Dati · AI · Diritto · Etica

Il magazine per chi decide

RAG in 3 minuti: perché dare documenti a un chatbot non significa addestrarlo

RAG spiegato rapidamente: come un assistente AI usa documenti aziendali senza necessariamente addestrare il modello su quei contenuti.

di

·

·

1–2 minuti
Scaffali di una biblioteca pieni di libri, come le fonti che un sistema RAG consulta prima di rispondere

Quando un assistente AI risponde usando manuali, procedure o documenti aziendali, si sente spesso dire che è stato “addestrato sui nostri dati”. Nella maggior parte dei progetti basati su RAG, però, non è ciò che accade.

RAG significa recuperare prima di generare

RAG è l’acronimo di Retrieval-Augmented Generation. L’idea è semplice: prima di chiedere al modello di formulare una risposta, il sistema cerca nelle fonti autorizzate i contenuti più pertinenti alla domanda. Quei contenuti vengono poi forniti al modello come contesto.

Il percorso in cinque passaggi

  1. L’utente pone una domanda.
  2. Il sistema cerca informazioni pertinenti nei repository disponibili.
  3. Seleziona documenti o frammenti rilevanti.
  4. Li inserisce nel contesto inviato al modello.
  5. Il modello genera la risposta sulla base della domanda e del materiale recuperato.

Domanda → Ricerca → Contenuti rilevanti → LLM → Risposta

Perché non è training

Nel training vengono modificati i parametri interni di un modello attraverso un processo di apprendimento. Nel RAG, invece, i documenti vengono recuperati quando servono e inseriti temporaneamente nel contesto. Il modello di base può rimanere invariato.

Perché interessa alle aziende

Questo approccio consente di aggiornare le fonti senza riaddestrare continuamente il modello e permette di applicare controlli di accesso ai contenuti. Ma non elimina il problema della qualità: se la ricerca recupera documenti obsoleti o sbagliati, anche la risposta può esserlo.

In breve

Dare documenti a un chatbot non significa necessariamente insegnarglieli. Con il RAG, il sistema li consulta al momento giusto. È una differenza tecnica che ha conseguenze importanti su aggiornamento, governance, sicurezza e qualità delle risposte.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *