Nelle grandi organizzazioni, una richiesta di analisi ad hoc può attraversare più funzioni prima di trasformarsi in un report. Manager, controller e business user dipendono spesso dai team IT o di Business Intelligence per estrazioni, cruscotti e rielaborazioni specifiche. La latenza che ne deriva rallenta il processo decisionale e concentra sui tecnici attività ripetitive.
Qintesi ha affrontato questo collo di bottiglia per un suo cliente con AI Multi-Agent Data Analyst, una soluzione self-service che permette di interrogare basi dati strutturate in linguaggio naturale. Il sistema restituisce risposte testuali e produce anche tabelle, grafici, file Excel e presentazioni PowerPoint già impaginate.
Indice degli argomenti
Cinque agenti specializzati per un unico flusso analitico
La soluzione poggia sull’ecosistema SAP Business Technology Platform e utilizza un backend Python basato su LangGraph. Il Supervisor Agent interpreta l’intento e sceglie il flusso; l’SQL Agent converte la domanda in una query verso database come SAP HANA Cloud e, davanti a grandi volumi, genera un Excel preformattato.
Il Chart Agent produce script Python tramite Matplotlib per visualizzare i dati. Il PPTX Agent inserisce dati, grafici e sintesi nei template aziendali. Infine, il Synthesis Agent combina gli output tecnici in una spiegazione narrativa comprensibile.
Autocorrezione, accessi e protezione dei dati
Il workflow è progettato per gestire anche gli errori. Se una query non è corretta, il Supervisor intercetta la risposta del database e attiva autonomamente un ciclo di autocorrezione, senza esporre l’anomalia all’utente.
Gli LLM sono richiamati esclusivamente tramite SAP Generative AI Hub, con policy di zero-data retention. Il frontend SAP UI5 mantiene un’esperienza coerente con l’ambiente SAP, mentre SAP XSUAA governa autenticazione e autorizzazioni: ogni utente può elaborare e visualizzare soltanto i dati per i quali dispone dei permessi.
Analisi da ore a pochi secondi
In base a quanto comunicato, attività che prima richiedevano ore e il coinvolgimento di più funzioni vengono completate in pochi secondi. L’interfaccia conversazionale elimina la necessità di conoscere SQL o imparare strumenti complessi di BI, mentre Excel, grafici e slide sono forniti pronti all’uso.
Il carico organizzativo cambia insieme ai tempi: il business acquisisce autonomia e i team tecnici possono concentrarsi sulla governance anziché sulle richieste ricorrenti di data extraction.
Un framework replicabile sui dati strutturati
L’architettura non è vincolata a uno specifico dominio. Collegando lo schema del database target, il modello può essere applicato a Finance, HR, Procurement o Produzione. La soluzione è inoltre predisposta per essere esposta come skill personalizzata in SAP Joule, facendo del copilota SAP un punto di accesso all’intelligenza sui dati.
Il progetto è entrato nella rosa dei finalisti per i Digital360 Awards nella categoria “AI – Strategic Data Intelligence”.
Partecipa alla community