Quotation process automation exploiting AI: a case study at L.E.G.O. S.P.A.

Questa tesi esplora l'ottimizzazione dei flussi aziendali nel settore grafico-editoriale. Inizialmente, la mappatura BPMN dei processi produttivi ha evidenziato l'inserimento manuale dei dati di preventivazione come principale collo di bottiglia operativo. Per risolverlo, è stata sviluppata un'architettura IA basata su Large Language Models. Il sistema automatizza l'estrazione dei dati tecnici dalle e-mail destrutturate, generando un JSON per l'integrazione ERP. Tramite una rigorosa ontologia in C# e un approccio "zero-information-loss", il modello previene le allucinazioni dell'IA e garantisce validità strutturale, abbattendo le latenze operative e trasformando il ruolo del preventivista

This thesis explores workflow optimization in the printing industry. First, BPMN mapping of production flows revealed that manual data entry during quotation is the primary operational bottleneck. To resolve this, an innovative AI architecture using Large Language Models was developed. The system automatizes technical data extraction from unstructured client emails into a JSON format for ERP integration. Guided by a C# domain ontology and a "zero-information-loss" approach, the model prevents AI hallucinations and ensures structural validity, significantly reducing operational latencies and transforming the estimator's role