RAG

Cos’è RAG?

RAG (Retrieval-Augmented Generation) è un pattern architetturale che combina un Large Language Model (LLM) con la ricerca dinamica nei documenti e nei dati aziendali. Invece di rispondere solo da ciò che ha appreso durante l’addestramento (il che porta ad “allucinazioni” e informazioni non aggiornate), RAG prima trova i passaggi rilevanti nei documenti interni e poi li invia al modello come contesto per generare la risposta.

Architettura tecnica RAG:

1. Indicizzazione — i documenti vengono suddivisi in chunk più piccoli (tipicamente 200-500 parole)
2. Vettorizzazione (embeddings) — ogni chunk viene convertito in un vettore numerico
3. Archiviazione — i vettori vengono memorizzati in un database vettoriale (Pinecone, Qdrant, pgvector)
4. Query — anche la domanda dell’utente viene convertita in vettore
5. Retrieval — vengono trovati i top-K chunk più simili
6. Generation — l’LLM genera la risposta con il contesto dei chunk trovati

Nel contesto B2B italiano, RAG risolve problemi come “dove abbiamo la policy sui rimborsi spese?” o “quali prezzi abbiamo fatturato all’azienda XYZ negli ultimi 3 anni?” — la risposta nasce direttamente dai documenti aziendali, con citazione della fonte.

Quando si utilizza

RAG è la tecnologia chiave per:

• Chatbot aziendali che rispondono da documenti interni
• Ricerca semantica in contratti, policy, wiki
• Automazione del supporto — il primo livello risponde in base alla knowledge base
• Analisi di grandi archivi (audit GDPR di diritto alla cancellazione)

Vedi il modulo File, il modulo Contratti.

Termini correlati

• AI Agent — l’agente spesso usa RAG come uno dei suoi strumenti. Vedi /it/glossario/ai-agent.
• MCP — protocollo per connettere il sistema RAG all’agente. Vedi /it/glossario/mcp.
• OCR — i documenti scansionati devono essere elaborati con OCR prima dell’indicizzazione RAG. Vedi /it/glossario/ocr.

In Modulario

Modulario utilizza RAG sui documenti nel modulo File e Contratti — chi ha bisogno di una risposta pone la domanda in linguaggio naturale e il sistema risponde con riferimenti ai documenti specifici. L’indicizzazione avviene automaticamente dopo il caricamento del file.

L’infrastruttura RAG interna di Modulario garantisce che i dati del cliente non vengano mai utilizzati per addestrare i modelli né escano dall’infrastruttura UE. Il cliente vede da quali documenti l’AI ha attinto le informazioni e può limitare le fonti tramite RBAC o ReBAC.