AI per knowledge base aziendale: smetti di cercare informazioni

"Chiedilo a chi c'è da più tempo" è la risposta che si sente in quasi ogni PMI quando manca una procedura scritta. Funziona finché quella persona è in ufficio, non è in ferie ed è ancora in azienda: appena manca anche solo per un giorno, la conoscenza diventa irraggiungibile, anche se esiste già da qualche parte dentro un file che nessuno ritrova.

Una knowledge base aziendale con AI prende i documenti che hai già, nelle forme in cui esistono, e li rende interrogabili facendo una domanda in linguaggio normale, invece di sapere in quale cartella cercare. Non serve un wiki da riscrivere né cambiare le abitudini di chi archivia i file: il sistema legge quello che c'è.

Ricerca aziendale con l'AI: come trova la risposta dentro i tuoi documenti

Il principio è semplice: invece di cercare un file, fai una domanda. La tecnica alla base si chiama RAG, Retrieval-Augmented Generation, spiegata nel dettaglio in RAG: cos'è; qui interessa il meccanismo in tre passaggi. Mostrare un documento non basta a dimostrare che confermi ogni frase: verifica delle citazioni con JEV distingue il supporto della fonte dalla sola presenza di un collegamento.

1. I documenti vengono spezzati in frammenti e convertiti in rappresentazioni numeriche che catturano il significato, non solo le parole usate.
2. Quando arriva una domanda, il sistema recupera i frammenti più pertinenti a quella domanda specifica.
3. Un modello linguistico genera la risposta basandosi solo su quei frammenti, citando il documento di origine.

Il vantaggio rispetto a una ricerca per parole chiave è che funziona anche quando la domanda non usa i termini esatti del documento: chi chiede "qual è la procedura di reso per i negozi" viene collegato a un documento che parla di "gestione dei resi canale retail", anche se le parole non coincidono. Il vantaggio rispetto a incollare tutto in una chat generica è che il sistema scala su centinaia di file senza doverli ricaricare ogni volta, e indica sempre da quale documento arriva la risposta.

Questo meccanismo è diverso da quello usato per leggere un singolo documento al volo, descritto in AI per analizzare documenti aziendali: lì si lavora su un file alla volta, qui il sistema deve scegliere i frammenti giusti dentro un intero archivio, il che richiede l'indicizzazione preventiva descritta sopra.

Se l’archivio include immagini, audio o altri media, EmbeddingGemma 2 è un nuovo candidato per rappresentarli nella ricerca. La prova deve confrontare le fonti recuperate e mantenere i permessi del documento originale.

Per team che usano Jira e Confluence, le novità di Rovo con OpenAI riguardano l’uso del contesto di lavoro. La scelta va verificata sulle fonti e sui permessi già presenti nell’ambiente Atlassian, distinguendo funzioni disponibili e sviluppi annunciati.

Cosa puoi collegare, e cosa conviene lasciare fuori

Qualsiasi documento con testo utile può entrare, ma non tutto ha lo stesso valore.

La qualità delle risposte dipende dalla qualità di ciò che entra. Un manuale scritto bene produce risposte precise. Dieci versioni dello stesso documento con informazioni diverse producono confusione nell'AI esattamente come la producono oggi tra i colleghi.

Le email e le chat meritano una nota a parte, perché sono spesso la fonte più tentante e la meno adatta a entrare così come sono. Un thread di email contiene la decisione finale ma anche i ripensamenti intermedi, e senza un lavoro di selezione il sistema può recuperare un passaggio superato spacciandolo per la versione buona. Conviene estrarre la conclusione in un documento breve e stabile, e lasciare il thread originale fuori dall'indice.

I passaggi per costruirla senza sprecare lavoro sui documenti sbagliati

1. Mappa cosa esiste davvero. Dove vivono i documenti oggi, in che formato, chi li aggiorna: senza questo passaggio non sai cosa indicizzare.
2. Seleziona e pulisci prima di caricare. Risolvi versioni duplicate e informazioni contrastanti prima, non dopo: meglio pochi documenti curati che un archivio disomogeneo.
3. Scegli un'architettura proporzionata. Uno strumento pronto all'uso per iniziare senza competenze tecniche interne, una soluzione configurabile se servono integrazioni specifiche o requisiti di riservatezza stringenti.
4. Testa con domande reali, non generiche, prima del lancio: se le risposte sono imprecise, il problema è quasi sempre nel documento sorgente, non nel sistema.
5. Collegala dove il team lavora già: uno strumento che richiede di aprire un'applicazione separata viene usato molto meno di uno integrato nella chat o nel gestionale di tutti i giorni.

Per un archivio SharePoint, il proof of concept Foundry IQ con metadati e Azure AI Search illustra come migliorare il recupero delle fonti. Nel passaggio a un indice personalizzato, metadati e autorizzazioni devono essere propagati e verificati esplicitamente.

Verificare accessi e revoche nelle risposte

Una ricerca utile deve recuperare contenuti consentiti per quella persona. La guida knowledge base AI e permessi approfondisce identità, copie nell’indice, citazioni e cache. Propone test con ruoli diversi e accessi revocati, distinguendo la pertinenza dei documenti dalla loro autorizzazione e il comportamento dei prodotti dalla configurazione di un sistema custom.

