RAG spiegato semplice: dai tuoi PDF a un assistente che risponde

Guide
IA

Hai una cartella piena di PDF: manuali, listini, contratti, procedure interne. Le risposte ci sono tutte, ma per trovarle bisogna sapere dove cercare, o chiedere alla persona che “se le ricorda”. Un sistema RAG serve a questo: permette di fare una domanda in italiano normale e ricevere una risposta presa dai tuoi documenti, con l’indicazione della pagina da cui arriva.

In questo articolo spieghiamo cos’è, quando ha senso per una piccola o media impresa, come funziona su un esempio concreto e quali sono i limiti e i costi reali.

Cos’è un RAG, senza gergo

RAG sta per Retrieval-Augmented Generation, cioè “generazione aiutata dalla ricerca”. Il nome è complicato, l’idea no.

Un modello linguistico come GPT o Claude sa scrivere molto bene, ma non conosce i tuoi documenti: non ha mai letto il tuo listino 2026 né il regolamento interno del magazzino. Se gli chiedi qualcosa su di loro, nel migliore dei casi ti dice che non lo sa, nel peggiore inventa una risposta plausibile.

Un RAG risolve il problema in due tempi:

Cerca. Quando fai una domanda, il sistema trova nei tuoi documenti i pochi passaggi che parlano di quell’argomento.
Risponde. Passa al modello solo quei passaggi, con un’istruzione semplice: “rispondi usando questo testo, e se qui la risposta non c’è, dillo”.

È come dare a un collaboratore molto veloce le pagine giuste del manuale prima di fargli la domanda, invece di sperare che lo sappia a memoria.

Come funziona dietro le quinte

Senza entrare nel tecnico, i passaggi sono tre.

Preparazione dei documenti. I file vengono letti e divisi in brani brevi, di qualche paragrafo ciascuno. Ogni brano viene trasformato in una sorta di “impronta del significato” (si chiama embedding) e salvato in un archivio apposito, il database vettoriale. Questo si fa una volta, e poi ogni volta che un documento cambia.

Ricerca per significato. Quando arriva una domanda, anche lei diventa un’impronta, e il sistema cerca i brani più vicini. La differenza con la ricerca classica è che funziona sul senso, non sulle parole esatte: se chiedi “quanto tempo ho per restituire un prodotto?” trova anche il paragrafo che parla di “diritto di recesso entro 14 giorni”.

Risposta con le fonti. Il modello scrive la risposta usando solo i brani trovati, e indica da quale documento e da quale pagina arrivano. Chi legge può sempre aprire la fonte e controllare.

Quando serve a una PMI

Un RAG conviene quando si verificano insieme queste condizioni:

Le informazioni sono scritte da qualche parte, ma sparse in molti documenti o in documenti lunghi.
Le stesse domande tornano spesso, da parte di clienti, colleghi nuovi o rete vendita.
Sbagliare la risposta costa, quindi serve sapere da dove arriva.

Alcuni casi tipici:

Assistenza clienti su manuali tecnici, schede prodotto, condizioni di garanzia.
Onboarding interno: procedure, regolamenti, istruzioni operative che oggi passano a voce.
Rete commerciale che deve rispondere su listini, cataloghi e disponibilità senza chiamare l’ufficio.
Uffici che lavorano su contratti e normative, dove trovare la clausola giusta in fretta fa risparmiare ore.

Quando invece non serve: se i documenti sono pochi e brevi, basta un buon indice o una pagina FAQ. Se le risposte dipendono da dati che cambiano ogni minuto (giacenze, stato degli ordini), serve un collegamento diretto al gestionale, non un archivio di documenti. E se le informazioni non sono scritte da nessuna parte, prima bisogna scriverle.

Un esempio concreto

Prendiamo un’azienda che produce e installa serramenti. Ha un catalogo di 200 pagine, le schede tecniche dei profili, le istruzioni di posa e le condizioni di garanzia. I tecnici in cantiere chiamano l’ufficio più volte al giorno per domande come “che distanza minima serve tra il telaio e il muro per questo profilo?” o “la garanzia copre la condensa sul vetro?”.

Con un RAG:

Si caricano catalogo, schede, istruzioni e garanzie nel sistema.
Il tecnico scrive la domanda dal telefono, in una chat interna.
Riceve una risposta di poche righe, con il riferimento: “Scheda tecnica profilo X, pagina 12”.
Se la risposta non è nei documenti, l’assistente lo dice chiaramente e suggerisce di contattare l’ufficio.

L’ufficio tecnico non sparisce: smette di rispondere alle domande la cui risposta è già scritta, e si concentra su quelle che richiedono davvero una persona.

I limiti, detti chiaramente

Un RAG non è magia, e conviene saperlo prima.

Risponde bene quanto sono buoni i documenti. Se il manuale è vecchio o contraddittorio, la risposta lo sarà. Spesso il primo beneficio del progetto è proprio scoprire quali documenti vanno aggiornati.
I PDF difficili vanno trattati a parte. Scansioni, tabelle complesse e disegni tecnici richiedono un lavoro di preparazione in più, a volte manuale.
Può ancora sbagliare. Meno di un modello lasciato a sé stesso, e con la fonte sempre visibile, ma l’errore zero non esiste. Per questo le citazioni non sono un dettaglio: sono il modo in cui le persone si fidano del sistema.
Va mantenuto. Quando arriva il listino nuovo, va caricato e quello vecchio tolto. Si può automatizzare, ma qualcuno deve averne la responsabilità.
I dati riservati vanno protetti. Bisogna decidere chi può vedere cosa, e dove vengono elaborati i documenti. Con i fornitori giusti i dati restano in Europa e non vengono usati per addestrare i modelli, ma è una scelta da fare in modo esplicito, non da dare per scontata.

Quanto costa

I costi di un RAG si dividono in due parti.

La realizzazione è la voce principale: analisi dei documenti, preparazione dei testi, configurazione della ricerca, interfaccia (una chat sul sito, uno strumento interno, un’integrazione con il gestionale) e soprattutto le prove su domande reali, finché le risposte non sono affidabili. Dipende molto da quanti documenti ci sono, da quanto sono “puliti” e da dove deve vivere l’assistente.

L’uso quotidiano è di solito la parte più leggera: il costo del modello linguistico si paga a consumo, in base a quante domande arrivano, e per i volumi di una piccola impresa resta in genere contenuto. A questo si aggiunge l’hosting del database e della chat.

Il modo più sensato per partire è un progetto pilota su un solo insieme di documenti e un gruppo ristretto di persone: in poche settimane si capisce se il sistema risponde bene e quanto tempo fa risparmiare, prima di estenderlo al resto dell’azienda.

Da dove cominciare

Se ti sei riconosciuto in uno dei casi sopra, il primo passo è semplice: raccogliere le dieci domande che ti fanno più spesso e i documenti dove sono scritte le risposte. Con quel materiale si capisce in fretta se un RAG fa al caso tuo.

Sulla pagina Applicativi IA trovi gli altri strumenti che sviluppiamo, dai chatbot agli agenti, e puoi provare una demo. Se vuoi parlarne sul tuo caso, scrivici: avrai un unico referente che segue il progetto dall’inizio alla fine, con il team al lavoro dietro le quinte.