Implementace agentního řešení na bázi LLM pro finance s využitím Microsoft Foundry
Autor(ka) práce:
Pavlíček, Jindřich
Typ práce:
Diplomová práce
Vedoucí práce:
Stanovská, Iva
Oponenti práce:
-
Jazyk práce:
Česky
Abstrakt:
Diplomová práce se zabývá návrhem, implementací a ověřením funkčního prototypu (MVP) konverzačního analytického nástroje DataChat, vyvinutého pro potřeby finančního reportingu v BU Data & AI společnosti Seyfor, a.s. Hlavním cílem je vytvořit nástroj, který dokáže spolehlivě převádět uživatelské dotazy v přirozeném jazyce na SQL dotazy, interpretovat získaná data a podporovat specifické reportovací scénáře. Práce si klade za cíl zodpovědět výzkumnou otázku, jak v podnikovém prostředí navrhnout bezpečné a auditovatelné Text-To-SQL řešení, které minimalizuje riziko halucinací velkých jazykových modelů (LLM) a zajišťuje plnou kontrolu nad datovými výstupy. Z hlediska metodiky text kombinuje rešerši teoretického rámce nasazení umělé inteligence ve financích, analýzu byznysových požadavků, praktickou implementaci a následné experimentální testování spojené s kvantitativní evaluací. Praktická část popisuje vývoj řešení primárně na platformě Microsoft Foundry a jeho migraci do frameworku LangGraph. Hlavním autorským přínosem je end-to-end implementace počáteční multiagentní orchestrace, návrh vizualizační logiky a vývoj automatizovaného reportingu. Výsledkem práce je otestované řešení, které demonstruje reálné možnosti a limity využití agentních systémů v podnikovém finančním controllingu.
Klíčová slova:
Microsoft Foundry; Text-to-SQL; LangGraph; Finanční Controlling; LLM
Název práce:
Implementation of an LLM-Based Agentic Solution for Finance using Microsoft Foundry
Autor(ka) práce:
Pavlíček, Jindřich
Typ práce:
Diploma thesis
Vedoucí práce:
Stanovská, Iva
Oponenti práce:
-
Jazyk práce:
Česky
Abstrakt:
This master's thesis focuses on the design, implementation, and verification of a functional prototype (MVP) of the conversational analytical tool DataChat, developed for the financial reporting needs within the BU Data & AI division at Seyfor, a.s. The main objective is to create a tool capable of reliably translating natural language user queries into SQL queries, interpreting the retrieved data, and supporting specific reporting scenarios. The thesis aims to answer the research question of how to design a secure and auditable Text-To-SQL solution in a corporate environment that minimizes the risk of Large Language Model (LLM) hallucinations and ensures full control over data outputs. In terms of methodology, the text combines a literature review of the theoretical framework for deploying artificial intelligence in finance, an analysis of business requirements, practical implementation, and subsequent experimental testing combined with quantitative evaluation. The practical part describes the development of the solution primarily on the Microsoft Foundry platform and its migration to the LangGraph framework. The author's main contribution is the end-to-end implementation of the initial multi-agent orchestration, the design of visualization logic, and the development of automated reporting. The result of the thesis is a tested solution that demonstrates the real possibilities and limitations of using agentic systems in corporate financial controlling.
Klíčová slova:
LLM; Financial Controlling; Text-to-SQL; Microsoft Foundry; LangGraph
Informace o studiu
Studijní program / obor:
Aplikovaná datová analytika a umělá inteligence/Datová analytika v marketingu a e-commerce