotti tramite metriche di information retrieval (Hit@5, Precision@5, Recall@5, MRR) e analizza la latenza con i percentili P50 e P95, su un dataset di test con 7 query e 43 prodotti. I risultati evidenziano un compromesso qualità–velocità e indicano Gemini 2.5 Flash come miglior equilibrio per l’uso quotidiano in ambito ERP.