ENTicketEngineBot: assistente intelligente basato su LLM per il supporto tecnico aziendale

Il presente lavoro di tesi documenta l'attività di stage della durata di circa 300 ore svolta dal laureando Giovanni Battista Matteazzi presso l'azienda Euronovate Group. Il progetto ha riguardato l'integrazione di una piattaforma di monitoraggio esistente, denominata ENTicketEngine, originariamente dedicata al download dei ticket e al calcolo dei tempi di lavorazione stabiliti dai Service Level Agreement (SLA). Attraverso lo sviluppo del nuovo modulo ENTicketEngineBot, il sistema è stato potenziato mediante l'integrazione di tecnologie di Intelligenza Artificiale Generativa per fornire dei suggerimenti di risposta ai ticket aziendali. L'obiettivo centrale dell'intervento è stato la creazione di un assistente intelligente capace di analizzare autonomamente il contenuto testuale e gli allegati dei ticket per fornire suggerimenti di risposta o indicazioni tecniche preliminari. Grazie all'implementazione di un'architettura Retrieval-Augmented Generation (RAG), il sistema arricchisce i prompt inviati ai modelli linguistici con dati reali estratti dalla base di conoscenza aziendale, riducendo il rischio di allucinazioni e garantendo risposte tecnicamente fondate. Questo approccio permette al bot di richiedere dettagli mancanti ai clienti o di identificare casi analoghi risolti in passato tramite una ricerca per similarità semantica basata su vettori. L'applicativo è stato realizzato utilizzando il linguaggio Java e il framework Spring Boot per mantenere la piena coerenza con l'infrastruttura software preesistente. La gestione dei dati si appoggia a un'architettura ibrida che sfrutta PostgreSQL e l'estensione pgvector per memorizzare gli embedding del testo e consentire query che combinano metadati relazionali e vicinanza semantica. Per l'elaborazione del linguaggio naturale sono stati adottati modelli open-source gestiti localmente tramite Ollama, come gemma2:9b per la generazione e Nomic per il calcolo vettoriale, garantendo così l'assenza di costi per chiamate API esterne e la possibilità di test in locale. L'architettura del sistema prevede un'esecuzione asincrona gestita dal modulo BotOrchestrator, che separa i processi dell'IA dal thread principale di monitoraggio per non compromettere la stabilità dell'engine originario. L'adozione di design pattern quali Strategy e Adapter assicura una gestione modulare dei comportamenti del bot in base allo stato del ticket e l'indipendenza tecnologica dai singoli fornitori di servizi IA. Infine, il sistema si interfaccia con Discord per permettere ai tecnici di validare o rigenerare i messaggi prodotti dal bot prima che vengano salvati come note private sulla piattaforma Redmine.