In due righe
- La ricerca di informazioni aziendali con l'AI si chiama RAG: il sistema recupera i passaggi giusti dai tuoi documenti e risponde citando la fonte.
- Prima di comprare, conta per una settimana quante ricerche falliscono oggi. Se sono poche, basta sistemare nomi e cartelle.
- Se sono molte, parti da tre processi e collauda il sistema con venti domande vere, scritte prima con la risposta attesa.
- Il problema, quasi sempre, è il documento (doppio, vecchio, mancante) e non il software.
La ricerca di informazioni aziendali con l'AI funziona così: manuali e procedure vengono indicizzati in un sistema che, a ogni domanda, recupera i passaggi pertinenti e risponde citando il documento di origine. La tecnica si chiama RAG. Prima di comprarla, misura quante ricerche falliscono oggi: se sono poche, basta sistemare nomi e cartelle. Se sono molte, parti da tre processi, collauda il sistema con venti domande vere e pretendi sempre la fonte accanto alla risposta.
Facciamo un conto su un'azienda tipo: un'officina con sei persone che cercano informazioni (procedure, schede, istruzioni, listini). I numeri sono ipotesi, non una rilevazione.
Ipotizziamo quattro ricerche al giorno a testa, sette minuti l'una, trenta euro l'ora di costo.
- 6 persone x 4 ricerche = 24 ricerche al giorno.
- 24 x 7 minuti = 168 minuti, cioè 2,8 ore al giorno.
- 2,8 ore x 220 giorni lavorativi = 616 ore l'anno.
- 616 ore x 30 euro = 18.480 euro l'anno.
Se un sistema dimezzasse il tempo (altra ipotesi), si recupererebbero circa 9.200 euro di lavoro l'anno. È la cifra da mettere contro il costo di preparazione dei documenti e di manutenzione, non contro il prezzo della licenza.
Il tuo numero è diverso. Per una settimana tieni un foglio accanto alla postazione: a ogni ricerca segna chi cerca, cosa, quanti minuti ci mette e se alla fine trova. Le ricerche fallite sono la colonna che conta.
Il RAG (retrieval-augmented generation) è una tecnica in cui un modello linguistico risponde basandosi sui passaggi recuperati dai tuoi documenti e non solo su ciò che ha imparato in addestramento. La guida all'intelligenza artificiale per le PMI inquadra il tema più in largo. Qui interessa la parte che cerca.
I passaggi sono tre:
- Indicizzazione. L'indicizzazione è la lettura preventiva dei documenti, spezzati in frammenti, per costruire l'archivio in cui il sistema cerca. Word, PDF e fogli vengono letti una volta e aggiornati quando cambiano. Per le scansioni serve l'OCR, il riconoscimento del testo nelle immagini.
- Recupero. Alla domanda, il sistema pesca i frammenti più pertinenti.
- Risposta con citazione. Il modello scrive la risposta usando quei frammenti e indica da quale documento vengono.
Il recupero si basa sulla ricerca semantica, cioè una ricerca che confronta il significato della domanda con quello dei testi, e non solo le parole identiche. Per questo la domanda «come gestiamo un cliente che restituisce la merce» può portare al documento «Procedura restituzioni e note di credito», anche se la parola «resi» non compare mai.
La ricerca per parole chiave, quella delle cartelle condivise, qui fallisce. La documentazione di Microsoft su Azure AI Search descrive proprio questo limite: se la domanda non usa la terminologia del documento, non lo trova. L'esempio che fa è chi cerca le ferie quando il documento parla di «time off».
Per questo molti sistemi usano la ricerca ibrida, cioè una ricerca che combina il confronto per parole chiave e quello per significato nella stessa interrogazione. Le parole esatte servono ancora: un codice articolo o un numero di norma vanno trovati identici.
Un dato di contesto, da leggere con la sua popolazione. Secondo l'Istat (Imprese e ICT, 2025), tra le imprese con almeno 10 addetti il 16,4% usa almeno una tecnologia di IA, il 15,7% tra le PMI. Tra chi la usa, l'estrazione di conoscenza da documenti di testo è la tecnologia più comune: il 70,8% degli utilizzatori. Le micro imprese sotto i 10 addetti non sono incluse.
Serve davvero l'AI o basta sistemare la ricerca che hai già?
Per meno di qualche decina di documenti ben nominati, l'AI non conviene. Una regola sui nomi e una cartella in ordine costano poco e funzionano subito. Per decidere bastano tre controlli, da fare sul foglio della settimana di ricerche.
- I documenti hanno nomi e cartelle coerenti? Se esistono «procedura_NUOVA_v3_def» e «procedura_vecchia», il problema è il disordine, e l'AI lo eredita.
