Assistente AI sui documenti aziendali: come funziona

Posso fare domande ai miei documenti?

Sì. Un assistente sui documenti aziendali è un sistema di intelligenza artificiale (IA) che, a ogni domanda, cerca nei manuali, nelle procedure, nelle offerte e nei certificati dell’azienda i passaggi pertinenti e risponde citando da dove viene l’informazione. Non è la «chat con il PDF» di un file alla volta, e non è un modello riaddestrato sui documenti: è una tecnica, chiamata RAG (retrieval-augmented generation, generazione con recupero di informazioni), che lascia il modello com’è e gli mette davanti i documenti giusti al momento giusto.

La tecnologia di AI più diffusa fra le imprese italiane che la usano è già quella che legge i documenti. Fra quelle che usano l’intelligenza artificiale, la tecnologia più comune è «l’estrazione di conoscenza e informazione da documenti di testo», al 70,8% (ISTAT, dicembre 2025). Sul totale delle imprese con almeno dieci addetti l’analisi del linguaggio scritto è all’11,6%, in linea con la media europea; nella manifattura l’Italia è sopra la media, nella metallurgia e nei prodotti in metallo sotto (Eurostat, dati 2025). Lo stesso rapporto ISTAT dice che per il 45,2% delle imprese che hanno valutato l’AI senza adottarla l’ostacolo è la mancanza o la scarsa qualità dei dati: per un assistente sui documenti, i dati sono i documenti.

Le condizioni per cui funziona sono tre, e sono il filo di questa guida: documenti leggibili, con una sola versione in vigore e qualcuno che li tiene aggiornati; permessi dell’archivio in ordine, perché l’assistente mostra a ciascuno ciò che può già vedere; una misura della qualità fatta con domande vere, prima di estenderlo a tutti.

Come funziona, senza gergo

Cinque passi, che tutti i grandi fornitori descrivono allo stesso modo.

1. L’indice. I documenti autorizzati vengono letti e spezzati in pezzi di poche centinaia di parole, possibilmente seguendo titoli e paragrafi: Microsoft suggerisce di partire da pezzi di circa 512 token con una sovrapposizione del 25%, Amazon usa pezzi di circa 300 token per impostazione predefinita. Ogni pezzo ricorda da quale documento e da quale pagina viene. L’insieme dei documenti autorizzati è la base di conoscenza (knowledge base) dell’assistente.
2. L’embedding. Ogni pezzo viene trasformato in una serie di numeri che ne rappresenta il significato (embedding), e salvato in un archivio fatto per cercare «per somiglianza».
3. La ricerca. La domanda viene trasformata allo stesso modo e confrontata con i pezzi: escono i più vicini per significato, anche se non hanno parole in comune. Ma la ricerca per significato da sola perde i codici esatti: Anthropic porta l’esempio di un codice di errore, «TS-999», che un modello di embedding può non trovare perché «capisce» i codici di errore in generale. In un’azienda manifatturiera è il caso normale: codici articolo, numeri di disegno, sigle di lega, numeri di certificato. Per questo i sistemi seri affiancano alla ricerca semantica una ricerca per parole esatte, detta ibrida.
4. La risposta. I pezzi trovati vengono messi davanti al modello insieme alla domanda e a un’istruzione del tipo «rispondi solo con i documenti recuperati, cita ogni affermazione, e se i documenti non bastano dillo». La citazione della fonte, con documento e pagina, è parte della tecnica, non un’aggiunta.
5. L’aggiornamento. I documenti cambiano e l’indice non si aggiorna da solo: a ogni modifica va risincronizzato, in modo incrementale.

Un caso in cui la RAG non serve: quando l’archivio sta tutto nella finestra di contesto del modello. Anthropic, in un articolo tecnico del 2024, indicava la soglia in circa 200.000 token, cioè circa 500 pagine; oggi alcuni modelli hanno finestre più ampie, ma il criterio resta lo stesso: il manuale di una pressa o il fascicolo di una gara si leggono interi; l’archivio delle offerte di dieci anni no.

L’esempio di tutti i giorni: un operatore chiede «che cosa significa l’allarme E-47 sulla pressa e come si resetta?». L’assistente trova il codice alla lettera nel manuale, legge il paragrafo, risponde con la procedura e indica la pagina. Se la procedura rimanda a una figura, dice che la figura non l’ha letta.

