Sviluppo e validazione di un chatbot basato su Intelligenza Artificiale per il training degli operatori industriali

La tesi affronta lo sviluppo di un chatbot basato sull’Intelligenza Artificiale per il supporto alla formazione degli operatori industriali, in coerenza con i principi human-centric dell’Industria 5.0. È stato realizzato un prototipo locale basato su architettura Retrieval Augmented Generation (RAG), utilizzando la documentazione relativa al montaggio del modellino Phantom-Blade Tamiya 19603. I contenuti sono stati bonificati, suddivisi in chunk e indicizzati in ChromaDB mediante embedding; il recupero è stato migliorato attraverso un reranking euristico. La generazione delle risposte è affidata al modello linguistico locale Phi-3, integrato con una pipeline vocale Speech-To-Text e Text-To-Speech e con un’interfaccia Streamlit. La validazione tecnico-funzionale, condotta su 25 domande, ha evidenziato un Success Rate del 52%, un Error Rate del 20%, un tasso di allucinazioni del 24% e una corretta trascrizione vocale nel 96% dei casi, con un tempo medio di 44,23 secondi per Retrieval e generazione. Le prestazioni migliori sono state ottenute per domande relative ai componenti e alla loro posizione, mentre le principali criticità hanno riguardato query generiche o complesse, latenza e affidabilità della generazione. I risultati confermano la fattibilità tecnica del prototipo come strumento di supporto al training, evidenziando al contempo la necessità di ulteriori sviluppi e di una futura validazione in contesti industriali reali.