Conversare con il bilancio di sostenibilità: estrazione e comprensione di dati da PDF tramite LLM, Data Visualization e chatbot

I bilanci di sostenibilità rappresentano uno strumento fondamentale per comunicare in modo trasparente le attività, gli impatti e i progressi di un’organizzazione rispetto a criteri ambientali, sociali ed economici. Tuttavia, la loro pubblicazione in formato PDF ne ostacola l’elaborazione digitale e limita il riuso dei dati a fini analitici e di ricerca. La presente tesi affronta il problema dell’estrazione di informazioni strutturate da documenti complessi, prendendo come caso di studio il Bilancio di Sostenibilità dell’Università di Bologna. Gli obiettivi della tesi includono la valutazione di strumenti esistenti per l’estrazione di dati, il confronto tra approcci tradizionali e modelli linguistici di grandi dimensioni (LLM), e lo sviluppo di una soluzione automatizzata capace di trasformare il contenuto del bilancio in dati strutturati. La strategia adottata si fonda su un approccio “divide et impera”, in cui modelli linguistici multimodali analizzano singolarmente le pagine del documento ed estraggono le informazioni rilevanti, successivamente integrate in un unico output. I dati così ottenuti vengono resi fruibili tramite un’applicazione multipiattaforma, che combina strumenti di data visualization e un chatbot interattivo in grado di guidare l’utente nell’esplorazione di tali contenuti. I risultati conseguiti dimostrano l’efficacia degli LLM nell’estrazione di informazioni da documenti complessi e offrono un punto di partenza per future applicazioni orientate alla gestione e comunicazione dei dati.