Che cosa serve all’azienda: i documenti

In una PMI manifatturiera i documenti che contano sono quasi sempre gli stessi: manuali di uso e manutenzione delle macchine; procedure e istruzioni del sistema qualità con i moduli collegati; offerte e contratti degli ultimi anni; capitolati e disegni dei clienti; certificati di collaudo, di materiale e di taratura; schede di sicurezza; listini e condizioni di fornitura; verbali; tabelle del gestionale. Perché un assistente li usi bene, devono essere:

• testo vero, non immagini: i PDF scansionati vanno passati prima dall’OCR, e la resa su timbri, moduli compilati a mano e fotocopie va provata sui documenti dell’azienda, non dichiarata;
• in una sola versione, con una data: due versioni della stessa procedura danno due risposte diverse, e l’assistente non sa quale vale;
• con titoli e paragrafi: spezzare secondo la struttura del documento migliora le risposte, lo dice Microsoft nella documentazione del suo motore di ricerca;
• con tabelle e figure trattate a parte: il lettore di base estrae solo il testo; per figure, grafici e tabelle serve un lettore aggiuntivo, con un costo per pagina e una verifica; i PDF densi, con molte pagine a carattere piccolo o tabelle complesse, riempiono la finestra di contesto prima del limite di pagine;
• senza cifratura né password: Microsoft avverte che l’agente non legge i file protetti anche quando l’utente può aprirli;
• completi dei documenti richiamati: i collegamenti dentro un documento non vengono seguiti; la procedura che rimanda al modulo M-07 va caricata insieme al modulo;
• con codici e sigle scritti in modo uniforme, perché la ricerca esatta conta quanto quella per significato.

Serve poi una persona che sappia dire quali documenti sono aggiornati, e una regola per la sincronizzazione. Le domande a cui l’assistente non sa rispondere diventano l’elenco dei documenti da scrivere: è uno dei risultati più utili del pilota.

Permessi, riservatezza, dati personali

La regola di tutti i fornitori è la stessa: l’assistente mostra a ciascuno ciò che quella persona può già vedere nell’archivio di origine, e l’indice non allarga né restringe gli accessi. Sono i permessi ereditati. La conseguenza è che il problema non è l’assistente, ma la condivisione interna troppo larga: una cartella aperta a tutta l’azienda per comodità, con dentro i listini di acquisto o i disegni di un cliente, diventa visibile a tutti anche nelle risposte. Microsoft dedica una guida intera a sistemare questa condivisione prima di accendere Copilot. I progetti di ChatGPT e di Claude e i notebook di Gemini funzionano al contrario: chi ha accesso al progetto vede tutta la sua conoscenza. Vanno bene per un fascicolo omogeneo, non per l’archivio.

• Il segreto commerciale. Il Codice della proprietà industriale tutela le informazioni segrete con valore economico solo se sottoposte a «misure da ritenersi ragionevolmente adeguate a mantenerle segrete» (articolo 98). I permessi dell’assistente sono anche una di queste misure.
• I dati personali. I documenti interni contengono nomi, firme e note di dipendenti, clienti e fornitori, e l’indice li copia. Vale il principio di minimizzazione del GDPR: i curriculum nelle cartelle del personale, i verbali disciplinari, le pratiche degli infortuni restano fuori dall’indice, o in un indice con permessi stretti; se l’assistente è di un fornitore esterno serve il contratto sul trattamento dei dati e va deciso dove i documenti risiedono. Se si indicizzano in modo sistematico dati di molte persone, la valutazione d’impatto è una domanda da fare al consulente privacy.
• La posta dei dipendenti è un caso a parte. Indicizzare le caselle di posta in un assistente non è «un documento in più»: è uno strumento da cui può derivare un controllo a distanza, con le regole dell’articolo 4 dello Statuto dei lavoratori, e tratta dati di terzi. Il Garante ha un documento di indirizzo del giugno 2024 proprio sui programmi di posta in cloud che raccolgono i metadati dei dipendenti. Si decide con il consulente del lavoro e con il privacy, non con l’informatico.
• L’informativa ai lavoratori richiamata dalla legge 132/2025 (articolo 1-bis del decreto legislativo 152/1997) riguarda i sistemi decisionali o di monitoraggio integralmente automatizzati: un assistente che risponde sui manuali di norma non lo è; lo diventerebbe se usato per valutare o sorvegliare le persone.