Dove restano davvero i tuoi documenti

È la domanda giusta da fare prima di scegliere qualunque strumento, e la risposta dipende interamente dall'architettura.

Con un'infrastruttura interamente interna i documenti non escono mai dall'azienda, al costo di più manutenzione tecnica da gestire. Con strumenti che passano attraverso le API di un fornitore, i documenti transitano ma, con i giusti accordi contrattuali, non dovrebbero essere usati per addestrare modelli di terzi: è un punto da chiedere esplicitamente, non da dare per scontato. L'articolo AI e privacy aziendale approfondisce come verificarlo.

Nella pratica, la domanda da fare a un fornitore prima di firmare non è "dove sono i vostri server", ma "posso vedere il contratto che regola come trattate i miei documenti". Un fornitore serio ce l'ha già pronto e non ha difficoltà a mostrarlo prima della firma: se la risposta è vaga, è un segnale da prendere sul serio quanto una funzione tecnica mancante.

C'è anche un motivo di qualità, oltre che di conformità, per curare questo aspetto: il GDPR, art. 5 chiede che i dati personali restino esatti e aggiornati, con misure per correggere tempestivamente ciò che non lo è più. Una knowledge base con documenti superati viola questo principio ogni volta che contiene un dato personale non più corretto, indipendentemente dal fatto che qualcuno se ne accorga.

Due modi di applicarla, in produzione e in uno studio professionale

Un'azienda manifatturiera con procedure sparse tra Word, SharePoint e fogli stampati in officina. Quando una lavorazione non standard sollevava un dubbio, la domanda finiva sempre sullo stesso responsabile. La soluzione è stata digitalizzare le procedure esistenti e collegarle a un sistema consultabile anche da tablet in reparto: il responsabile viene interrotto molto meno, e per la prima volta le procedure sono anche interrogabili, non solo archiviate.

Uno studio professionale che inserisce nuovi collaboratori. Le stesse domande tornavano a ogni nuovo ingresso: come si gestisce un certo tipo di pratica, dove sono i modelli di documento, qual è la procedura con un determinato ente. Una knowledge base alimentata con procedure interne e modelli più usati, accessibile dalla chat che il team usa già, lascia al collaboratore più esperto solo le domande che richiedono davvero il suo giudizio.

In entrambi i casi l'accesso avviene spesso tramite un bot conversazionale integrato nella chat di lavoro. Se è così, vale anche l'obbligo di trasparenza dell'art. 50 del Regolamento (UE) 2024/1689, l'AI Act: chi interagisce con il bot deve poter capire che sta parlando con un sistema di intelligenza artificiale, a meno che non sia già evidente dal contesto. Per una knowledge base interna, di solito, basta dirlo chiaramente nel messaggio di benvenuto del bot.

Cosa la fa invecchiare, e come evitarlo

• Nessun responsabile per area di contenuto. Senza un proprietario per categoria, i documenti restano fermi mentre la realtà cambia.
• Troppi documenti caricati subito, poco curati. Il sistema trova tre procedure diverse per lo stesso processo e risponde in modo confuso.
• Interfaccia scollegata dagli strumenti già in uso. Se il team lavora sul gestionale, un'app separata resta inutilizzata.
• Nessuna segnalazione delle risposte sbagliate. Deve arrivare a chi è responsabile del documento, non perdersi nel vuoto.
• Zero test con domande reali prima del lancio. Le domande costruite per fare bella figura non dicono nulla sull'uso vero.

Una revisione ogni sei mesi circa, per capire quali documenti non vengono mai interrogati e quali domande restano senza una buona risposta, costa poco e individua sia i contenuti inutili sia i buchi da colmare. È lo stesso principio di manutenzione descritto per gli assistenti su formazione interna: il software non è mai la parte che invecchia per prima, sono i documenti che ci sono dentro.

Chi guarda questa lista per la prima volta tende a concentrarsi sulla scelta dello strumento, quando il fattore che decide se il progetto vive o muore è quasi sempre la disciplina con cui qualcuno, ogni tanto, si siede a controllare cosa è cambiato e cosa va corretto.

Per iniziare senza disperdersi, scegli tre processi dove cercare informazioni costa visibilmente di più, non l'intera conoscenza aziendale: l'inserimento di chi è nuovo, la gestione dei reclami, una procedura di produzione ricorrente sono punti di partenza tipici. Raccogli e pulisci i documenti di quelle sole aree, testali con due o tre persone che li useranno davvero, e allarga solo dopo aver visto cosa funziona. L'uso della stessa tecnica per rispondere ai clienti invece che ai colleghi è descritto in AI per customer care aziendale.

Chi porta avanti il progetto giorno per giorno non deve necessariamente essere una figura tecnica, e anzi spesso funziona meglio se non lo è. Nella maggior parte delle PMI funziona meglio quando è la persona che già conosce a memoria dove sono le informazioni, perché è quella che riconosce subito una risposta sbagliata quando la vede, molto prima di chi ha scelto il software ma non usa i documenti ogni giorno. Il ruolo tecnico serve per la parte di configurazione iniziale, non per decidere cosa contano davvero i contenuti.

Se vuoi vedere come funziona prima di deciderti, la demo knowledge base AI sui documenti aziendali mostra il meccanismo di ricerca su documenti reali: è il modo più diretto per capire se il tuo caso è quello giusto per iniziare.