Servizi
Retrieval-augmented generation fondato sulla misurazione: BM25 ibrido più retrieval denso, reranking che sposta davvero il recall, eval set valutati dai vostri esperti di dominio e indici permission-aware che rispettano i confini di tenant e ACL. Dimensioniamo i vector store per 18 mesi di crescita del corpus, scegliamo gli embedding sui dati non sulle presentazioni dei vendor e rifiutiamo di mettere in produzione un RAG che non ha superato una regression eval. Audit da 8.500 EUR, pilot funzionanti fino a 10K documenti da 35.000 EUR, retainer di produzione da 14.000 EUR/mese.
La maggior parte dei sistemi RAG enterprise fallisce nello stesso punto critico: il retrieval. Il modello LLM va bene. Il prompt va bene. Ma recall@5 si attesta al 40%, l'utente non vede mai il chunk giusto e la risposta è plausibilmente errata. Iniziamo con la profilazione del corpus e un eval set di 200-500 domande valutate dai vostri esperti — non dalle sensazioni. Benchmarchiamo embedding, dimensioni di chunk e strategie di retrieval come parametri, non come opinioni. Il retrieval ibrido con reranking è il default perché il solo denso manca le query su SKU e numeri di clausola. Il filtraggio permission-aware è applicato al momento della query, perché il RAG mal configurato è la causa più comune di esposizione accidentale dei dati. Entro la settimana 8, avete un RAG che potete difendere alla revisione di sicurezza.
Connettori per SharePoint, Confluence, Google Drive, S3, Slack, Notion ed estrazioni da database. Splitter ricorsivi calibrati sulla distribuzione dei vostri documenti — prosa legale, doc tecnici con codice, trascritti — con overlap calibrato sul vostro eval set.
Benchmark di OpenAI, Cohere multilingual e BAAI bge sul vostro eval set. Scegliamo in base al recall@k misurato e al costo per milione di token alla vostra dimensione di corpus, non sulla leaderboard dei modelli dell'ultimo trimestre.
pgvector per meno di qualche milione di vettori quando vince la semplicità operativa, Qdrant o Weaviate per self-hosted su scala, Pinecone per managed, OpenSearch quando il retrieval ibrido è già il vostro backbone di ricerca. Dimensionato per 18 mesi di crescita.
Reciprocal rank fusion di BM25 e retrieval denso affinché le query exact-match (SKU, numeri di clausola, ID ticket) e le query parafrasate funzionino entrambe. Calibrato sul vostro eval set, non su un mix predefinito.
Reranking con cross-encoder Cohere Rerank 3 o bge-reranker-v2-m3, che solleva recall@5 del 15-30% rispetto al solo denso. Rubriche di fedeltà e answer-relevance in esecuzione in CI ad ogni modifica del prompt o dell'indice.
Metadati ACL allegati durante l'ingestione, applicati al momento della query. Isolamento dell'indice per tenant per corpus ad alta sensibilità. Verificato esplicitamente perché il RAG mal configurato è la singola fonte più comune di esposizione accidentale dei dati.
Settimane 1–2: profilo del corpus, valutazione dello stato attuale, eval set di 200-500 domande costruito con i vostri esperti di dominio, raccomandazione architetturale scritta con ADR.
Settimane 3–4: connettori, strategia di chunking, benchmark degli embedding, allestimento del vector store, mappatura dei metadati ACL, indice iniziale costruito e backfilled.
Settimane 5–7: retrieval ibrido calibrato, reranking integrato, prompt di generazione versionato in git, eval harness in esecuzione in CI, deploy customer-zero dietro un flag.
Settimana 8+: osservabilità attiva (Phoenix, TruLens, LangSmith), audit dei permessi approvato, runbook scritto, il vostro team formato sull'aggiunta di corpus e sull'espansione dell'eval set.