Le opzioni pronte

Opzione	Dove stanno documenti e indice	Permessi	Limiti dichiarati	Requisiti
Microsoft Copilot (fino all’autunno 2026 Microsoft 365 Copilot) e agenti in SharePoint	Nel tenant Microsoft 365; per i clienti europei nell’EU Data Boundary, modelli di Anthropic esclusi	Quelli di SharePoint, per utente; l’indice non li cambia	Solo contenuti che l’utente vede; file cifrati non letti; collegamenti non seguiti; condivisione larga da sistemare prima	Licenza Copilot aggiuntiva, o uso a consumo per gli agenti
Copilot Studio (agente su misura, con poco codice)	Fonti scelte: siti SharePoint, elenchi, connettori	Autenticazione dell’utente: solo ciò che può vedere	Lettura minima richiesta sulle fonti; citazioni non riusabili da altri strumenti	Copilot Studio
ChatGPT Business o Enterprise con il plugin Company Knowledge	Nelle app collegate (SharePoint, Drive, Slack) e, se sincronizzate, negli indici di OpenAI	Quelli delle app collegate, per utente	Plugin da installare, app da autorizzare	ChatGPT Business, Enterprise o Edu
ChatGPT progetti e GPT con file	File caricati nello spazio di OpenAI	Chi vede il progetto vede i file	40 file per progetto nei piani aziendali, 10 per GPT, 512 MB e 2 milioni di token per file	Piano con i progetti
Claude progetti, con RAG automatica	File caricati su Anthropic, archiviazione negli Stati Uniti	Condivisione per progetto, solo Team ed Enterprise	Quando la conoscenza supera la finestra, Claude passa alla RAG «fino a 10 volte» la capacità; nuova versione dei progetti in prova	Piani a pagamento; condivisione solo Team ed Enterprise
Claude con un connettore MCP verso l’archivio	Nell’archivio dell’azienda, interrogato dai server di Anthropic	Nel connettore, con la credenziale di ciascun utente	Il connettore va costruito; una credenziale condivisa dà a tutti lo stesso accesso	Team o Enterprise per aggiungerlo all’organizzazione
Gemini Notebook (fino a luglio 2026 NotebookLM)	Fonti caricate su Google, non usate per addestrare	Per notebook, con condivisione esplicita	500.000 parole o 200 MB per fonte, 50 fonti per gli utenti gratuiti, solo testo dalle pagine web	Account Google; limiti più alti con un piano Workspace idoneo
Gemini Notebook Enterprise	Nel progetto Google Cloud dell’azienda, con residenza dei dati	Per notebook, lettore o editor	Come sopra, con amministrazione nel progetto Cloud	Google Cloud

Due note di lettura. I nomi cambiano: Microsoft 365 Copilot si chiama Microsoft Copilot dall’autunno 2026, NotebookLM è diventato Gemini Notebook, i connettori di ChatGPT si chiamano app collegate. E le pagine dei fornitori cambiano ogni poche settimane: la tabella vale alla data in cima a questa guida. Per il confronto fra gli assistenti in generale, con addestramento, conservazione e contratti, c’è la guida ChatGPT, Copilot e Claude: usare l’AI in azienda.

Le opzioni su misura

Quando l’archivio ha permessi diversi per reparto, fonti che cambiano e un gestionale da collegare, si costruisce un indice proprio, dentro il cloud dell’azienda o sui suoi server, e il modello risponde attraverso le API con un contratto aziendale.

• Azure AI Search con Microsoft Foundry: permessi a livello di singolo documento, dall’indicizzazione alla risposta, con quattro meccanismi fra cui i gruppi di Microsoft Entra e le etichette di riservatezza; citazioni con titolo e nome del file; OCR e lettura di tabelle e immagini con servizi aggiuntivi.
• Amazon Bedrock Knowledge Bases: la RAG pronta, con ingestione, pezzi, embedding e indice; risposte con citazioni dirette dalle fonti; file fino a 50 MB; pezzi di circa 300 token, oppure per struttura o per significato; lettore avanzato a parte per figure e tabelle; sincronizzazione incrementale; i dati nella regione scelta.
• Google Agent Search e Gemini Enterprise: controllo di accesso per fonte di dati legato al gestore di identità dell’azienda; verifica della fondatezza frase per frase; i nomi dei prodotti sono in cambiamento.
• Modelli a pesi aperti in azienda: esistono modelli a pesi aperti e librerie con cui costruire la RAG sui propri server, con i limiti di hardware, manutenzione e capacità dei modelli descritti nella guida AI in cloud o in locale. La scelta mista, con l’indice e i documenti in azienda e il modello in cloud con contratto, è spesso quella giusta: ai server del fornitore arrivano solo i passaggi recuperati per ogni domanda, non l’archivio, e il contratto dice come vengono trattati.

