GUIDA TECNICA · AMBITO NAZIONALE

RAG Enterprise: interrogare i documenti aziendali con l'AI senza inviarli al cloud

Architettura Retrieval-Augmented Generation con database vettoriali on-premise per preservare i segreti industriali.

Aggiornata a ottobre 2026
7 min di lettura
Redazione Tecnica Altovar

1. Cos'è il RAG e perché interessa alle aziende

RAG (Retrieval-Augmented Generation) è un metodo che collega un modello linguistico ai documenti dell'azienda. Quando un utente fa una domanda, il sistema cerca i passaggi rilevanti nei documenti e li consegna al modello, che risponde basandosi su quei testi. Il modello non viene riaddestrato con i tuoi dati: cambia il contenuto della ricerca, non i pesi interni del modello. Questo rende semplice aggiornare le informazioni, perché basta aggiornare i documenti sottostanti.

Il vantaggio per un'azienda è avere risposte basate su manuali, procedure, contratti e archivi interni, con l'indicazione delle fonti da controllare. Il rischio è spostare documenti riservati verso un servizio esterno senza accorgersene, per esempio tramite un'interfaccia web che sembra innocua. Per questo la domanda chiave non è solo quale modello usiamo, ma dove viaggiano i documenti, i log e le domande degli utenti.

2. Le componenti e il percorso di una domanda

La fase di acquisizione estrae il testo da PDF, documenti Office, email e wiki, lo divide in porzioni (chunk) e genera per ciascuna una rappresentazione numerica, chiamata embedding. Queste rappresentazioni vengono salvate in un database vettoriale, un archivio pensato per trovare contenuti simili. La qualità di questa fase determina gran parte della qualità finale, più di quanto spesso si pensi.

Quando un utente fa una domanda, la domanda viene trasformata nello stesso formato e il sistema recupera le porzioni più simili. Queste vengono inserite in un prompt insieme alla domanda, e il modello genera una risposta che può citare le fonti. Il controllo dei permessi deve avvenire proprio durante il recupero: un utente non deve ricevere porzioni di documenti che non potrebbe aprire direttamente.

3. Cloud, on-premise o ibrido

Non esiste un'architettura valida in ogni caso. La scelta dipende dalla riservatezza dei documenti, dalle competenze interne, dai volumi e dalla tolleranza a costi variabili. Un archivio di manuali tecnici non richiede le stesse garanzie di un fascicolo di clienti o di una raccolta di progetti industriali, e l'architettura va disegnata sui documenti più sensibili. La tabella confronta i tre approcci più comuni.

L'on-premise riduce l'esposizione dei documenti verso l'esterno, ma non elimina tutti i punti di contatto: aggiornamenti, supporto e log possono uscire dall'azienda. Il termine senza inviarli al cloud va quindi verificato componente per componente, con un elenco scritto di ciò che resta in sede e di ciò che invece viene elaborato altrove. Una soluzione ibrida richiede lo stesso elenco, con il confine tracciato tra le due parti.

AspettoServizio cloudOn-premiseApproccio ibrido
Dove transitano i documentiVerso il servizio del fornitore, da verificareDentro l'infrastruttura controllata dall'aziendaDocumenti in sede, modelli esterni solo per parti selezionate
Controllo sulle versioniDipende dal fornitoreCompleto, ma da gestireMisto, da documentare
CostiVariabili con l'usoInvestimento iniziale e manutenzioneCombinazione dei due, da modellare
Competenze richiesteMedieElevateElevate
Qualità delle risposteDipende dal modello sceltoDipende dal modello installato e dall'hardwareDipende da come viene divisa la pipeline

4. Permessi, dati personali e segreti industriali

Un RAG aziendale deve rispettare i permessi già esistenti. Il metodo più solido è indicizzare insieme a ogni porzione di testo le informazioni di accesso del documento di origine, e filtrare i risultati in base all'utente che fa la domanda. Se questo passaggio manca, il sistema può rivelare contenuti di cartelle riservate a chi non dovrebbe vederli, anche quando la risposta sembra innocua, come una cifra o una data.

Se i documenti contengono dati personali, valgono i principi del GDPR: minimizzazione, finalità, limitazione della conservazione e sicurezza. In alcuni casi serve una valutazione d'impatto sulla protezione dei dati. Dove sono conservati i dati e chi può legalmente accedervi sono questioni separate: anche una soluzione in sede può dipendere da fornitori che hanno accesso per manutenzione. Chiedi per iscritto chi può accedere a cosa, e in quali circostanze.

5. Qualità delle risposte ed errori comuni

La qualità di un RAG dipende più dai documenti e dalla divisione in porzioni che dal modello. Documenti scansionati senza riconoscimento del testo, duplicati, versioni superate e tabelle spezzate producono risposte sbagliate con grande sicurezza, e l'utente raramente se ne accorge. Prima di indicizzare, pulisci i documenti, elimina i duplicati e decidi con il responsabile quali versioni sono valide. Documenta ogni scelta, perché servirà quando un risultato sembrerà strano.

