Quanto tempo passano le persone della tua azienda a cercare informazioni? La procedura aggiornata per i resi, l’ultima versione del listino, le condizioni concordate con quel cliente, la risposta a una domanda tecnica che qualcuno ha già dato sei mesi fa. Le informazioni ci sono, ma sparse tra cartelle condivise, email, chat, documenti con nomi come “procedura_def_v3_ultima.docx” e la memoria dei colleghi più esperti.
Una knowledge base aziendale con ricerca intelligente e un assistente AI che risponde citando le fonti è uno dei progetti di AI con il ritorno più concreto per una PMI. A fine settembre Dave Ebbelaar ha pubblicato un tutorial completo per costruire un wiki aziendale con ricerca per parole chiave, semantica e ibrida e un assistente che risponde con i link alle pagine di origine. In Italia Morrolinux ha mostrato come far leggere e indicizzare ogni documento a un server, per non dover più archiviare nulla a mano.
In questa guida vediamo come funziona la ricerca moderna sui documenti, come progettare una knowledge base che il team usi davvero, quali errori la rendono inaffidabile e quanto costa.
In breve
- Una knowledge base aziendale con AI combina tre elementi: contenuti curati, ricerca efficace e un assistente che risponde citando le fonti.
- La ricerca ibrida unisce parole chiave (precise su codici, nomi, numeri) e ricerca semantica (capisce il significato anche con parole diverse), e funziona meglio delle due prese singolarmente.
- Un assistente affidabile risponde solo dalle fonti, le cita e dice “non lo so” quando l’informazione manca.
- La qualità dipende soprattutto dai documenti: aggiornati, con un responsabile, senza versioni duplicate.
- I permessi vanno rispettati anche nelle risposte: chi non può leggere un documento non deve riceverne il contenuto dall’assistente.
- Per chi decide: il valore si misura in tempo risparmiato, inserimento più rapido delle persone nuove e risposte più coerenti ai clienti. Il primo investimento è mettere ordine nei contenuti, non scegliere la tecnologia.
Perché le aziende perdono informazioni
Il problema non è che le informazioni manchino. È che sono difficili da trovare, non si sa quale versione sia valida, e spesso esistono solo nella testa di qualcuno. Le conseguenze sono note a chiunque lavori in un’azienda:
- le stesse domande vengono fatte e risposte decine di volte;
- le persone nuove impiegano mesi a diventare autonome;
- clienti diversi ricevono risposte diverse alla stessa domanda;
- quando una persona esperta va in ferie, alcune attività si fermano;
- quando se ne va, una parte della conoscenza se ne va con lei.
Le soluzioni tradizionali (cartelle ordinate, intranet, wiki) aiutano, ma si scontrano con due limiti: la ricerca classica trova solo le parole esatte, e nessuno ha tempo di tenere tutto aggiornato. L’AI interviene su entrambi.
Come funziona la ricerca moderna sui documenti
Ricerca per parole chiave
È la ricerca classica: trova i documenti che contengono le parole cercate, ordinandoli con algoritmi come BM25. È molto precisa su codici prodotto, nomi, numeri di contratto, termini tecnici. Ma fallisce quando chi cerca usa parole diverse da quelle del documento: cercare “restituzione merce difettosa” non trova la procedura intitolata “gestione resi per non conformità”.
Ricerca semantica
I documenti vengono trasformati in vettori numerici (embedding) che rappresentano il significato. La domanda viene trasformata allo stesso modo, e si cercano i documenti con significato più vicino. Trova la procedura dei resi anche se le parole sono diverse. Ma è meno precisa su codici e termini esatti: due codici prodotto simili possono sembrare “vicini” anche se indicano oggetti diversi.
