Costruire un sistema RAG in azienda: processo, costi, errori tipici

Un sistema RAG (Retrieval Augmented Generation) risponde alle domande sulla base di dei vostri documenti: suddivide i documenti in brevi sezioni, le rende accessibili tramite Embedding ricercabile per contenuto e consente a un modello linguistico di rispondere solo sulla base dei passaggi trovati – con indicazione della fonte. La struttura segue sei passaggi. Gli errori più comuni sono scarsa qualità dei dati, autorizzazioni di accesso mancanti e nessun test con domande reali.

Come funziona un sistema RAG

L’idea di base: invece di “insegnare” a un modello linguistico la conoscenza della vostra azienda, gli si forniscono, a ogni domanda, i passaggi di testo pertinenti. Il modello formula la risposta, mentre i fatti provengono dai vostri documenti. Maggiori informazioni sul termine nel glossario sotto RAG; perché questo è di solito meglio del riaddestramento, lo spiega RAG o Fine-Tuning?.

La struttura in sei passaggi

1. Chiarire obiettivo e domande

Chi deve chiedere cosa? Il personale del servizio, dell’amministrazione, le nuove colleghe? Raccogliete da 30 a 50 domande reali della quotidianità. Definite quali documenti servono e in seguito fungono da test.

2. Selezionare e ripulire le fonti dati

Manuali, direttive, contratti, informazioni sui prodotti, FAQ. Eliminare le versioni obsolete e i duplicati: documenti in conflitto portano a risposte in conflitto.

3. Preparare i documenti

I testi vengono letti da PDF, file Word o scansioni (nel caso delle scansioni tramite riconoscimento ottico dei caratteri) e suddivisi in sezioni. La dimensione delle sezioni influisce fortemente sulla qualità: se sono troppo piccole manca il contesto, se sono troppo grandi la ricerca diventa imprecisa.

4. Rendere ricercabile

Ogni sezione viene convertita in un embedding e salvata in un database vettoriale insieme alla fonte e ai diritti di accesso.

5. Generare risposte

Per una domanda vengono cercate le sezioni pertinenti e fornite al modello linguistico con regole chiare: rispondere solo su questa base, citare le fonti, ammettere quando non si sa. Maggiori informazioni: Risposte IA con indicazione delle fonti.

6. Testare, introdurre, mantenere

Far rispondere alle domande raccolte, valutare le risposte, rifinire. In seguito, acquisire regolarmente nuovi documenti e analizzare le domande aperte.

Quanto costa un sistema RAG

Non esistono prezzi fissi; i principali fattori di costo sono:

• Quantità e qualità dei dati: La pulizia e la preparazione sono spesso l’impegno maggiore.
• Numero delle fonti: Ogni integrazione (unità, Nextcloud, DMS, wiki) richiede configurazione.
• Concetto di autorizzazioni:Chi può vedere cosa? Più granulare è il controllo, più complessa è la gestione.
• Modello e funzionamento: server GPU proprio, servizio del modello in Germania o cloud – vedi ospitare modelli di IA in conformità al GDPR.
• Manutenzione: caricamento continuo di nuovi documenti e analisi.

Gli errori più frequenti

• „Tutto dentro“: Unità non filtrate con versioni obsolete peggiorano le risposte.
• Nessun diritto di accesso: Se il sistema mostra a tutti i fascicoli del personale o i documenti della direzione, si tratta di un problema di protezione dei dati.
• Nessun test: Senza domande reali, nessuno sa se il sistema aiuta.
• Nessuna indicazione della fonte: Senza fonti, i collaboratori non possono verificare le risposte.
• Solo tecnologia, nessun processo: Chi aggiorna i documenti? Chi valuta le domande aperte?
• PDF scansionati senza riconoscimento del testo: i contenuti restano invisibili.

Soluzione pronta o sviluppo interno?

Molti strumenti includono già RAG – ad esempio Nextcloud Context Chat, Open WebUI o Paperless-ngx. Per le aziende con molte fonti e requisiti di autorizzazione, conviene una soluzione ben progettata come la nostra ricerca documentale KI. Come avviene l’installazione nel dettaglio, è descritto in configurare la ricerca documentale KI.

bettersorted punta per le sue clienti e i suoi clienti su componenti aperti e trasparenti – gestiti su server in Germania e riuniti nell’automaisa Hub. Forniamo consulenza in modo neutrale rispetto ai produttori, siamo consulenti registrati presso il BAFA e coach autorizzati INQA. Consulenza e introduzione accompagnata possono essere finanziati tramite il INQA-Coaching all’80 %; il percorso adatto lo indica il Förder-Check. Per un primo colloquio senza impegno: Contatto.

Esempio: RAG nel servizio clienti di un rivenditore

Uno scenario illustrativo: un grossista tecnico dispone di centinaia di schede tecniche, istruzioni di montaggio e condizioni di garanzia. L’ufficio interno cerca ogni giorno risposte alle domande dei clienti. Un sistema RAG acquisisce i documenti, tiene conto di quali materiali sono solo interni e risponde alle domande con riferimento alla scheda tecnica e alla pagina. Dopo quattro settimane di test con 50 domande reali, viene reso disponibile per l’ufficio interno; le domande aperte vengono valutate settimanalmente.

Misurare il successo

• Percentuale di domande di test risposte correttamente
• Percentuale di risposte con fonte corretta
• Risparmio di tempo nelle attività di ricerca tipiche
• Domande più frequenti senza risposta – indicazioni su documenti mancanti

Costi e finanziamenti

I costi di un sistema RAG si compongono di tre parti: Configurazione (pianificazione, installazione, collegamento, test), esercizio continuativo (server o hosting, aggiornamenti, monitoraggio, backup dei dati) e accompagnamento dei collaboratori (formazione, regole, referenti). Non indichiamo prezzi fissi, perché l’ambito e la situazione di partenza variano molto. Il software stesso, nelle soluzioni open source, non comporta costi di licenza.

Non viene finanziata la tecnologia, ma Consulenza e introduzione accompagnata: Tramite il INQA-Coaching lo Stato copre in tutta la Germania l’80 % dei costi di coaching (fino a 11.520 €, voucher fino al 30.06.2028). Un’analisi preliminare può essere sovvenzionata tramite il programma di sostegno alla consulenza BAFA-Beratungsförderung – con l’80 % nei nuovi Länder, a Lüneburg e Treviri, altrimenti il 50 %, per domande fino al 31.12.2026. Per gli investimenti, alcuni Länder offrono programmi propri – vedi Opportunità di finanziamento per le aziende in Germania.

Domande frequenti

Che cos'è un sistema RAG?

Un sistema che risponde alle domande sulla base di documenti propri: cerca i passaggi di testo pertinenti e lascia che un modello linguistico formuli una risposta solo a partire da questi, idealmente con indicazione della fonte.

Quanto tempo richiede la realizzazione di un sistema RAG?

Un pilot con poche fonti ben curate è spesso possibile in poche settimane. Il fattore tempo principale è di solito la pulizia e la preparazione dei documenti.

Un sistema RAG può rispettare i diritti di accesso?

Sì, se i diritti vengono memorizzati durante l’importazione e verificati a ogni ricerca. Questo va pianificato fin dall’inizio.

Un sistema RAG ha bisogno di una propria IA?

No. Il modello linguistico può funzionare in locale, presso un servizio di modelli tedesco oppure nel cloud. Per documenti sensibili si consiglia un’elaborazione locale o ospitata in Germania.

Stato: ottobre 2026.