Interroga i tuoi sistemi in linguaggio naturale. Verifica ogni risposta.
La conoscenza aziendale raramente vive in un solo posto. È distribuita tra documenti, database, applicazioni ERP e CRM, sistemi di ticketing, piattaforme collaborative e servizi interni.
LEAF lavora con i tuoi team IT e di business per creare un'interfaccia in linguaggio naturale attraverso questi sistemi, ancorando le risposte alle informazioni che l'utente è autorizzato a consultare e mantenendo visibili le fonti utilizzate.
Perché conta
La tua azienda ha già molte delle risposte. Il problema è trovarle.
Le policy vivono negli archivi documentali. Il contesto sui clienti nel CRM. Le informazioni operative nei database. Le decisioni di progetto negli strumenti collaborativi e nei ticket. La conoscenza tecnica è distribuita tra manuali, repository e servizi interni.
La ricerca tradizionale tratta spesso queste fonti separatamente. Un livello conversazionale può offrire un unico punto di accesso, ma solo se retrieval, permessi, provenienza e confini tra sistemi vengono progettati insieme.
L'obiettivo non è creare un'altra copia della conoscenza aziendale. È rendere più semplice interrogare i sistemi che già la contengono.
Una domanda, più sistemi
La risposta può arrivare da più di una fonte.
Un assistente aziendale utile deve sapere dove cercare, quando recuperare informazioni, quando interrogare dati strutturati e quando è più appropriato richiamare uno strumento controllato.
Documenti
Contratti, manuali, policy, report, email e altre informazioni non strutturate possono essere indicizzati e recuperati mantenendo la provenienza a livello di pagina o passaggio.
Database
I record strutturati possono essere raggiunti attraverso query controllate o un livello semantico, invece di trattare i dati relazionali come se fossero semplici documenti.
Applicazioni aziendali
ERP, CRM, sistemi di ticketing e piattaforme collaborative possono esporre le informazioni pertinenti attraverso API e modelli di accesso supportati.
Sistemi di ricerca
Ricerca semantica e keyword search possono essere combinate con filtri sui metadati e reranking per individuare le evidenze più pertinenti.
API e strumenti interni
Strumenti definiti possono esporre funzionalità aziendali specifiche attraverso schemi, perimetri e gestione degli errori espliciti.
Modelli linguistici
I modelli interpretano la domanda e il contesto recuperato, ma non sostituiscono i sistemi che rimangono la fonte di riferimento.
Dalla domanda alle evidenze
Recupera. Verifica l'accesso. Rispondi. Cita.
Comprendi
Interpreta ciò che l'utente sta realmente chiedendo
L'assistente individua intento, sistemi pertinenti e se la richiesta richiede retrieval, dati strutturati o uno strumento definito.
Autorizza
L'accesso dipende da chi sta chiedendo
Identità e permessi determinano quali fonti, record e strumenti la richiesta può raggiungere.
Recupera o richiama
Usa il percorso corretto per quell'informazione
I documenti possono passare dal retrieval. I dati strutturati possono usare query validate. Le funzionalità aziendali possono essere raggiunte attraverso strumenti o API espliciti.
- Recupera
- Interroga
- Richiama
Genera
Costruisci la risposta sulle evidenze disponibili
Il modello lavora con le informazioni restituite dalle fonti autorizzate invece di affidarsi soltanto a ciò che ha appreso durante l'addestramento.
Cita
Mantieni le evidenze collegate
Documenti, record o risposte dei sistemi rimangono visibili affinché l'utente possa verificare da dove proviene la risposta.
Non tutti i dati sono documenti
Fonti diverse richiedono modalità di accesso diverse.
Un PDF e una transazione ERP non dovrebbero essere trattati automaticamente allo stesso modo.
Non strutturati
L'informazione si trova all'interno dei contenuti.
- Estrai
- Suddividi
- Indicizza
- Recupera
Esempi
- Contratti
- Manuali
- Policy
- Report
- Ticket
- Presentazioni
- Documenti scansionati
Approccio
Estrazione, chunking, metadati, ricerca, reranking e retrieval a livello di passaggio sono appropriati quando l'informazione rilevante si trova all'interno dei contenuti.
Strutturati
Valori, relazioni e aggregazioni devono restare corretti.
