// TOM'S HARDWARE ITALIA — MONDO
Se i documenti aziendali sono un pasticcio, non c'è AI che ti salverà
Ogni progetto di AI aziendale comincia con lo stesso gesto: collegare i sistemi, spezzare i documenti in frammenti, generare le rappresentazioni vettoriali, costruire una catena di recupero. Poi si ripete, per la seconda applicazione, per la terza, per ogni reparto che ottiene il suo budget. Un ingegnere dei dati con tredici anni di mestiere lo ha ricostruito il 23 agosto in un contributo esterno: squadre diverse processano gli stessi documenti, mantengono indici e vettori separati, e creano rappresentazioni incoerenti della stessa conoscenza aziendale.
Lo spreco duplicato è visibile, ed è anche la parte meno costosa della faccenda. La parte che costa arriva quando le copie cominciano a divergere: un listino viene corretto alla fonte, e la correzione raggiunge l'indice del commerciale in un'ora, quello dell'assistenza clienti la notte successiva, quello del team di prodotto alla prossima reindicizzazione programmata.
Dentro quella finestra, che nessuno misura, due agenti interrogati sullo stesso oggetto rispondono da due versioni diverse della stessa verità. La disponibilità non garantisce coerenza, e i sistemi di recupero sono costruiti per ottimizzare la prima.
Il fastidio è che nessuno la vede accadere. Un indice disallineato non genera un errore, non riempie un file di log, non fa scattare nessuna soglia di monitoraggio: continua a rispondere, con la stessa faccia sicura di sempre. Il guasto silenzioso resta il peggiore da diagnosticare, perché per accorgersene bisogna già sospettare.
Un agente a cui manca il dato ha un comportamento leggibile: dichiara il vuoto, oppure produce una risposta vaga che l'utente riconosce come tale. Quel caso genera un ticket, una segnalazione, al limite una risata in chat.
Un agente che trova due versioni incompatibili dello stesso fatto ne sceglie una e risponde comunque, con la stessa lunghezza e la stessa sicurezza. Nessuna metrica di copertura del recupero intercetta la contraddizione, che passa senza attrito.
Il materiale su cui accade è quello ordinario di qualunque azienda: lo stesso prodotto, lo stesso cliente, lo stesso processo descritti in modo diverso o addirittura contraddittorio fra documenti, ticket di assistenza, codice sorgente, sistemi di gestione dei clienti e metadati. Nessuno di quei sistemi mente: ognuno registra la verità del momento, con le convenzioni del reparto che lo ha compilato. Il conflitto nasce dall'assemblaggio, quando un modello legge in sequenza cinque fonti scritte in cinque momenti diversi e le tratta come una sola.
Qualche numero esiste, e conviene maneggiarlo con le pinze. Un lavoro sulla deduplicazione dei corpus per il recupero misura una riduzione del 24,03% dei byte su un corpus aziendale, quasi tutta da versioni multiple dello stesso documento e testo di contorno ripetuto, contro lo 0,16% ottenuto su un corpus accademico pulito. Il campione è di 1.526 passaggi e l'autore è affiliato a un fornitore che vende in quel mercato, quindi resta un ordine di grandezza.
Sul comportamento dei modelli davanti a fonti in conflitto c'è il dataset RAMDocs, costruito mescolando ambiguità, disinformazione e rumore. Su quel materiale un modello aperto di grande taglia si ferma a 32,60 di corrispondenza esatta. I metodi multi-agente proposti guadagnano fino a 11,40 punti su un compito e 15,80 assoluti su un altro, il che conferma quanto il conflitto fra fonti degradi le risposte.
Sono prove comparative accademiche, costruite apposta per far litigare le fonti, e tacciono su quante volte sbaglia il vostro assistente: la conversione in tasso aziendale è un abuso. Che gli agenti falliscano sui dati prima che sul modello è comunque acquisito, e c'è chi ha misurato che usano meno dati di quanti l'azienda ne possieda.