Come si paga, senza cifre: a consumo per i token letti e generati, a consumo per l’OCR e per i lettori di figure, per posto per le licenze dei prodotti pronti; più il lavoro di preparazione dei documenti, che è la parte che nessun fornitore fa al posto dell’azienda. Da che cosa dipende il costo è nella guida Quanto costa un progetto AI: da che cosa dipende.

Come si misura se risponde bene

Prima del pilota si scrivono trenta o cinquanta domande vere, quelle che le persone fanno davvero, con la risposta attesa e il documento che la contiene. È la «verità di riferimento» con cui si misura l’assistente, con quattro criteri che Microsoft usa nei suoi strumenti di valutazione: la risposta è fondata sui documenti, è pertinente alla domanda, è completa rispetto alla risposta attesa, e i documenti recuperati sono quelli giusti. Google verifica la fondatezza frase per frase, con un punteggio da zero a uno, e considera non fondata una frase sostenuta solo in parte; una data sbagliata basta. Le valutazioni si rifanno a ogni cambio di modello o di documenti: OpenAI le chiama «componente essenziale» di un’applicazione affidabile.

Il resto è il pilota a perimetro chiuso: un reparto, un gruppo di documenti, qualche settimana, con le domande senza risposta annotate come documenti da scrivere. Se il tempo risparmiato e il gradimento non si vedono nel pilota, non si vedranno nemmeno dopo.

Dove sbaglia

• Inventa, anche con i documenti davanti. Il NIST lo chiama «confabulation»: contenuti errati presentati con sicurezza. Con la RAG il rischio si riduce ma resta: una risposta che mescola due versioni di una procedura, una cifra letta dalla tabella sbagliata, un «sì» a una domanda che i documenti non trattano. L’istruzione «rispondi solo con i documenti e cita» e la misura sono le difese (allucinazione nel glossario).
• Legge documenti vecchi. L’indice non si aggiorna da solo.
• Non vede tabelle, figure e disegni senza un lettore aggiuntivo, e le citazioni dalle immagini non sono ancora offerte (Anthropic lo dichiara).
• Non legge le scansioni senza OCR, e l’OCR sbaglia su timbri e fotocopie.
• Salta i file protetti e i collegamenti dentro i documenti.
• Cerca «per significato» un codice che andava cercato alla lettera.
• Perde il contesto dei pezzi: «tolleranza ±0,05 mm» in un pezzo che non dice di quale disegno e di quale revisione.
• Può essere ingannato. L’OWASP elenca fra i dieci rischi delle applicazioni con modelli linguistici le istruzioni nascoste nei contenuti e l’avvelenamento dei dati indicizzati: un documento caricato può contenere istruzioni per l’assistente, e l’indice è un archivio da proteggere come l’originale. Permessi, registro e revisione delle fonti servono anche a questo.

Quando non conviene (ancora)

• Quando l’archivio è disordinato, senza versioni e senza un responsabile: l’assistente restituirebbe il disordine con più sicurezza.
• Quando le persone che farebbero domande sono poche e i documenti stanno in cinquecento pagine: basta la finestra di contesto di un assistente aziendale.
• Quando la domanda richiede calcoli o azioni sul gestionale: quello è un agente, descritto nella guida Agenti AI: cosa sono e cosa possono fare in azienda.
• Quando i documenti sono pieni di dati personali e non c’è ancora una regola su chi può vedere che cosa.
• Quando lo si vorrebbe usare per valutare o sorvegliare le persone: cambia categoria e diventa un sistema ad alto rischio per l’AI Act (allegato III, punto 4), con obblighi dal 2 dicembre 2027 e, in Italia, con le decisioni sul rapporto di lavoro riservate a una persona dal 23 ottobre 2026 (decreto legislativo 179/2026). Per un assistente che trova informazioni restano le misure per l’alfabetizzazione del personale (articolo 4) e, se parla con i clienti, l’obbligo di far capire che si parla con una macchina (articolo 50).

Come lavoriamo noi

Costruiamo assistenti sul know-how aziendale collegando le fonti interne dell’azienda e, quando serve, i dati di mercato di FT Mercati: quotazioni, indici e cambi nella stessa risposta accanto a una clausola o a un listino. Lo stato dei nostri sistemi è dichiarato: in produzione c’è il CRM con agenti che leggono gli ordini in PDF, FT CEO è un prototipo. Il percorso è quello del metodo: un perimetro di fonti, le domande vere con la risposta attesa, un pilota di qualche settimana, e il piano che resta all’azienda.