La RAG fa rispondere un modello di linguaggio con i documenti della tua azienda, citando documento e pagina. Qui spieghiamo quando conviene, cosa chiedere a una soluzione e da dove partire.
RAG sta per Retrieval Augmented Generation, generazione aumentata dal recupero. Collega un modello di linguaggio alla knowledge base dell’azienda: il modello risponde partendo da documenti e dati interni e indica le fonti. Le risposte inventate si riducono e i dati restano sotto il tuo controllo.
Estrazione e indicizzazione
PDF, immagini, Word, Excel, PowerPoint e pagine web diventano testo diviso in parti più piccole, indicizzate con il riferimento alla pagina di origine.
Parole e significato
Una ricerca ibrida, lessicale e semantica, trova i passaggi pertinenti anche quando la domanda usa parole diverse da quelle del documento.
Una risposta dal contesto recuperato
Il modello scrive la risposta solo con i passaggi trovati e cita documento e pagina, con il link all’originale.
Un limite dichiarato
Se nei documenti l’informazione non c’è, il sistema lo dice e indirizza al referente.
Quando la risposta esiste già, scritta da qualche parte nei documenti dell’azienda.
Manuali, schede tecniche e procedure contengono già le risposte. Chi lavora al banco, in cantiere o al telefono non ha il tempo di cercarle.
Chi legge deve poter controllare. La RAG cita documento e pagina e apre l’originale con un clic.
Pagine e documenti si indicizzano di nuovo quando cambiano, e le risposte seguono la versione aggiornata.
Studenti, clienti o cittadini chiedono in linguaggio naturale sul sito pubblico, e la risposta arriva dai contenuti ufficiali.
Un modello sa scrivere e ragionare, ma non conosce i manuali, le procedure e i contratti della tua azienda. Su quei temi risponde con quello che ha imparato altrove, e una risposta inventata può sembrare vera.
Intanto ogni reparto prova il suo strumento AI: dati che escono senza regole e costi che nessuno vede.
La RAG dà al modello i documenti giusti per ogni domanda, dentro le regole che decide l’azienda.
Prima di scegliere, chiedi di vedere questi punti su un sistema già in uso. Valgono anche per noi.
Ogni business unit decide cosa entra nella propria knowledge base e chi può accedere. La ricerca restituisce solo i contenuti che chi chiede può vedere.
Ogni risposta indica documento e pagina, con il link all’originale. Se l’informazione non c’è, il sistema lo dice e indirizza al referente.
Un solo proxy verso i fornitori di modelli: il modello si sceglie per caso d’uso, per esempio Gemini, Claude, OpenAI o Mistral, e si cambia da interfaccia.
Servizi e inferenza in regioni dell’Unione Europea, dati personali mascherati nei log, ruoli GDPR scritti nel contratto.
Componenti open source, codice e configurazione versionati, infrastruttura come codice: il sistema resta tuo anche se cambi fornitore.
Richieste, token e costo visibili per business unit, con un budget giornaliero, settimanale o mensile e un avviso automatico all'80%.
Casi di prova presi dalle domande reali, con soglie concordate, eseguiti prima di ogni rilascio. Le domande senza risposta dicono quali documenti mancano.
Una knowledge base per business unit, con un assistente AI che risponde dai documenti interni e cita la fonte. Gli stessi componenti fanno girare il chatbot con guardrail e la ricerca conversazionale della Luiss.
Una soluzione per i documenti interni, una per la ricerca sul sito, e i servizi che le costruiscono e le gestiscono.
Le persone chiedono in linguaggio naturale e ricevono risposte dai documenti dell’azienda, con la fonte citata. Ogni business unit ha le sue regole e il suo budget.
Chi cerca scrive una domanda e trova il passaggio della pagina che contiene la risposta, anche quando usa parole diverse da quelle del sito.
Progettiamo RAG, agenti e guardrail e li colleghiamo ai tuoi documenti e alle tue applicazioni. Si parte da un workshop e da un prototipo sui tuoi dati, con le misure concordate prima.
Gestiamo assistenti e agenti AI dopo il rilascio: ognuno ha una persona che ne risponde, è valutato prima di ogni rilascio e lascia un registro pronto per l’audit.
RAG, documenti, modelli, dati e costi.
La RAG (Retrieval Augmented Generation) collega un modello di linguaggio alla knowledge base dell’azienda. Il modello risponde partendo da documenti e dati interni, indica le fonti e riduce le risposte inventate, mentre i dati restano sotto il tuo controllo. Serve per assistenti interni, supporto clienti e knowledge management.
In due tempi. Prima il sistema estrae e indicizza i documenti, e a ogni domanda recupera i passaggi pertinenti con una ricerca per parole e per significato. Poi il modello costruisce la risposta solo con quel contesto e cita documento e pagina.
Un chatbot è un’interfaccia. La RAG è il modo in cui il sistema dietro trova le informazioni nei tuoi documenti e risponde da lì. Nell’AI Knowledge Platform l’assistente è uno dei modi di usare la knowledge base, con governo dei modelli, budget, guardrail, metriche e log.
La ricerca semantica trova il contenuto giusto per significato e restituisce il passaggio che risponde, con il link alla pagina. La RAG usa quella ricerca per recuperare il contesto, poi un modello scrive la risposta e cita la fonte.
Il modello risponde solo con il contesto recuperato dai contenuti indicizzati, citando documento e pagina. Se l’informazione non c’è, restituisce una risposta di cortesia che indirizza al referente corretto. I guardrail filtrano contenuti dannosi e manipolazioni.
PDF, immagini, documenti Word, fogli Excel, presentazioni PowerPoint e pagine web. L’estrazione si ottimizza sui template di documento più usati, e ogni team carica i propri documenti in autonomia.
Quello giusto per il caso d’uso, per esempio Gemini, Claude, OpenAI, Mistral o modelli ospitati. Con un proxy unico verso i fornitori, ogni business unit può avere il suo modello e cambiarlo da interfaccia.
Nell’AI Knowledge Platform servizi e inferenza restano in regioni dell’Unione Europea, in coerenza con l’AI Act, e i dati personali sono mascherati nei log. Il cliente resta titolare del trattamento, SparkFabrik è responsabile del trattamento ai sensi del GDPR.
Un agente può usare la RAG come strumento: decide se interrogare la knowledge base, recupera il contesto e costruisce la risposta. Per agire su altri sistemi si collega con server MCP, con permessi e tracciamento: lo spieghiamo in Soluzioni AI per aziende: agenti e MCP.
Per l’AI Knowledge Platform non pubblichiamo un listino. L’offerta separa sempre tre voci: la realizzazione una tantum, il canone di gestione e il costo del modello a consumo, con un budget per business unit.
Da un caso d’uso su un perimetro chiaro: un reparto, i suoi documenti e le domande che riceve più spesso. Poi la piattaforma cresce, reparto dopo reparto, con le stesse regole.
Portaci una manciata di documenti veri e le domande che ricevi più spesso: ti mostriamo come risponde, con quali fonti, e cosa dice quando non sa.
Prenota una demoCasi, articoli, talk e guide sullo stesso tema.
Raccontaci quali reparti, quali documenti e quali vincoli avete. Ti diciamo da quale caso d’uso partiremmo.
Scrivici del tuo progettoServizi
Risorse