Ricerca ibrida
Combina le due: i risultati della ricerca per parole chiave e di quella semantica vengono uniti e riordinati. Come spiegano le guide di Elastic e la documentazione di Qdrant, è oggi l’approccio predefinito per i sistemi di ricerca seri, perché unisce precisione e comprensione del significato.
| Tipo di ricerca | Punti di forza | Punti deboli | Esempio di domanda |
|---|---|---|---|
| Parole chiave | Codici, nomi, numeri, termini esatti | Sinonimi e formulazioni diverse | “Scheda tecnica articolo VX-2040” |
| Semantica | Significato, domande in linguaggio naturale | Codici simili, termini molto specifici | “Cosa faccio se un cliente riceve un prodotto rotto?” |
| Ibrida | Entrambi i casi | Configurazione un po’ più complessa | Qualsiasi domanda reale |
Recupero contestuale
Un accorgimento che migliora molto i risultati: prima di indicizzare un frammento di documento, gli si aggiunge una breve descrizione del contesto (da quale documento viene, di cosa parla). Anthropic, nel post Contextual Retrieval, ha riportato una riduzione dei recuperi falliti del 49% combinando questa tecnica con la ricerca ibrida, e del 67% aggiungendo un riordino finale dei risultati. Numeri del fornitore, ma coerenti con l’esperienza pratica: i frammenti isolati dal loro documento perdono significato.
L’assistente che risponde con le fonti
Sopra la ricerca si mette un assistente: la persona fa una domanda in linguaggio naturale, il sistema recupera i frammenti più pertinenti e un modello scrive la risposta basandosi solo su quelli. È la tecnica chiamata RAG (retrieval-augmented generation).
Tre regole rendono l’assistente affidabile:
- Risponde solo dalle fonti: se l’informazione non è nei documenti recuperati, lo dice. Un assistente che inventa una procedura plausibile è peggio di nessun assistente.
- Cita le fonti: ogni risposta riporta i link ai documenti da cui proviene, così la persona può verificare e approfondire. Nel tutorial di Dave Ebbelaar, Build Your Own Company Wiki with AI Search, l’assistente risponde alle domande sul manuale aziendale con i link alle pagine di origine.
- Mostra le date: indicare quando è stato aggiornato il documento citato aiuta a capire se l’informazione è ancora valida.
Valgono qui tutte le considerazioni della guida al context engineering: pochi frammenti molto pertinenti producono risposte migliori di molti frammenti vaghi. Caricare nel contesto venti documenti simili per “stare sicuri” peggiora la risposta.
Un’architettura pratica per una PMI
Il progetto open source di Dave Ebbelaar, disponibile su GitHub, è un buon esempio di architettura semplice:
- Contenuti scritti in pagine strutturate, con un responsabile per ogni pagina, gestiti in un sistema editoriale (nel tutorial Sanity) così che chiunque possa modificarli senza toccare il codice.
- Sito della knowledge base generato con un framework per documentazione (nel tutorial Fumadocs), con navigazione per sezioni.
- Ricerca per parole chiave, semantica e ibrida.
- Assistente integrato che risponde con i link alle fonti.
Per molte aziende esistono alternative più vicine agli strumenti già in uso: knowledge base integrate nella suite di ufficio, nel CRM o nel software di assistenza clienti, oppure soluzioni su misura che indicizzano le cartelle esistenti. Per i documenti in arrivo (fatture, contratti, corrispondenza), sistemi di archiviazione con lettura automatica come Paperless-ngx, che Morrolinux ha mostrato nel video Non archivio niente, ma trovo tutto, permettono di ritrovare qualsiasi documento senza archiviarlo a mano.
Per chi sviluppa su misura, un database come PostgreSQL con l’estensione pgvector permette di gestire ricerca per parole chiave e semantica nello stesso sistema, spesso già presente nell’infrastruttura aziendale.
I contenuti contano più della tecnologia
È la lezione più importante, e quella più spesso ignorata. Un sistema di ricerca eccellente su documenti disordinati produce risposte disordinate.
Una fonte di verità per argomento
Se esistono tre versioni della procedura resi, l’assistente le troverà tutte e potrebbe citare quella sbagliata. Ogni argomento deve avere un documento valido; le versioni superate vanno archiviate fuori dall’indice.
Un responsabile per ogni contenuto
Nel tutorial di Ebbelaar ogni pagina ha un proprietario. È una scelta organizzativa, non tecnica: qualcuno risponde dell’aggiornamento di quel contenuto.