- Query validata
- Livello semantico
- API controllata
Esempi
- Ordini
- Clienti
- Magazzino
- Misurazioni
- Transazioni
- Progetti
- Asset
- Interventi di assistenza
Approccio
Query validate, livelli semantici o API controllate sono spesso più sicuri quando valori, relazioni e aggregazioni devono restare strutturalmente corretti.
L'architettura sceglie la modalità di accesso in base alla fonte, invece di costringere ogni sistema aziendale nella stessa pipeline di retrieval-augmented generation (RAG). Non tutto va trasformato in embedding e suddiviso in chunk.
Prima l'identità, poi l'intelligenza
La stessa domanda può avere una risposta diversa per utenti diversi.
La conoscenza aziendale non può essere separata dal controllo degli accessi. Un assistente utile deve sapere sia quali informazioni esistono sia che cosa l'utente autenticato è autorizzato a vedere o a fare.
Stessa domanda
autorizzato fuori perimetro
Identità esistente
Le architetture possono integrarsi con l'identity provider dell'organizzazione, così ogni richiesta parte da un utente autenticato e non da un super-utente anonimo.
Retrieval basato sui permessi
Permessi delle fonti e metadati di accesso vengono progettati all'interno del retrieval, così i risultati possono essere filtrati in base al perimetro autorizzato dell'utente.
Strumenti con perimetro definito
L'accesso a strumenti e API segue il principio del privilegio minimo. Le operazioni di scrittura possono richiedere una conferma esplicita o l'approvazione umana quando le conseguenze lo giustificano, e le chiamate agli strumenti possono essere registrate per la revisione.
Leggere e agire sono cose diverse
Accedere a un'informazione non dà automaticamente il permesso di modificarla.
Consultare una policy, leggere la scheda di un cliente e aggiornare un ordine nell'ERP sono tre operazioni diverse, con profili di rischio diversi.
Quando un'interfaccia conversazionale espone strumenti, ogni strumento dovrebbe avere uno scopo, uno schema e un perimetro di permessi espliciti. Le azioni con conseguenze possono richiedere una conferma o una revisione umana.
È qui che Dialogo con i sistemi aziendali incontra Automazione AI: l'interfaccia può individuare e preparare un'azione, mentre l'esecuzione del flusso di lavoro resta governata dai controlli adatti al processo.
Scopri Automazione AILettura
Consultare una policy
Permessi sul documento
Lettura
Leggere la scheda di un cliente
Perimetro a livello di record
Scrittura
Aggiornare un ordine ERP
Conferma o approvazione umana
Prima le evidenze
Una risposta aziendale deve poter essere verificata.
Una risposta fluida non basta. Le persone devono capire quale documento, record o risposta di sistema la sostiene.
Le architetture che progettiamo mantengono la provenienza collegata al risultato, così le persone possono aprire la fonte originale, esaminare il contesto e decidere se la risposta è sufficientemente supportata.
Quando le evidenze disponibili non bastano, il comportamento desiderato non è improvvisare con sicurezza, ma dichiarare che la risposta non può essere supportata con le informazioni oggi disponibili.
Risposta
Fonte 01Policy.pdf · p. 14
Evidenza
Fonte 02CRM · Scheda account
Evidenza
Fonte 03Service desk · INC-xxxx
Evidenza
Evidenze insufficienti
Le fonti disponibili non consentono di sostenere una risposta a questa domanda.
Il retrieval è un problema ingegneristico
La qualità della ricerca determina su cosa il modello potrà ragionare.
Anche il miglior modello linguistico non può usare informazioni che il retrieval non ha trovato. Per questo la ricerca aziendale va valutata come un sistema a sé.
- Fonte
- Parsing
- Metadati
- Ricerca
- Reranking
- Evidenze
Ingestion
Estrarre testo, struttura e metadati da ogni fonte senza perdere il contesto che servirà in seguito.
Ricerca
Combinare retrieval semantico e lessicale dove serve, invece di presumere che una sola strategia di ricerca funzioni per ogni corpus.
Metadati
Conservare fonte, responsabile, tipo di documento, date e altri campi utili per il filtraggio e la tracciabilità.
Reranking
Riordinare le evidenze candidate in base alla domanda effettiva prima di passarle alle fasi successive.
Valutazione
Testare il retrieval con domande di riferimento reali e con le evidenze attese a supporto.
