Un assistente che risponde sui tuoi documenti, citando le fonti.

Le informazioni ci sono, ma nessuno le trova in tempo: sono sparse tra PDF, cartelle condivise, ticket, email e gestionali. Un assistente RAG serve quando:

• il supporto clienti risponde ogni giorno alle stesse domande scritte in manuali che nessuno legge;
• chi entra in azienda impiega settimane a capire procedure e documentazione tecnica;
• commerciali e tecnici cercano clausole, prezzi o specifiche in centinaia di documenti;
• vuoi fare domande in linguaggio naturale su dati aziendali ("quanti clienti attivi a marzo?") e avere numeri verificabili.

1. 01Raccolta e pulizia. Documenti e dati vengono estratti, ripuliti e divisi in parti che abbiano senso da sole (non a taglio fisso di caratteri).
2. 02Indicizzazione. Ogni parte diventa un vettore in un database vettoriale, affiancato dalla ricerca per parole chiave: le due ricerche insieme sbagliano molto meno di una sola.
3. 03Recupero e risposta. Per ogni domanda il sistema recupera i passaggi migliori e il modello risponde solo su quelli, con i riferimenti.
4. 04Permessi. Ogni utente vede solo i documenti a cui ha accesso anche fuori dall'assistente.
5. 05Valutazione. Un insieme di domande di prova con risposte attese misura la qualità prima di ogni rilascio, così i miglioramenti si vedono in numeri e non in impressioni.

Si può scegliere tra modelli via API con impegni contrattuali di non addestramento, modelli ospitati in cloud europeo o modelli privati sui tuoi server. La scelta dipende da quanto sono sensibili i dati e da quanto devono costare le risposte. In ogni caso i documenti restano nella tua infrastruttura o in quella che scegli, e il sistema registra chi ha chiesto cosa.

Ho costruito un livello di interrogazione in linguaggio naturale su oltre 2 milioni di documenti distribuiti su decine di indici, con un catalogo di oltre 2.000 campi in un database vettoriale per il RAG. Il caso completo è in Analytics aumentata da IA su scala documentale.

1. 01Discovery. Prima di scrivere codice: interviste, analisi dei dati che hai già, vincoli tecnici e di business messi sul tavolo.
2. 02Architettura. Schema dei dati, confini dei componenti e punti di rottura decisi su carta, quando cambiarli costa un'ora e non un mese.
3. 03Sviluppo. Iterazioni brevi con demo funzionanti invece di un'unica consegna finale. L'AI accelera dove ha senso, ma non sostituisce revisione e test.
4. 04Consegna e crescita. Documentazione, procedure operative e un sistema che il tuo team può gestire senza dipendere da me. Nessun vincolo di fornitore.

Ogni progetto ha un prezzo definito dopo una call di analisi: la stessa parola, "chatbot" o "agente", può voler dire un prototipo di due settimane o un sistema in produzione per migliaia di utenti. Cosa sposta il prezzo:

• quantità e formato dei documenti (PDF scansionati, tabelle e immagini richiedono più lavoro);
• numero di fonti da collegare e se devono aggiornarsi in tempo reale;
• requisiti di permessi e di registrazione delle attività;
• dove deve girare il modello: API, cloud europeo o server tuoi;
• volume di domande previsto, che determina il costo di utilizzo mensile.

La prima call è gratuita e finisce con una risposta chiara: se il progetto ha senso, quanto è grande, da cosa partire. Per un ordine di grandezza del mercato c'è la guida Quanto costa un chatbot AI aziendale.