Scrivere per essere trovati
Titoli chiari, una domanda per sezione, termini che le persone usano davvero. Gli stessi principi che rendono un contenuto leggibile da Google e dai sistemi AI, come abbiamo visto parlando di contenuti utili e citabili.
Catturare le risposte già date
Molte delle informazioni più utili sono nelle risposte che gli esperti danno via email o chat. Un flusso semplice (quando una risposta è buona, diventa una pagina) arricchisce la knowledge base senza progetti di documentazione dedicati. Un agente può aiutare a proporre la bozza della pagina, da validare.
Permessi e privacy
Una knowledge base aziendale contiene informazioni con livelli di riservatezza diversi: procedure pubbliche, listini riservati ai commerciali, contratti, dati del personale. L’assistente deve rispettare gli stessi permessi dei documenti.
- Filtro sui permessi prima del recupero: la ricerca restituisce solo documenti che l’utente può leggere. Mai affidarsi a un’istruzione nel prompt del tipo “non rivelare i contratti”.
- Dati personali: se la knowledge base contiene dati di clienti o dipendenti, il trattamento va valutato secondo il GDPR, con particolare attenzione a cosa viene inviato al fornitore del modello.
- Versione per i clienti: se l’assistente risponde anche all’esterno (sul sito o nell’area clienti), deve attingere solo a contenuti pubblicabili, da un indice separato.
Per i rischi legati a contenuti malevoli inseriti nei documenti indicizzati, valgono le indicazioni della guida alla sicurezza degli agenti AI.
Cosa misurare
- Domande senza risposta: le domande a cui l’assistente risponde “non lo so” indicano contenuti mancanti. Sono la lista di lavoro per chi cura la knowledge base.
- Valutazione delle risposte: un pulsante “utile / non utile” su ogni risposta, con la possibilità di segnalare un errore.
- Utilizzo: quante domande, da quali reparti, su quali argomenti.
- Tempo di inserimento delle persone nuove, prima e dopo.
- Richieste ripetute agli esperti: dovrebbero diminuire.
Un set di domande di prova con le risposte corrette, rieseguito a ogni modifica importante, permette di accorgersi se la qualità peggiora.
Un esempio: l’assistenza tecnica di un’azienda di componenti
Un caso illustrativo, tipico di molte PMI manifatturiere. Un’azienda produce componenti per impianti e ha un ufficio di assistenza tecnica di quattro persone. Ogni giorno arrivano domande da installatori e rivenditori: compatibilità tra modelli, schemi di collegamento, codici di errore, ricambi per prodotti fuori produzione. Le risposte esistono, sparse tra manuali in PDF, schede tecniche, una cartella di “casi risolti” e soprattutto l’esperienza del responsabile, che risponde alle domande più difficili.
Il perimetro. Si parte dalle domande sui codici di errore e sulla compatibilità, che sono la metà delle richieste. Si raccolgono manuali e schede tecniche dei prodotti in catalogo, si eliminano le versioni superate, si trasformano i “casi risolti” più frequenti in pagine brevi con domanda, causa e soluzione. Il responsabile dell’assistenza diventa il proprietario dei contenuti.
La ricerca. La ricerca ibrida è decisiva: gli installatori scrivono sia codici esatti (“errore E47 su modello TX-200”) sia descrizioni libere (“la caldaia si blocca dopo pochi minuti”). Le parole chiave trovano il codice, la ricerca semantica trova il sintomo descritto con parole diverse.
L’assistente. Il team di assistenza lo usa internamente per preparare le risposte: l’assistente propone una risposta con i riferimenti alle pagine del manuale, la persona la verifica e la invia. Le domande a cui l’assistente non sa rispondere finiscono in una lista settimanale, che il responsabile usa per scrivere nuove pagine.
Il passo successivo. Quando la qualità è verificata sulle domande interne, una versione dell’assistente con i soli contenuti pubblici viene resa disponibile agli installatori nell’area riservata del sito, con il passaggio a una persona per i casi non coperti.