I modelli sono un componente, non l'architettura
Scegli il modello in base al compito e ai vincoli.
Il livello conversazionale non dovrebbe essere progettato per default attorno a un unico fornitore di modelli. La scelta dipende da lingua, qualità sul compito, latenza, esigenze di contesto, vincoli di deployment, policy sui dati e risultati della valutazione.
API commerciali e modelli open-weight ospitati privatamente possono entrambi trovare posto nell'architettura. La scelta giusta si fa per ogni incarico e può cambiare con l'evoluzione dei modelli.
Panorama tecnologico
Progettato attorno ai sistemi che già usi.
I sistemi che espongono un'API, un database o dei file possono essere valutati per il collegamento. Questi sono esempi ricorrenti nei diversi livelli dell'architettura.
Esempi, non uno stack fisso e obbligatorio. Le tecnologie vengono scelte in base ai sistemi, ai dati e ai requisiti di ogni incarico.
I nomi dei prodotti sono citati solo come riferimento e non indicano partnership con i fornitori né loro approvazioni.
ERP e CRM
- SAP
- Oracle
- Microsoft Dynamics 365
- Salesforce
- HubSpot
- Odoo
Documenti e collaborazione
- Microsoft 365
- SharePoint
- OneDrive
- Teams
- Google Workspace
- Confluence
- Notion
- Slack
Sistemi IT e di progetto
- ServiceNow
- Jira
- Zendesk
- GitHub
- GitLab
Database e piattaforme dati
- PostgreSQL
- MySQL
- Microsoft SQL Server
- Oracle Database
- MongoDB
- Snowflake
- Databricks
- BigQuery
Ricerca e vector store
- Elasticsearch
- OpenSearch
- pgvector
- Qdrant
- Weaviate
- Milvus
Modelli
- OpenAI GPT
- Anthropic Claude
- Google Gemini
- Mistral
- Llama
- Qwen
- altri modelli open-weight adatti
Framework e interfacce
- LangChain
- LlamaIndex
- Model Context Protocol (MCP)
- REST
- GraphQL
- SQL
- webhook
Identità
- Microsoft Entra ID
- Active Directory / LDAP
- Okta
- Google Identity
- SAML
- OpenID Connect
File
- Documenti Office
- Archivi email
- Documenti scansionati / OCR
- CSV
- Fogli di calcolo
- Immagini
Il deployment segue i dati
Cloud, cloud privato o on-premises.
Retrieval, esecuzione dei modelli e orchestrazione non devono per forza girare nello stesso posto per ogni organizzazione.
Cloud
Adatto quando AI esterna e infrastruttura gestita sono compatibili con i requisiti operativi e sui dati dell'organizzazione.
Cloud privato
Infrastruttura dedicata e rete controllata quando servono un isolamento più forte o un maggiore controllo sul deployment.
On-premises
Modelli, indici e orchestrazione possono essere eseguiti su infrastruttura controllata dall'organizzazione quando i dati non possono uscire dal suo perimetro.
Scelta del modello, hardware, controlli di sicurezza e compromessi sulle prestazioni vengono valutati per ogni progetto.
Scopri AI confidenzialeValidazione
Una risposta convincente in demo non è una prova di produzione.
Un assistente aziendale va valutato sulle domande, sulle fonti e sulle regole di accesso dell'ambiente in cui dovrà operare.
Valutato rispetto a
- Domande di riferimento
- Evidenze attese
- Regole di accesso
Correttezza della risposta
La risposta riflette correttamente le evidenze aziendali disponibili?
Accuratezza delle citazioni
Le fonti citate sostengono davvero le affermazioni a cui sono collegate?
Qualità del retrieval
Il sistema ha trovato, prima di tutto, le informazioni necessarie per rispondere?
Comportamento di rifiuto
L'assistente evita di inventare una risposta quando le evidenze disponibili non bastano?
Rispetto dei permessi
L'accesso resta coerente con l'identità, il ruolo e i permessi dei sistemi di origine dell'utente?
Correttezza degli strumenti
Quando gli strumenti sono abilitati, vengono richiamate le operazioni giuste, con parametri validi e dentro il perimetro autorizzato dell'utente?
Dove si applica
Quando servono risposte attraverso più sistemi, non un'altra casella di ricerca.