- Le ricerche che falliscono falliscono perché il file non esiste o perché non lo si trova? Se il documento non esiste, o ce ne sono due che si contraddicono, nessun software aiuta: si scrive o si pulisce prima.
- Le domande usano parole diverse da quelle dei documenti? Se sì, la ricerca per parole non basta e l'AI ha senso. Se le domande usano le stesse parole, no.
Solo se i primi due controlli sono a posto e il terzo dà risposta positiva ha senso valutare un sistema con ricerca AI. Questa è la tabella delle tre strade.
| Strada |
Quando conviene |
Cosa serve prima |
Rischio principale |
| Ricerca che hai già (cartelle condivise, SharePoint, Google Drive) |
Pochi documenti, nomi coerenti, ricerche che falliscono per disordine |
Regola di nomi, una versione valida per file, un responsabile per cartella |
Resta una ricerca per parole: non trova se la domanda usa termini diversi dal documento |
| Strumento pronto con ricerca AI e citazione della fonte |
Centinaia di file, domande formulate in modo libero, nessun tecnico interno |
Documenti puliti per i primi tre processi, permessi chiariti, contratto sul trattamento dei dati |
Risposte sicure su documenti vecchi se nessuno li aggiorna |
| Sistema su misura (indice proprio, ricerca ibrida, permessi per documento) |
Documenti riservati, integrazione con gestionale, requisiti di riservatezza stretti |
Un referente tecnico, budget di manutenzione, test periodico |
Costo di gestione sottovalutato rispetto al problema che risolve |
Alla maggioranza delle PMI conviene la prima strada, e la seconda quando i documenti sono centinaia. La terza è per chi ha vincoli di riservatezza veri e qualcuno che se ne occupi.
Non partire dalla terza perché «così è fatto bene». Un sistema su misura senza referente tecnico diventa, in sei mesi, un archivio che nessuno sa correggere.
Lo strumento
Delera Agent AI costruisce agenti su misura sui processi che oggi ti portano via ore ogni settimana.
Scopri Delera Agent AI
Come si collauda un sistema di ricerca con 20 domande vere?
Il test di collaudo è un insieme di domande reali, con risposta attesa scritta prima, usato per misurare se il sistema trova il documento giusto. Vale per qualsiasi sistema, anche per quello che un fornitore ti mostra in demo: in demo le domande le sceglie lui, nel collaudo le scegli tu.
- Raccogli venti domande vere dai colleghi. Chiedi a ciascuno le ultime cose che ha dovuto cercare. Niente domande inventate da te.
- Includi almeno tre domande senza risposta. Cose che nei documenti non ci sono. Servono a vedere se il sistema dice «non lo trovo» o si inventa qualcosa. Sul perché succede c'è un pezzo dedicato: perché l'AI inventa le risposte.
- Scrivi prima la risposta attesa e il documento giusto. Prima di far provare, non dopo: altrimenti ti convinci che la risposta data andasse bene.
- Fai provare e assegna un esito a ogni domanda. Quattro esiti: corretta con fonte giusta, corretta senza fonte, sbagliata, «non trovo» corretto.
- Conta e leggi gli errori.
Come soglia di partenza proponiamo questa: almeno 17 domande su 20 tra «corretta con fonte giusta» e «non trovo corretto», e nessuna risposta inventata sulle domande senza risposta. È un punto di partenza, non una norma: alzala se i documenti riguardano la sicurezza.
Un esempio, sempre in ipotesi. Su venti domande, 14 hanno la risposta nei documenti, 3 ce l'hanno in più versioni e 3 non ce l'hanno. Esito: 12 corrette con fonte, 2 corrette senza fonte, 3 sbagliate, 3 «non trovo» corretti.
Sotto la soglia: 12 più 3 fa 15, non 17. Ma guarda perché: le 3 sbagliate coincidono con le 3 domande dove il documento è doppio. Si risolvono togliendo le versioni vecchie, non cambiando software. Le 2 senza fonte vanno comunque segnalate al fornitore, perché una risposta senza documento accanto non è verificabile.
Questa lettura vale quasi sempre: quando il sistema sbaglia, guarda prima il documento. Poi la configurazione. Il motore, per ultimo.
Chi può vedere cosa, e dove finiscono i documenti?
La ricerca deve restituire solo ciò che quella persona può già aprire. La documentazione Microsoft su Azure AI Search descrive il controllo degli accessi per singolo documento come una delle sfide del RAG: senza filtro, la risposta può citare un contratto o una busta paga a chi non dovrebbe vederli.
Prova pratica, da fare prima di caricare tutto:
- Scegli due utenti con ruoli diversi, per esempio un operaio e un responsabile amministrativo.
