RAG spiegato a un titolare d'azienda (senza tecnichese)

Se hai provato ChatGPT ti sarà capitato: gli chiedi una cosa che riguarda la tua azienda e lui risponde sicuro, convinto, e sbagliato. Ti inventa un prezzo, una procedura, una clausola che nel tuo contratto non esiste. E allora concludi che "l'AI non è affidabile" e chiudi lì.

In realtà quel problema ha un nome e ha anche un rimedio. Il rimedio si chiama RAG, che sta per retrieval augmented generation. Il nome è brutto, l'idea è semplice. Te la spiego come la spiego ai miei clienti, senza tecnichese.

L'archivista che legge prima di rispondere

Immagina di assumere una persona brillante: veloce, scrive bene, ha letto una quantità enorme di libri. Il primo giorno la metti a rispondere alle domande dei clienti. Problema: dei tuoi listini, dei tuoi contratti, delle tue procedure non sa niente. Se un cliente le chiede "quanto costa la manutenzione annuale?", lei non ammette di non saperlo. Improvvisa una risposta plausibile. Ecco, quello è un chatbot generico.

Il RAG è come affiancarle un archivista. Ogni volta che arriva una domanda, prima di aprire bocca l'archivista va in archivio, tira fuori i fascicoli giusti — il listino aggiornato, la procedura, il contratto — e glieli mette sul tavolo. Solo a quel punto lei risponde, basandosi su quello che ha appena letto, e può anche dirti da quale documento arriva l'informazione.

Retrieval augmented generation vuol dire esattamente questo: prima recupero i documenti, poi genero la risposta.

Perché i chatbot "normali" si inventano le cose

Un modello di linguaggio, sotto il cofano, fa una cosa sola: produce il testo più plausibile dato quello che ha letto durante l'addestramento. Non consulta i tuoi documenti, perché non li ha mai visti. Quando gli chiedi qualcosa che non sa, non mente per cattiveria: riempie il buco con qualcosa di verosimile. In gergo si chiamano "allucinazioni", e per un uso aziendale sono veleno, perché la risposta sbagliata arriva con lo stesso tono sicuro di quella giusta.

Con il RAG il gioco cambia in due punti:

• la risposta deve appoggiarsi sui documenti recuperati, non sulla memoria generica del modello;
• se in archivio non c'è niente di pertinente, il sistema può dire "non lo so" invece di inventare.

E c'è un terzo vantaggio che ai titolari piace molto: la risposta può citare la fonte. Se il sistema dice che la garanzia dura 24 mesi, ti indica anche il documento e il punto da cui l'ha preso. Puoi verificare, cosa che con un chatbot generico non puoi fare.

Come funziona in pratica (versione da bar)

Senza entrare nei dettagli tecnici, i passaggi sono questi:

1. Si prendono i tuoi documenti — manuali, procedure, contratti, listini, FAQ — e si spezzano in pezzi maneggevoli.
2. Si costruisce un indice, tipo lo schedario dell'archivista, che permette di trovare i pezzi pertinenti a una domanda anche se le parole non coincidono alla lettera.
3. Quando arriva una domanda, il sistema pesca i pezzi più attinenti e li passa al modello insieme alla domanda.
4. Il modello scrive la risposta usando quei pezzi, e indica da dove arrivano.

Tutto qui. La parte difficile, in un progetto vero, non è la teoria: è fare in modo che l'archivio sia in ordine e che il sistema peschi i fascicoli giusti anche quando la domanda è fatta male.

Quando ti serve davvero (e quando no)

Il RAG ha senso quando in azienda c'è conoscenza scritta che la gente fatica a trovare. Casi tipici:

• assistenza clienti che risponde sempre alle stesse venti domande sepolte in manuali e PDF;
• personale nuovo che per i primi mesi interrompe i colleghi per ogni procedura;
• ufficio tecnico o commerciale che perde tempo a cercare la versione giusta di un documento;
• normative interne, capitolati, contratti lunghi da consultare al volo.

E quando invece non serve? Te lo dico schietto:

• se i tuoi documenti sono un disastro — vecchi, contraddittori, mai aggiornati — il RAG risponderà con precisione basandosi su informazioni sbagliate. Prima si sistema l'archivio, poi si mette l'archivista;
• se le domande sono poche e la risposta sta in una pagina, basta una pagina scritta bene;
• se la conoscenza sta tutta nella testa di due persone e non è mai stata scritta, il lavoro da fare prima è scriverla.

Da dove partire senza svenarti

Il modo giusto per iniziare non è "mettiamo l'AI su tutto". È scegliere un perimetro piccolo: un tipo di documento, un gruppo di utenti, domande vere raccolte per un paio di settimane. Si costruisce, si prova con domande reali, si contano le risposte giuste e quelle sbagliate, e solo se i conti tornano si allarga.

Un'ultima cosa, la più trascurata: l'archivio va mantenuto. Se cambi il listino e nessuno aggiorna i documenti, l'archivista continuerà a leggere quello vecchio. Un sistema RAG non è un soprammobile: è uno strumento che funziona finché qualcuno se ne prende cura.

Se ti stai chiedendo se i documenti della tua azienda si prestano a un progetto del genere, mezz'ora di chiamata basta per dirtelo con onestà, anche se la risposta fosse "lascia perdere". Prenotala dal sito quando vuoi.