Conoscenza interna
Trovare policy, procedure, manuali e conoscenza istituzionale nei diversi archivi, mantenendo visibile la fonte a supporto.
Contesto clienti e account
Riunire le informazioni autorizzate provenienti da CRM, ticket, documenti e altri sistemi quando serve una vista d'insieme.
Operazioni e supporto
Cercare in manuali, incidenti, informazioni sugli asset e storico degli interventi prima di preparare una risposta o il passo successivo consigliato.
Conoscenza tecnica e ingegneristica
Consultare specifiche, documentazione di progetto, issue tracker, repository e documentazione tecnica da un'unica interfaccia di interrogazione.
Processi ad alta intensità documentale
Trovare evidenze tra contratti, report, corrispondenza e record strutturati senza che l'utente debba sapere quale archivio contiene la risposta.
Analisi e management
Porre domande che richiedono di combinare informazioni da più fonti aziendali autorizzate prima di produrre una sintesi tracciabile.
Schemi illustrativi, non descrizioni di progetti specifici presso clienti.
Il metodo LEAF
Scout. Connect. Unlock.
Advisory guida la valutazione e l'architettura, Labs aggiunge l'ingegneria per il pilota e l'integrazione, Academy prepara le persone che useranno e gestiranno il risultato.
01/ Scout
Parti dalle domande a cui le persone hanno davvero bisogno di rispondere
Insieme ai team di business e IT mappiamo sistemi, fonti di dati, modello di accesso e domande di riferimento. Individuiamo che cosa va recuperato, interrogato o collegato e dove un modello linguistico aggiunge valore.
02/ Connect
Costruisci un pilota circoscritto su fonti reali
Co-progettiamo l'architettura e colleghiamo un insieme limitato di fonti aziendali reali. La valutiamo con un insieme di domande di riferimento costruito con gli esperti di dominio: correttezza delle risposte, qualità del retrieval, accuratezza delle citazioni e comportamento di rifiuto.
03/ Unlock
Integralo nel modo in cui le persone lavorano
Integriamo identità, monitoraggio, logging e l'esperienza utente prevista, poi prepariamo i team che lo useranno e lo gestiranno a comprenderne sia le capacità sia i limiti.
Capability collegate
Il livello conversazionale è solo una parte dell'architettura.
Automazione AI
Quando il sistema deve andare oltre la ricerca di informazioni ed eseguire un flusso di lavoro aziendale governato.
Scopri Automazione AIAI confidenziale
Quando modelli, indici e orchestrazione devono girare dentro infrastrutture o perimetri controllati dall'organizzazione.
Scopri AI confidenzialeLEAF Academy
Quando utenti e manutentori hanno bisogno delle competenze per adottare, valutare e gestire efficacemente il sistema risultante.
Scopri LEAF AcademyCosa non risolve da solo
Un accesso migliore non rende affidabili informazioni deboli.
L'obiettivo non è far sembrare competente un modello. È progettare un'interfaccia le cui risposte possano essere valutate rispetto ai sistemi aziendali che contengono davvero le informazioni.
- Le risposte sono affidabili quanto le fonti a disposizione del sistema.
- Dati aziendali obsoleti, contraddittori o incompleti possono produrre risposte incomplete o fuorvianti.
- Retrieval e citazioni riducono il rischio, ma non eliminano gli errori dei modelli linguistici.
- Una citazione non dimostra automaticamente che l'interpretazione generata sia corretta.
- Un'architettura basata sui permessi non sostituisce la governance delle identità e degli accessi dell'organizzazione.
- Non tutte le domande richiedono un modello linguistico.
- Non tutti i sistemi vanno collegati.
- Non tutte le azioni richieste vanno automatizzate.
- I dati strutturati possono richiedere query deterministiche invece di una generazione libera.
- La qualità in produzione va misurata con le domande, le fonti e i flussi di lavoro reali dell'organizzazione.
Inizia da un sistema e da un insieme di domande reali.
Raccontaci dove i tuoi team cercano oggi le informazioni, quali sistemi le contengono e quali domande sono difficili da risolvere. Possiamo valutare insieme se un'interfaccia in linguaggio naturale è l'approccio corretto e quali fonti dovrebbe collegare per prime un progetto pilota basato su evidenze.