In questo percorso la tecnologia è la parte più semplice. Il lavoro vero è stato decidere il perimetro, ripulire i documenti e creare l’abitudine di trasformare ogni risposta buona in un contenuto.
Le voci di costo
- Riordino dei contenuti: tempo delle persone che conoscono gli argomenti, concentrato all’inizio. È la voce più grande e più importante.
- Piattaforma: da strumenti già inclusi nelle licenze aziendali a soluzioni su misura; il costo dipende da integrazioni e personalizzazione.
- Indicizzazione: il calcolo degli embedding ha un costo per documento basso, e si paga soprattutto all’inizio e a ogni aggiornamento.
- Risposte dell’assistente: un costo per domanda che dipende dal modello e da quanto contesto viene usato. Pochi frammenti pertinenti costano meno e rispondono meglio.
- Manutenzione: qualche ora al mese per aggiornare contenuti e rivedere le domande senza risposta.
Il ritorno si misura nel tempo risparmiato dagli esperti, nella velocità di risposta a clienti e colleghi e nella rapidità con cui le persone nuove diventano autonome.
Domande da fare a chi propone una knowledge base con AI
Il mercato offre molte soluzioni, dagli assistenti integrati nelle suite di ufficio alle piattaforme dedicate fino ai progetti su misura. Queste domande aiutano a confrontarle su ciò che conta davvero.
- Che tipo di ricerca usate? Solo semantica, solo per parole chiave o ibrida? Come vengono gestiti codici prodotto e termini tecnici?
- Le risposte citano le fonti? Con link ai documenti e data di aggiornamento?
- Cosa succede quando l’informazione non c’è? L’assistente lo dichiara o prova comunque a rispondere?
- Come vengono rispettati i permessi? Un utente può ricevere nella risposta contenuti di documenti che non potrebbe aprire?
- Dove vengono elaborati e conservati i documenti? Con quali garanzie GDPR e quali fornitori coinvolti?
- Come si aggiornano i contenuti? L’indice si aggiorna automaticamente quando cambia un documento?
- Come si misura la qualità? Esistono statistiche sulle domande senza risposta e sui feedback degli utenti?
- Cosa resta all’azienda se si cambia soluzione? I contenuti sono esportabili in formati standard?
Una soluzione che risponde bene a queste domande è quasi sempre preferibile a una con più funzioni ma meno trasparenza. Ricorda anche che nessuna piattaforma risolve il problema dei contenuti: chi propone una knowledge base dovrebbe chiederti come sono organizzati i tuoi documenti e chi li mantiene. Se non lo fa, sta vendendo uno strumento, non un risultato.
Un buon modo per confrontare le offerte è preparare dieci domande reali con le risposte corrette e chiedere a ciascun fornitore di mostrare come le gestisce la sua soluzione sui tuoi documenti, non su una demo preparata.
Errori comuni
Indicizzare tutto
Caricare l’intera cartella condivisa, con bozze, duplicati e documenti di dieci anni fa. Il risultato sono risposte che mescolano informazioni valide e superate.
Solo ricerca semantica
Funziona bene nelle demo con domande discorsive, male con codici prodotto e numeri di contratto. La ricerca ibrida evita il problema.
Assistente senza fonti
Risposte fluide ma non verificabili. Le persone smettono di fidarsi alla prima risposta sbagliata.
Permessi gestiti nel prompt
Un’istruzione non è un controllo di accesso. I permessi vanno applicati nella ricerca.
Nessun responsabile dei contenuti
Senza qualcuno che aggiorna e pota, la knowledge base invecchia in pochi mesi e torna a essere un archivio inaffidabile.
Partire dalla tecnologia
Scegliere la piattaforma prima di aver deciso quali contenuti servono, a chi e chi li mantiene.
Portarlo in produzione
- Perimetro iniziale limitato a un’area (per esempio procedure del servizio clienti), con contenuti ripuliti.
- Responsabili dei contenuti nominati e una revisione periodica pianificata.
- Ricerca ibrida con filtro sui permessi e recupero contestuale.