Due settimane. Profilo del corpus, progettazione dell'eval set, valutazione dello stato attuale se avete un RAG esistente, raccomandazione architetturale con ADR. Ideale quando non sapete ancora se il vostro RAG è rotto o il prompt lo è. 8.500 EUR fisso.
6-8 settimane per fino a 10.000 documenti. Pipeline di ingestione, vector store, retrieval ibrido, reranking, eval harness in CI, applicazione ACL, deploy customer-zero. 35.000 EUR fisso.
Mensile. Espansione del corpus, upgrade degli embedding, crescita dell'eval, calibrazione del retrieval, reperibilità per incidenti specifici del RAG. Ideale dopo che il pilot è in produzione e il corpus cresce ancora. Da 14.000 EUR/mese.
Tutti gli ingaggi iniziano con un NDA reciproco, cessione della proprietà intellettuale e un DPA. Minimo tre mesi per il retainer di produzione, poi mensile con 30 giorni di preavviso.
App iOS e Android native per firma digitale con CRM Symfony + React per uno studio legale transfrontaliero — onboarding KYC e pista probante per pratiche USA e UE.
E-commerce B2B e configuratore di prodotto per un produttore globale di polimeri con prezzi multi-regione e workflow dealer.
Piattaforma social in produzione su App Store e Google Play con geo Radar, messaggistica cifrata ed economia virtuale negli Stati Uniti e in Europa.
Conforme al GDPR · Pronto per ISO 27001 · SOC 2 Type II in corso · Compatibile HIPAA · CCPA riconosciuto
Ogni dimensione di chunk, ogni embedding, ogni mix di retrieval viene scelto in base al recall@k sul vostro eval set. Nessuna best practice importata da un blog post. Possiamo mostrarvi i numeri dietro ogni scelta.
L'applicazione delle ACL al momento della query è integrata fin dalla prima settimana, non aggiunta alla revisione di sicurezza. La verifichiamo esplicitamente perché il RAG mal configurato è il singolo incidente di sicurezza GenAI più comune.
I nostri responsabili RAG hanno gestito pipeline di rilevanza della ricerca e di embedding prima che gli LLM fossero la risposta. Discutono di recall@5 e latenza del reranker, non di quale paper è uscito la settimana scorsa.
Trattiamo il RAG come un sistema di ricerca con un passo di generazione sopra — non il contrario. Il retrieval è dove vive il valore e dove si nascondono i bug.
Un motore di decisione sui prestiti che impiega dieci volte meno tempo per approvare non avviene per caso. YuSMP ha costruito la pipeline di scoring, l’integrazione con i bureau del credito e un back-office che i nostri sottoscrittori apprezzano davvero. I tempi di approvazione sono passati da due giorni a meno di quattro ore.
Pubblichiamo decine di articoli sportivi al giorno. YuSMP ha costruito una pipeline editoriale usando un bot Telegram come CMS — i redattori pubblicano una volta sola, il contenuto arriva sul web, su iOS e su Android istantaneamente. L'architettura non richiede alcuna manutenzione quotidiana.
Il chunking è empirico, non teorico. Prima di tutto profilate il corpus: lunghezza mediana dei documenti, distribuzione dei paragrafi, struttura delle sezioni, densità delle tabelle, presenza di blocchi di codice. Per la prosa densa (legale, policy) partiamo tipicamente da 400-600 token con il 15% di overlap; per i doc tecnici con codice passiamo a splitter ricorsivi che rispettano i confini dei blocchi di codice e dei titoli; per i trascritti suddividiamo per turno del parlante più un limite di token. Poi eseguiamo una retrieval eval su tre dimensioni di chunk e scegliamo quella che massimizza recall@10 sull'eval set reale. Nessuna regola empirica batte la misurazione sui vostri dati.
