Retrieval-augmented generation
Assistenti che rispondono dai vostri documenti, citano le fonti e dicono quando non sanno.
Gorilli sviluppa sistemi RAG (retrieval-augmented generation) per aziende italiane: assistenti e motori di ricerca che rispondono partendo da documenti, manuali e basi di conoscenza aziendali, con le fonti citate in ogni risposta. Curiamo tutta la catena, dall'ingestione dei documenti alla valutazione delle risposte in produzione, e rispettiamo i permessi: ognuno vede solo i documenti a cui ha accesso.
Cosa ottieni
Sviluppo RAG con fondamenta tecniche solide.
- Assistenti per clienti o dipendenti che rispondono da manuali, procedure, contratti e FAQ, con la fonte di ogni risposta
- Ricerca su documenti interni che capisce le domande in linguaggio naturale, anche tra PDF, Word, pagine web e ticket
- Permessi per documento: le risposte usano solo i contenuti che l'utente può già leggere
- Un set di valutazione con domande reali per misurare l'accuratezza prima e dopo ogni modifica
Metodo
- 01
Inventario delle fonti: formati, aggiornamento, duplicati e versioni contraddittorie
- 02
Ingestione e indicizzazione con ricerca ibrida, semantica e per parole chiave, e suddivisione dei documenti adatta al loro contenuto
- 03
Set di valutazione costruito con le domande che le persone fanno davvero, per misurare risposte e fonti
- 04
Rilascio con citazioni, soglia di confidenza, passaggio a una persona e monitoraggio delle risposte senza fonte
Tempistiche
Inventario e preparazione delle fonti
1-2 settimane
Primo assistente su una parte delle fonti
2-4 settimane
Valutazione, permessi e canali
2-6 settimane
Nuove fonti e aggiornamento automatico
Continuo
Casi studio correlati
Perché Gorilli
- Kommander, il nostro prodotto per il customer support, risponde dai documenti aziendali con la fonte di ogni risposta in oltre 15 lingue
- Trattiamo la valutazione come parte del codice: ogni modifica a prompt, modelli o indicizzazione viene misurata
- Integriamo il RAG nei sistemi esistenti tramite API o MCP, non solo come chatbot separato
- Possiamo tenere i dati in Europa e usare provider che non addestrano i modelli sui vostri documenti
Guida: Migliore software house AI in Italia: come sceglierla nel 2026
Confronto
| Opzione | Quando funziona | Rischio principale |
|---|---|---|
| Gorilli (RAG su misura) | Molte fonti eterogenee, permessi per documento, integrazione con sistemi e canali esistenti | Richiede accesso alle fonti e tempo per costruire un set di valutazione con domande reali |
| Chatbot con caricamento di file | Pochi documenti stabili e una sola persona o un piccolo team | Nessun controllo su permessi, aggiornamenti e qualità delle risposte |
| Funzioni AI della suite che usate già (Microsoft 365, Google Workspace) | I documenti vivono già lì e bastano le funzioni standard | Difficile includere fonti esterne alla suite o personalizzare risposte e canali |
| Fine-tuning di un modello | Serve insegnare uno stile o un formato, non conoscenze che cambiano | Costoso da aggiornare e non cita le fonti: inadatto a documenti che cambiano spesso |
Domande frequenti
- Quanto costa sviluppare un sistema RAG?
- Sul mercato, un assistente RAG su una base documentale definita e un canale costa indicativamente fino a circa 20.000 €, come un agente semplice. Con molte fonti, permessi per documento, connettori ai sistemi aziendali e valutazione continua si sale a 20.000-80.000 €. Il primo incontro con Gorilli è gratuito.
- Quanto tempo serve per un sistema RAG in produzione?
- Un primo assistente su una parte delle fonti arriva di solito in 3-6 settimane, inventario incluso. Permessi, nuovi canali e valutazione completa richiedono altre 2-6 settimane, in base a quante fonti e sistemi vanno collegati.
- Che differenza c'è tra RAG e fine-tuning?
- Il RAG recupera le informazioni dai documenti al momento della domanda, quindi resta aggiornato e può citare la fonte. Il fine-tuning modifica il modello: utile per stile e formato, poco adatto a conoscenze che cambiano spesso.
- Come si evita che il sistema inventi risposte?
- Il modello risponde solo dai passaggi recuperati e mostra la fonte; se la confidenza è bassa, lo dice o passa a una persona. Un set di valutazione con domande reali misura quante risposte sono corrette e supportate dalle fonti, prima e dopo ogni modifica.
- Quali documenti si possono usare?
- PDF, Word, pagine web, wiki interne, ticket e FAQ, oltre a dati da CRM o gestionali tramite API. La qualità conta più della quantità: documenti duplicati o contraddittori vanno sistemati prima dell'indicizzazione.
Prossimo passo
Raccontaci cosa vuoi costruire.
Ti aiutiamo a capire scope, rischi tecnici e percorso più rapido per arrivare a un prodotto utilizzabile.