Design and Implementation of an AI Agent for Data Use Case Consulting

Questo lavoro presenta la progettazione e l’implementazione di un AI Agent basato su Large Language Models per il supporto alla definizione, alla valutazione e alla gestione di use case aziendali. L’Agente è progettato per migliorare la qualità degli use case attraverso verifiche di chiarezza, completezza e coerenza con gli standard organizzativi, riducendo il lavoro manuale richiesto dagli utenti durante la compilazione dell’apposito form. La valutazione dell’Agente è stata condotta tramite un insieme di simulazioni basate su prompt realistici con l’obiettivo di misurare l’accuratezza nella generazione di use case strutturati e l’impatto atteso sui processi aziendali. I risultati mostrano un’accuratezza preliminare del 60% nella formulazione di use case completi al primo tentativo e un potenziale risparmio di tempo stimato tra il 75% e l’85% rispetto alla compilazione manuale. A completamento della valutazione funzionale, viene esposta un’analisi di sostenibilità focalizzata sulle emissioni di CO₂ generate dall’Agente durante la fase di inferenza. Attraverso l’utilizzo della libreria CodeCarbon sono stati misurati il consumo energetico e le emissioni prodotte da modelli open source eseguiti localmente, valutati sotto carichi di lavoro controllati e confrontati sulla base di dimensione del modello, numero di token generati e complessità delle interazioni. Questo approccio sperimentale ha permesso di evidenziare con chiarezza la relazione tra la dimensione del modello, l’intensità computazionale e l’impatto ambientale. È emerso inoltre che il modello più piccolo è anche il più efficiente e il più sostenibile.