AI e documenti
ARIA · KPMG
AML RAG Intelligence Auditor: sistema AI sviluppato durante lo stage in KPMG Italia per supportare l’analisi documentale dei controlli antiriciclaggio, con evidenze e riferimenti alle fonti.
Ruolo
Progettazione e sviluppo
Anno
2026
Contesto
Stage in KPMG Italia · Tesi H-FARM
-
Il contesto
Durante lo stage in KPMG Italia ho lavorato sull’analisi documentale a supporto dei controlli antiriciclaggio. Ogni requisito deve essere collegato a un’evidenza: un passaggio di un documento, una fonte e un riferimento di pagina che un professionista possa verificare.
-
Il problema
La difficoltà non consiste soltanto nel trovare parole simili a quelle del controllo. Occorre distinguere una citazione pertinente da una prova sufficiente, leggere requisiti composti e mantenere tracciabile il percorso che porta alla valutazione.
-
Il sistema
ARIA — AML RAG Intelligence Auditor — combina ricerca semantica, ragionamento di modelli linguistici e logiche strutturate. La pipeline recupera i passaggi documentali pertinenti, li collega ai requisiti e organizza classificazione, motivazione, estratto e riferimento di pagina in un output utilizzabile nella revisione.
-
Le scelte
Ho lavorato sulla ricerca con espansione delle query e sulla scomposizione dei requisiti composti. Il risultato non è una risposta libera: deve permettere di risalire al documento e di controllare la motivazione. La revisione del professionista resta parte del processo.
-
L’esperienza
Il sistema è stato sviluppato e testato nel contesto dello stage ed è diventato il tema della tesi ARIA. Il progetto racconta il mio lavoro su un’AI legata a evidenze e processi reali. Nel portfolio ne descrivo l’approccio senza mostrare documenti, dati o casi dei clienti.
Stack
Python · RAG · LLM · Semantic Retrieval · Document Intelligence