Embedding: effettuiamo il benchmark di OpenAI text-embedding-3-large, Cohere embed-multilingual-v3 e BAAI bge-large sul vostro eval set; il vincitore dipende dal mix di lingue e dal dominio. Vector store: pgvector se avete già Postgres e il corpus è sotto qualche milione di vettori (vince la semplicità operativa); Qdrant o Weaviate per self-hosted su scala con metadata filtering; Pinecone quando il budget operativo è limitato e volete managed; OpenSearch quando BM25 ibrido più dense è già il vostro backbone di ricerca. Dimensioniamo l'indice per 18 mesi di crescita del corpus, non per lo snapshot di oggi.
Quasi sempre. Il retrieval puro denso manca le query exact-match (SKU prodotto, numeri di clausole contrattuali, ID ticket); il BM25 puro manca le parafrasi. Combiniamo BM25 e denso con reciprocal rank fusion, poi reranchiamo i top 50 con un cross-encoder (Cohere Rerank 3 o bge-reranker-v2-m3) fino ai top 5-10 che entrano nel prompt. Il reranking tipicamente solleva recall@5 del 15-30% rispetto al solo denso su corpus enterprise — lo misuriamo sul vostro eval set prima di raccomandarlo per la produzione.
Tre livelli di valutazione. Retrieval: recall@k, MRR e un giudice di rilevanza su un eval set di 200-500 domande costruito con i vostri esperti di dominio. Generazione: fedeltà (Ragas) più una rubrica di answer-relevance per cogliere allucinazioni e drift tematico. End-to-end: un campione valutato manualmente di 50-100 query simili alla produzione ogni settimana durante il pilot. Tutti e tre girano in CI ad ogni modifica del prompt o dell'indice. Qualsiasi regressione di livello 1 blocca il merge. L'osservabilità in produzione tramite Phoenix, TruLens o LangSmith registra ogni retrieval e generazione per l'analisi offline.
Sì, ed è il requisito di gran lunga più comune che riscontriamo. Il retrieval permission-aware applica le ACL al momento della query, non al momento dell'indicizzazione. Alleghiamo metadati di accesso (ID utente, ID gruppo, ID tenant, etichette di sensibilità) ad ogni chunk durante l'ingestione, poi filtriamo la ricerca vettoriale in base alle autorizzazioni effettive dell'utente richiedente prima del reranking. Per corpus ad alta sensibilità aggiungiamo isolamento dell'indice per tenant. I connettori SharePoint, Confluence, Google Drive e Slack supportano tutti questo quando configurati correttamente — un RAG mal configurato è una fonte comune di esposizione accidentale dei dati, quindi lo verifichiamo esplicitamente.
Tre livelli. Il RAG audit è 8.500 EUR in due settimane: profilo del corpus, valutazione dello stato attuale se avete un RAG esistente, raccomandazione architetturale e progettazione dell'eval set. Il RAG pilot è 35.000 EUR in 6-8 settimane per fino a 10.000 documenti: pipeline di ingestione, vector store, retrieval ibrido, reranking, eval harness e un deploy customer-zero. Il retainer RAG di produzione parte da 14.000 EUR/mese e copre espansione del corpus, upgrade degli embedding, crescita dell'eval e reperibilità. Il percorso tipico dal kickoff a un RAG di livello produzione è 8-12 settimane.
Approfondimenti e guide pratiche dal nostro blog per i team di prodotto e ingegneria di USA e UE.
RAG vs fine-tuning nel 2026: framework decisionale per ingegneri su quando il retrieval-augmented generation…
Leggi l'articolo →
Guida 2026 agli agenti AI enterprise: selezione del modello (Claude 4.6, GPT-4o, Gemini 2.5), orchestrazione con…
Leggi l'articolo →
Benchmark 2026 sui costi di fine-tuning LLM: prezzi GPU H100/H200/B200, budget di curation dei dataset e LoRA vs…
Leggi l'articolo →
Come le aziende integrano l’IA nel software esistente nel 2026 — casi d’uso, ERP/CRM e sistemi legacy, governance…
Leggi l'articolo →Condividete alcuni dettagli e un consulente senior risponderà entro un giorno lavorativo.