Sviluppo e Valutazione di Architetture Multi-Agente per l'Interazione in Linguaggio Naturale con Sistemi di Business Intelligence

   Info_icon.svg   data    BibTeX_logo.svg   bibtex

L'evoluzione della Business Intelligence sta transitando verso interfacce conversazionali basate su Large Language Models (LLM), superando i limiti degli approcci Text-to-SQL tramite l'integrazione diretta con il Semantic Layer aziendale. Questo elaborato esplora l'efficacia di architetture di Conversational BI in contesti Enterprise, progettando e valutando due distinti paradigmi di orchestrazione.
La prima soluzione è un'architettura a singolo agente Managed (Microsoft Azure AI Foundry), basata sul pattern Reasoning and Acting (ReAct). La seconda è un'infrastruttura Pro-Code multi-agente sviluppata con Microsoft Agent Framework, che distribuisce il carico cognitivo tra moduli specializzati (Planner, Execution Sub-Agents, Synthesizer, Verifier). Entrambi i sistemi utilizzano il Model Context Protocol (MCP) per interagire in sicurezza con i database, garantendo l'applicazione della Row-Level Security.

keywords   Conversational BI, Business Intelligence, Large Language Models, LLM, Architetture Multi-Agente, Model Context Protocol, MCP, Azure AI Foundry, LLM-as-a-judge, ReAct, Dynamic-Factory