RAG (Generazione aumentata dal recupero)
Definizione breve
Il RAG permette a un modello di IA di attingere informazioni da documenti affidabili prima di scrivere la risposta, non solo dalla propria memoria.
Il RAG, generazione aumentata dal recupero, fa consultare a un modello linguistico un documento o un database specifico nel momento stesso della richiesta, invece di affidarsi solo a ciò che ha appreso durante l'addestramento. Cerca prima la fonte pertinente, poi scrive una risposta basata su di essa.
Questo metodo riduce la tendenza del modello a inventare, allucinare, su un argomento che non conosce o conosce in modo superato, perché la risposta ora attinge da una fonte mostrata invece che da schemi generali.
Un'azienda può collegare il proprio catalogo prodotti, i testi delle FAQ o i documenti di policy a un sistema RAG, così un assistente clienti parla solo a partire dai propri dati corretti.
Il RAG viene spesso confuso con il fine-tuning del modello, ma il RAG non tocca i pesi del modello, gli mostra solo un documento pertinente al momento della richiesta, mentre il fine-tuning riaddestra proprio quei pesi. In pratica lei riconosce il RAG quando la risposta include una fonte o un riferimento di pagina; se manca, il modello si affida probabilmente solo al proprio addestramento originale.
Perché conta
Impostare un sistema RAG garantisce che un assistente IA parli a partire dai dati corretti propri dell'azienda invece che dalla conoscenza generale di internet. Questo riduce fortemente il rischio di indicare un prezzo o una policy sbagliati.
Esempio illustrativo
Un fornitore di POS virtuale ha collegato il proprio assistente di supporto alla propria documentazione tecnica tramite RAG, e ha smesso di suggerire passaggi di integrazione superati.
