Definizione
La retrieval-augmented generation (RAG) è una tecnica in cui un modello AI prima recupera i passaggi pertinenti da una fonte affidabile e poi li usa per scrivere la risposta.
Da solo, un modello linguistico di grandi dimensioni risponde in base agli schemi appresi durante l'addestramento, e tra questi non ci sono la tua politica di reso né i tuoi prezzi aggiornati. La RAG risolve il problema: quando arriva una domanda, il sistema cerca nei tuoi documenti (articoli del centro assistenza, pagine web, PDF), passa al modello i passaggi più pertinenti e gli chiede di rispondere basandosi su quelli.
Per i bot di assistenza, la RAG è il metodo standard per dare risposte specifiche sulla tua azienda e sempre aggiornate: modifichi l'articolo e la risposta del bot cambia, senza riaddestrare il modello.
La RAG riduce le allucinazioni, ma non le elimina. Il sistema può non trovare il passaggio giusto, oppure il modello può interpretarlo male. Aiutano due cose: contenuti di origine chiari e ben strutturati e il link alla fonte mostrato con ogni risposta.
Esempio
Un cliente chiede: "Spedite in Norvegia?". Il sistema recupera l'articolo sui paesi di destinazione delle spedizioni e il bot risponde "Sì, la consegna in Norvegia richiede 4–6 giorni lavorativi", citando quell'articolo.
Come aiuta Yaplet
L'agente Yaplet AI risponde in base ai contenuti del tuo sito web e alla tua base di conoscenza, quindi le sue risposte si basano sulle tue informazioni e non su conoscenze generiche prese dal web.