- Assistente con fonti e date, che dichiara quando non sa.
- Raccolta delle domande senza risposta e dei feedback, con un flusso per trasformarle in nuovi contenuti.
- Valutazione periodica su un set di domande di prova.
Vuoi che il tuo team trovi le risposte in secondi invece che chiedendo ai colleghi? Nella consulenza AI partiamo dai contenuti e dai processi per definire perimetro e priorità; nei progetti di software su misura integriamo la knowledge base con CRM, gestionale e area clienti.
Da dove partire questa settimana
- Chiedi a tre reparti quali sono le dieci domande che si sentono fare più spesso.
- Per ciascuna, verifica se esiste un documento valido che risponde, e dove si trova.
- Scegli un’area con molte domande ripetute e pochi documenti affidabili: sarà il primo perimetro.
- Nomina un responsabile per ciascun contenuto di quell’area e ripulisci le versioni superate.
- Prova un assistente con ricerca ibrida e fonti citate su quel perimetro, e misura le domande senza risposta.
Checklist della knowledge base aziendale
- Ogni argomento ha un solo documento valido.
- Ogni contenuto ha un responsabile e una data di aggiornamento.
- Le versioni superate sono archiviate fuori dall’indice.
- La ricerca combina parole chiave e significato.
- I frammenti indicizzati conservano il contesto del documento di origine.
- L’assistente risponde solo dalle fonti e le cita con link e data.
- L’assistente dichiara quando non trova l’informazione.
- I permessi sono applicati nella ricerca, non nelle istruzioni.
- Le domande senza risposta alimentano nuovi contenuti.
- Un set di domande di prova verifica la qualità nel tempo.
Domande frequenti
Che differenza c’è tra una knowledge base e una cartella condivisa?
Una cartella condivisa contiene file; una knowledge base contiene informazioni organizzate, con una fonte valida per ogni argomento, un responsabile e una ricerca che capisce le domande. Con un assistente AI, le persone ricevono risposte con le fonti invece di un elenco di file da aprire.
Cos’è la ricerca ibrida?
È la combinazione di ricerca per parole chiave, precisa su codici e termini esatti, e ricerca semantica, che capisce il significato anche quando le parole sono diverse. Unendo i risultati delle due si ottengono risposte migliori di quelle di ciascun metodo da solo.
L’assistente AI può inventare risposte?
Può farlo se non è progettato bene. Un assistente affidabile risponde solo sulla base dei documenti recuperati, cita le fonti e dichiara quando l’informazione manca. Va comunque verificato periodicamente con un set di domande di prova.
Quanto costa una knowledge base aziendale con AI?
La parte tecnologica può costare relativamente poco, soprattutto partendo da strumenti esistenti. Il costo principale è il tempo per mettere ordine nei contenuti e mantenerli aggiornati. È anche la parte che genera più valore.
Si può usare anche per rispondere ai clienti?
Sì, con un indice separato che contiene solo contenuti pubblicabili e con regole chiare su quando passare la richiesta a una persona. Conviene partire dall’uso interno, più tollerante agli errori, e aprire ai clienti quando la qualità è verificata.
Come si gestiscono i documenti riservati?
Applicando i permessi nella ricerca: ogni utente recupera solo i documenti che può leggere, e l’assistente risponde solo su quelli. Un’istruzione nel prompt non basta come controllo di accesso.
Fonti e approfondimenti
- Dave Ebbelaar: Build Your Own Company Wiki with AI Search
- Codice sorgente della knowledge base di esempio
- Anthropic: Contextual Retrieval
- Qdrant: query ibride
- Elastic: che cos’è la ricerca ibrida
- Morrolinux: Non archivio niente, ma trovo tutto
Vuoi che la conoscenza della tua azienda sia a portata di domanda? Parliamone: partiamo dalle domande che il tuo team si fa ogni giorno.
Consulenza AI
L’AI che ti fa risparmiare tempo.
Troviamo i lavori ripetitivi che può fare al posto tuo e li proviamo in piccolo prima di investire.