Sintesi attraverso la simulazione: generare dati aziendali coerenti mediante interazioni scalabili tra agenti e sistemi

Abstract degli autori

Gli agenti che invocano strumenti sono diventati centrali nell’IA aziendale, ma il loro addestramento e la loro valutazione su larga scala restano fortemente limitati dalle restrizioni commerciali e legali che riguardano i sistemi aziendali, i dati e gli schemi dei database. La sintesi di dati tabulari offre una naturale alternativa, ma la sua efficacia è fondamentalmente limitata dalla validità strutturale e dalla disponibilità degli schemi. Gli approcci basati su procedure presentano invece il limite opposto: in genere non riescono a riprodurre fedelmente le distribuzioni senza una progettazione specifica per ogni dominio. Presentiamo **Synthesis Through Simulation** (STS), un paradigma di sintesi dei dati **senza schemi** in cui un agente basato su un LLM genera dati eseguendo operazioni tramite API che applicano le regole all’interno di ambienti aziendali simulati. Poiché i dati vengono generati attraverso lo stesso ambiente che ne definisce la validità, STS garantisce per costruzione la validità strutturale, separando la verifica della validità dalla modellazione delle distribuzioni e consentendo di affrontarle in modo indipendente. Il **Generalist Populator** (GP), l’agente di STS indipendente dal dominio, affronta le sfide rimanenti della fedeltà alle distribuzioni e della scalabilità della sintesi: GP raggiunge una **fedeltà marginale media di 0,88** e il **rispetto del 100\% dei vincoli** in tutti e dieci gli ambienti *senza accesso agli schemi dei database*. I sistemi di sintesi statistica, invece, non sono applicabili a sette ambienti per la necessità di dati iniziali, mentre gli agenti con accesso privilegiato agli schemi falliscono nell’82\% delle traiettorie nei flussi di lavoro strettamente interconnessi dell’ambiente delle compagnie aeree, a causa della fragile composizione dei compiti. Rendiamo open source l’intero framework, tutti e dieci gli ambienti e i dataset generati all’indirizzo https://github.com/SAP/synthesis-through-simulation.