RAG sulla documentazione tecnica: cosa funziona e cosa no

Il Retrieval-Augmented Generation è l’applicazione AI più vicina al manifatturiero: avete migliaia di pagine di documentazione tecnica che nessuno legge più. Ecco dove funziona e dove no.

Dove funziona

• Ricerca con linguaggio naturale su manuali e specifiche: “qual è la coppia di serraggio del modello X?” — la risposta arriva con la pagina citata, verificabile in cinque secondi.
• Assistenza al banco: operatori che interrogano procedure di manutenzione senza navigare archivi PDF di 300 pagine.
• Controllo di coerenza: confrontare una nuova offerta con i capitolati precedenti del cliente e segnare le differenze — lavoro umano che diventa un controllo, non una sostituzione.

Dove non funziona

• Domande che richiedono calcolo vero: il RAG recupera testo, non ragiona su tabelle orarie o vincoli di produzione. Per quelli servono strumenti deterministici — un buon LLM locale può scrivere la query, il calcolo resta al sistema.
• Documentazione spazzatura: se i vostri PDF sono scansioni del 1998, prima c’è il lavoro sporco di data preparation. Chi ve lo nasconde vi sta vendendo un fallimento lento.
• Risposte senza fonte: un sistema RAG senza citazione delle pagine è un generatore di leggenda metropolitana industriale. La fonte cliccabile è un requisito non negoziabile.

Il pattern che raccomandiamo

Indice vettoriale locale, modelli small-medium (7B-70B) a seconda del compito, valutazione con domande reali preparate dal capo tecnico, e una regola di fallback: se il documento non contiene la risposta, il sistema deve dirlo. La fiducia in fabbrica si costruisce così: pochi errori, tutti verificabili.