Retrieval-augmented generation, cioè generazione aumentata dal recupero. Il sistema recupera i passaggi pertinenti dai tuoi documenti e il modello linguistico genera la risposta partendo da quelli.

La RAG elimina le allucinazioni dell'IA?

Le riduce notevolmente per le domande sulla tua attività, perché il modello risponde dai passaggi recuperati invece che a memoria. Funziona al meglio con una knowledge base chiara e aggiornata e con un agente che ammette quando non ha trovato nulla di pertinente.

Devo riaddestrare l'IA quando cambiano le mie informazioni?

No. Con la RAG aggiorni il documento e la risposta successiva usa la nuova informazione. Non serve alcun addestramento del modello.

Quali documenti dovrei caricare?

Inizia dalle risposte alle domande più frequenti: prodotti e prezzi, consegne e resi, orari di apertura e recapiti. Aggiungine altri ogni volta che l'agente passa a una persona una domanda a cui non ha saputo rispondere.

La RAG spiegata: basa la tua IA sui dati reali dell'attività

Chiedi a un modello di IA generico qual è il periodo di reso del tuo negozio e ti darà una risposta. Sembrerà sicuro di sé. Ma potrebbe anche essersela inventata, perché il modello non ha mai visto la tua politica di reso. La retrieval-augmented generation (RAG, generazione aumentata dal recupero) è la tecnica che risolve questo problema, ed è il motivo per cui ci si può fidare di un agente IA aziendale per parlare con i clienti.

Il problema: i modelli non conoscono la tua attività

I grandi modelli linguistici imparano da enormi quantità di testo pubblico. Questo li rende fluenti, ma la loro conoscenza si ferma ai dati di addestramento, che non hanno mai incluso i tuoi prezzi, le tue scorte, i tuoi orari o le tue condizioni. Quando a un modello manca un'informazione, tende a colmare il vuoto con qualcosa di plausibile. In una conversazione con un cliente, una risposta plausibile ma sbagliata (una data di consegna, uno sconto, una condizione di garanzia) è peggio di nessuna risposta.

Come funziona la RAG, passo dopo passo

1Acquisizione: i tuoi documenti (elenchi prodotti, FAQ, condizioni, pagine del sito) vengono suddivisi in brevi passaggi.
2Indicizzazione: ogni passaggio viene convertito in una rappresentazione numerica (un embedding) che ne cattura il significato, così può essere cercato per significato invece che per parole esatte.
3Recupero: quando un cliente fa una domanda, il sistema trova i passaggi più pertinenti.
4Generazione: il modello linguistico scrive la risposta usando quei passaggi come fonte, invece di basarsi su ciò che gli capita di ricordare.

Poiché il recupero cerca per significato, un cliente che chiede “posso rimandarlo indietro?” trova comunque il tuo passaggio intitolato “Resi e cambi”, anche se nessuna parola coincide.

Perché la RAG è importante per l'assistenza clienti

Precisione: le risposte provengono dalle tue informazioni, quindi prezzi e condizioni corrispondono a ciò che offri davvero.
Aggiornamenti semplici: modifichi un documento e le risposte dell'agente cambiano di conseguenza, senza riaddestramento.
Lacune dichiarate: quando non viene recuperato nulla di pertinente, l'agente può dire che non lo sa e passare la conversazione a una persona.
Un'unica fonte per tutti i canali: la stessa knowledge base risponde su WhatsApp, Instagram e Facebook.

Come preparare una knowledge base che funzioni

La RAG può recuperare solo ciò che le fornisci, quindi la qualità dei tuoi documenti determina la qualità delle risposte. Alcune abitudini fanno una grande differenza:

Scrivi le risposte alle domande che ricevi più spesso, in un linguaggio semplice, un argomento per sezione.
Includi i dettagli che i clienti chiedono: prezzi, taglie, tempi di consegna, zone servite, orari di apertura.
Elimina i documenti obsoleti invece di lasciare versioni vecchie e nuove una accanto all'altra.
Rileggi le conversazioni che l'agente ha passato a una persona: di solito ognuna indica una risposta mancante da aggiungere.

La RAG in Neksio

Ogni agente Neksio usa la RAG. Carichi i documenti (e, con i piani a pagamento, il tuo sito web e le FAQ) e l'agente risponde partendo da quelli su WhatsApp, Instagram e Facebook. Per un quadro più ampio di come gli agenti differiscono dai chatbot, leggi cosa sono gli agenti IA.

Crea gratis un agente basato sulla RAG

Inizia con un solo documento e aggiungine altri strada facendo.

Domande frequenti

Cosa significa RAG?: Retrieval-augmented generation, cioè generazione aumentata dal recupero. Il sistema recupera i passaggi pertinenti dai tuoi documenti e il modello linguistico genera la risposta partendo da quelli.
La RAG elimina le allucinazioni dell'IA?: Le riduce notevolmente per le domande sulla tua attività, perché il modello risponde dai passaggi recuperati invece che a memoria. Funziona al meglio con una knowledge base chiara e aggiornata e con un agente che ammette quando non ha trovato nulla di pertinente.
Devo riaddestrare l'IA quando cambiano le mie informazioni?: No. Con la RAG aggiorni il documento e la risposta successiva usa la nuova informazione. Non serve alcun addestramento del modello.
Quali documenti dovrei caricare?: Inizia dalle risposte alle domande più frequenti: prodotti e prezzi, consegne e resi, orari di apertura e recapiti. Aggiungine altri ogni volta che l'agente passa a una persona una domanda a cui non ha saputo rispondere.