- Carica un documento riservato che il primo non può aprire.
- Fai la stessa domanda dai due account.
- Il primo non deve ricevere né la risposta né il titolo del documento.
C'è poi il dove. Se i documenti stanno su un servizio cloud, il fornitore tratta dati per tuo conto. Se i file contengono dati personali (clienti, dipendenti), serve il contratto di responsabile del trattamento previsto dal GDPR. Se contengono solo procedure e manuali tecnici, il problema si ridimensiona.
Non caricare nulla finché non hai chiarito queste due cose. Le basi sono nella sicurezza informatica di base: meglio averle a posto prima di collegare un archivio a un sistema nuovo.
Da quali documenti partire, e come evitare che invecchino?
Parti da tre processi dove la ricerca costa di più: l'inserimento di una persona nuova, i reclami dei clienti, una procedura di produzione che si ripete. Li ricavi dal foglio delle ricerche: sono quelli con più minuti e più fallimenti.
Non caricare tutto l'archivio. Non caricare thread di email così come sono, perché contengono ripensamenti e decisioni superate. Non caricare dieci versioni dello stesso file: tienine una valida e archivia le altre fuori dal sistema. Se ti serve il contenuto di una discussione, scrivi la conclusione in un documento breve.
Per costruire un assistente che risponda ai nuovi assunti, il discorso è un altro: lo trovi nell'assistente AI interno che risponde ai dipendenti. Qui resta la ricerca: trovare il passaggio giusto con la sua fonte.
Ogni area ha poi bisogno di un responsabile. Una persona sola per area, che sa quale versione è valida e che aggiorna il documento quando la procedura cambia. Senza questo nome, il sistema continua a rispondere con sicurezza su documenti che nessuno controlla più.
Sul perché conta il documento, e non il modello, c'è un dato Istat da leggere con cura. Tra le imprese con almeno 10 addetti che non usano IA ma ci hanno pensato (l'11,5% dei non utilizzatori), il 58,6% indica la mancanza di competenze, il 45,2% dati indisponibili o scarsi e il 43,2% la privacy. Le micro imprese sotto i 10 addetti non sono incluse.
Uno degli ostacoli è il nostro: dati scarsi, cioè documenti mancanti o in disordine. Sulla quantità vera di materiale che serve, vedi quanti dati servono davvero per l'AI.
Per non farlo invecchiare, ogni trimestre rifai il test delle venti domande e guarda le domande rimaste senza risposta. Se una domanda ricorrente non trova nulla, manca un documento: scrivilo. Se due risposte si contraddicono, c'è una versione da togliere.
Domani mattina, senza comprare niente: prendi un foglio e segna ogni ricerca che tu e i tuoi colleghi fate, con i minuti e l'esito. Fra una settimana avrai il costo reale e l'elenco dei primi tre processi.
Domande frequenti
Come faccio a cercare nei documenti aziendali con ChatGPT?
ChatGPT va bene per pochi file e prove rapide. Per un intero archivio contano i permessi, le versioni e la fonte accanto alla risposta, quindi collauda anche questo con le venti domande. Prima di caricare documenti aziendali verifica cosa prevede il contratto sul trattamento dei dati e chi, in azienda, può vedere cosa.
Cos’è il RAG e serve a una PMI?
Il RAG (retrieval-augmented generation) è una tecnica in cui il modello risponde usando i passaggi recuperati dai tuoi documenti, non solo la sua memoria generale. A una PMI serve quando le ricerche per parole chiave falliscono spesso e i documenti sono già in ordine. Con pochi file ben nominati, non serve.
L’AI può inventare una risposta che non c’è nei miei manuali?
Sì, se il sistema non è impostato per dire ‘non lo trovo’. Per questo nel collaudo vanno inserite almeno tre domande la cui risposta nei documenti non esiste: un sistema affidabile deve dichiararlo. Controlla sempre che accanto alla risposta ci sia il documento di origine, con pagina o sezione.
Quali documenti conviene indicizzare per primi?
Quelli dei tre processi dove cercare costa di più: inserimento di chi è nuovo, reclami, una procedura di produzione ricorrente. Evita email e chat così come sono: contengono ripensamenti e decisioni superate. Meglio estrarre la conclusione in un documento breve e tenere una sola versione valida per ogni procedura.
I miei documenti riservati sono al sicuro con un motore di ricerca AI?
Dipende da come sono impostati i permessi e dove viene trattato il dato. Il sistema deve restituire solo ciò che quell’utente può già aprire: provalo con due ruoli diversi. Se i documenti contengono dati personali e usi un fornitore cloud, serve il contratto di responsabile del trattamento previsto dal GDPR.
Delera CRM
Delera Agent AI
UmanValue
PMI Speed Test