I documenti aziendali, cercabili come ChatGPT.
I dipendenti perdono ore a cercare la procedura giusta, l'ultima versione del contratto-tipo, l'esempio fiscale che ha trattato il collega. Costruiamo un'AI conversazionale sopra la vostra knowledge base che risponde citando le fonti, con accesso governato per ruolo.
Cosa succede oggi.
La knowledge aziendale è ovunque e in nessun posto: SharePoint, Drive condivisi, cartelle di rete, email, Notion, Confluence, contratti su file server. Trovare l'ultima versione di un documento è un esercizio di archeologia. Le risposte 'come abbiamo gestito un caso simile l'anno scorso?' richiedono mezz'ora di ricerca.
Un'AI conversazionale su RAG (retrieval-augmented generation) risponde alle domande citando le fonti documentali (con link), rispetta i permessi di accesso (un junior non vede contratti riservati), e mantiene un audit log di tutte le interrogazioni. Niente più 'l'AI ha allucinato': la risposta è ancorata ai documenti reali.
La knowledge non basta scriverla. Va indicizzata in modo che possa essere richiamata in 3 secondi.
La soluzione, smontata in parti.
-
Indicizzazione multi-fonte
Ingerimento da SharePoint, Google Drive, Notion, Confluence, file server, cartelle di rete. I documenti vengono indicizzati con embeddings e metadati. Aggiornamento incrementale automatico (nuovi documenti vengono indicizzati senza re-build totale).
-
Accesso governato per ruolo
I permessi seguono quelli del file system di partenza: un dipendente di marketing non vede documenti HR riservati, anche se l'AI li conosce. RBAC o ABAC, integrazione con Active Directory o Google Workspace.
-
Risposte con citazioni
Ogni risposta riferisce il documento sorgente con link diretto. Niente allucinazioni: se l'AI non ha materiale per rispondere, lo dice esplicitamente invece di inventare. Audit log strutturato di ogni interrogazione e ogni documento citato.
I profili tipici di chi ne beneficia.
-
Studi professionali con knowledge accumulata
Studi legali, commercialisti, consulenti del lavoro: anni di pareri, contratti tipo, precedenti. Un nuovo collaboratore richiede mesi prima di sapere 'dove è scritta una determinata cosa'. L'AI accorcia drasticamente l'onboarding.
-
Aziende manifatturiere con procedure complesse
Manuali operativi, schede prodotto, procedure qualità, certificazioni. L'AI risponde a domande operative ('come si compila il modulo X', 'qual è il valore di torsione per il bullone Y') in tempo reale, in produzione.
Trasparenza sui compiti del cliente.
Prima di partire abbiamo bisogno di alcuni accessi e decisioni. Tutto ragionevole, nessuna richiesta sorpresa.
-
Accessi alle fonti documentali
- Accesso a SharePoint / Drive / Notion / Confluence / file server in lettura
- Mapping ACL: chi vede cosa, quali ruoli aziendali esistono
-
Decisioni operative
- Lista delle fonti da includere nel primo round (start small, expand later)
- Policy di confidenzialità: documenti che NON devono mai entrare nel RAG
Numeri orientativi, non preventivi.
- TEMPI
- Tipicamente 6-12 settimane per la versione base. Knowledge base molto grandi (>100k documenti) richiedono fasi di pulizia preliminare.
- COSTI
- Range €18.000-50.000 per la versione iniziale. Costi LLM operativi €100-800 al mese a seconda di volume e dimensione knowledge base.
- MODELLO
- Milestone fisse. Soft launch su un gruppo pilot, scaling progressivo agli altri team.
Numeri orientativi. Per un preventivo accurato, parliamoci.
Le risposte alle domande più frequenti.
I documenti riservati restano riservati?
Sì. I permessi di lettura del file system di partenza sono rispettati: l'AI può sapere che un documento esiste, ma se l'utente che chiede non ha permessi su quel documento, l'AI non lo cita né lo usa per rispondere. Integrazione standard con Active Directory, Google Workspace, ACL di SharePoint.
L'AI può inventare informazioni?
Il pattern RAG ancora le risposte alle fonti documentali. Se l'AI non ha materiale, è istruita a dichiararlo esplicitamente invece di inventare. Inoltre tutte le risposte includono citazioni alle fonti, così l'utente può verificare. Le 'allucinazioni' tipiche di ChatGPT puro sono drasticamente ridotte.
Quanto frequentemente si aggiorna la knowledge base?
L'aggiornamento è incrementale: nuovi documenti aggiunti alle fonti vengono indicizzati entro 5-30 minuti. Documenti modificati sono re-indicizzati automaticamente. Non serve un re-build periodico, l'AI è sempre allineata con la realtà documentale.
Riconoscete il vostro caso?
Scrivete due righe sul vostro contesto. Rispondiamo entro 24-48 ore con una valutazione iniziale e un primo orientamento di tempi e costi.
Parliamone