Il secondo errore è pubblicare il sistema senza un insieme di domande di test con risposte di riferimento, scritte da chi conosce il lavoro. Il terzo è fidarsi della risposta senza verificare la fonte citata. Nei processi con conseguenze importanti, come contratti, sicurezza o dati personali, la risposta è un supporto e va sempre verificata da una persona competente prima di essere usata.

6. Checklist di avvio

Prima di collegare un modello ai documenti, sistema il perimetro. Questa lista evita di scoprire problemi quando il sistema è già in uso da parte di tutto il reparto, e ogni voce andrebbe chiusa con un responsabile identificato. Le voci sui permessi e sulla classificazione sono le più importanti, perché sono anche le più difficili da correggere a posteriori. Non iniziare il lavoro tecnico finché queste due non sono chiuse.

Se non sai rispondere a una voce, il progetto non è ancora pronto per documenti riservati. Parti dal punto mancante prima di acquistare hardware o software, perché una decisione presa senza questi dati si paga poi in tempo e in rifacimenti. Meglio dedicare una riunione in più, con il personale interessato, alla raccolta delle informazioni che rifare l'indice più di una volta.

  • Inventario delle fonti documentali, con formati e responsabili.
  • Classificazione dei documenti in pubblici, interni e riservati.
  • Mappa dei permessi attuali, da riportare nell'indice.
  • Hardware dimensionato per modello e carico di lavoro.
  • Log delle domande e delle fonti usate, con regole di conservazione.
  • Insieme di domande reali con risposte attese, usato per i test.
  • Policy scritta sull'uso dell'AI da parte del personale.

7. Come iniziare

Scegli una raccolta di documenti omogenea e di valore, per esempio i manuali di un reparto o le procedure di qualità. Evita di partire da tutto l'archivio: un perimetro piccolo permette di controllare permessi, qualità e costi prima di estendere il progetto. Un risultato limitato ma verificato vale più di una piattaforma enorme che nessuno sa valutare. Il perimetro si allarga solo quando il primo è stabile.

Definisci le domande che il sistema deve saper rispondere, prepara i casi di test e monta un ambiente di prova con dati non sensibili o anonimizzati. Confronta almeno due architetture, cloud e in sede, con gli stessi test. Chiedi al fornitore dove si trovano i componenti, quali log vengono prodotti e chi può accedervi, così da avere una risposta scritta prima di portare il progetto in produzione.

Domande frequenti

Il RAG impara dai miei documenti?

In una configurazione RAG standard il modello non viene riaddestrato con i tuoi documenti. Il sistema recupera le porzioni rilevanti al momento della domanda e le fornisce al modello come contesto. Un documento eliminato o aggiornato nell'indice non influenza più le risposte, purché l'indice sia aggiornato. Verifica il comportamento con il fornitore, soprattutto per i log e per eventuali funzioni di memoria.

Possiamo usare il RAG con documenti scansionati?

Sì, ma serve un passaggio di riconoscimento del testo (OCR, Optical Character Recognition). La qualità della scansione incide sul risultato: pagine storte, bassa risoluzione o tabelle complesse richiedono controlli. Prima di indicizzare, verifica un campione di documenti e confronta il testo estratto con l'originale.

Quanto costa un progetto RAG?

Dipende dal volume dei documenti, dal modello scelto, dall'hardware e dalla preparazione dei dati, che spesso è la parte più impegnativa. Una stima seria nasce da un'analisi delle fonti e da un pilota. Diffida dei preventivi che non chiedono nulla sui documenti: senza quel dato, qualsiasi cifra è una supposizione.

Come si evitano le risposte inventate?

Il metodo riduce il rischio ma non lo elimina. Il sistema deve citare le fonti, rifiutare di rispondere quando i documenti non contengono l'informazione e mostrare il passaggio usato. Un insieme di test con domande difficili aiuta a misurare il comportamento. Per decisioni importanti, la risposta va verificata sulla fonte originale.

Il RAG richiede un modello proprietario?

No. Esistono modelli aperti che possono essere eseguiti in sede o su infrastruttura controllata, e modelli offerti come servizio. La scelta dipende dalla qualità in italiano, dai requisiti di riservatezza, dai costi e dalla licenza d'uso. Verifica sempre i termini di licenza del modello e le condizioni di conservazione dei dati dichiarate dal fornitore.

Nota sul contenuto

Guida informativa di carattere generale. Norme e requisiti tecnici cambiano nel tempo: verifica sempre le fonti ufficiali e valuta il tuo caso specifico con un consulente tecnico o legale qualificato.

CONTATTACI

Parla con il nostro team.

Mostriamo come Altovar si integra nella tua infrastruttura. Nessun impegno, nessun sales pitch. Solo una conversazione tecnica.

PRENOTA UNA DEMO →