Una concessionaria multimarca aveva già sperimentato un risponditore telefonico basato su intelligenza artificiale. Rispondeva, raccoglieva i dati del chiamante, li trasferiva a un operatore. Il responsabile marketing ha chiuso l’esperienza con una frase che vale come criterio di valutazione: «per me era limitativo investire tempo e denaro in questa attività». Il progetto successivo è partito da un criterio diverso, e su quel criterio si gioca il funzionamento di una knowledge base per agenti AI: separare le informazioni che restano ferme da quelle che cambiano nel giro di minuti.
L’esempio portato in call era il parco dell’usato. Una vettura di un certo colore risulta disponibile alle nove del mattino e venduta dieci minuti dopo. Un agente che risponde consultando un documento caricato la settimana precedente promette un’auto già uscita dal piazzale. Uno che interroga il gestionale nel momento della domanda risponde di no, ed è la risposta corretta.
Che cosa entra nella knowledge base per agenti AI e che cosa si legge a chiamata
Entrano le informazioni stabili: identità aziendale, sedi, procedure, condizioni di servizio. Restano fuori stock, prezzi e stati di avanzamento, letti in tempo reale via API.
La separazione fra le due categorie ha una conseguenza contrattuale che quasi nessuno anticipa in fase di offerta. Le informazioni volatili richiedono un’integrazione verso il sistema che le detiene, e quell’integrazione va negoziata con chi presidia quel sistema. In una società di ausili per la mobilità la responsabile amministrativa lo ha detto senza giri di parole: «i detentori sono molto gelosi dei loro dati, il mio timore è che loro mai ci faranno entrare a scrivere nulla». Il timore era fondato, e il progetto è partito in sola lettura.
Il secondo criterio di selezione riguarda il formato. Nella knowledge base per agenti AI entrano documenti in PDF, Word, testo semplice, foglio di calcolo e markdown, oltre a fonti web che vengono aggiornate o rilette a intervalli regolari, tipicamente una volta al giorno. Un catalogo esportato in PDF con la grafica del reparto marketing produce risposte peggiori dello stesso catalogo esportato come tabella, perché colonne, intestazioni e righe dicono all’agente come sono legate fra loro le informazioni, mentre un’impaginazione pensata per la stampa gliele consegna in ordine sparso.
La base generale e la base privata del singolo agente
Una knowledge base per agenti AI si articola su due aree, e la distinzione è il punto in cui si decide la qualità delle risposte. Un documento caricato nella base generale è visibile a tutti gli agenti, compresi quelli creati in seguito. Un documento caricato dentro un singolo agente resta invisibile agli altri, e quell’agente lo privilegia rispetto alla base comune.
Una responsabile amministrativa ha sintetizzato il criterio meglio di qualsiasi manuale: quello che vale per tutti va nella base comune, quello che va specializzato perché altrimenti genera confusione va nel singolo agente. Su una intranet aziendale un contenuto fuori posto costa una ricerca a vuoto. Qui costa una risposta sbagliata data a un cliente, con la stessa sicurezza con cui sarebbe stata data quella giusta.
Sui volumi la logica è controintuitiva. La base generale non ha un limite di numero di documenti, mentre la base privata del singolo agente è deliberatamente contenuta, nell’ordine della decina nei piani di ingresso e di qualche decina nelle configurazioni avanzate. La ragione la spiega chi costruisce la piattaforma: un agente non lavora bene con molti documenti, lavora meglio con pochi documenti pertinenti. Restano invece limiti tecnici sulla dimensione del singolo file e sullo spazio complessivo, entrambi estendibili.
| Tipo di informazione | Dove risiede | Come si aggiorna |
|---|---|---|
| Identità, sedi, orari, condizioni di servizio | Base generale condivisa | Caricamento diretto da parte del cliente |
| Procedure di reparto, listini di servizio, tono delle risposte | Base privata del singolo agente | Caricamento diretto, pochi documenti selezionati |
| Disponibilità, stato pratica, stato ordine | Sistema gestionale di origine | Interrogazione via API alla singola richiesta |
| Domande ricorrenti e risposte approvate | Area domande e risposte | Modifica immediata, senza riaddestramento |
Perché un processo complesso si scompone in più agenti
L’architettura degli agenti decide come si organizza la base informativa, perché ogni agente porta con sé il proprio perimetro di documenti. La domanda sul numero di agenti precede dunque quella sui contenuti.
Arriva puntuale in ogni valutazione: «è possibile che un’intelligenza artificiale sia necessario specializzarla di subagenti e non sia in grado un agente di fare tutto?». La risposta tecnica riguarda i limiti. Un singolo agente non discrimina in modo affidabile due categorie di richiesta distanti fra loro, e l’unico modo di governare il comportamento di un agente consiste nel restringerne il perimetro.
L’organizzazione di un ufficio spiega bene il criterio. Le persone lavorano nei propri ambiti perché nessuno ha tutte le competenze, e un flusso costruito su agenti specializzati risponde alla stessa logica. Un agente instrada, uno recupera documenti, uno estrae variabili dal testo, uno gestisce le domande ricorrenti, altri blocchi non conversazionali inviano una email o trasferiscono la conversazione a una persona.
Il numero, però, non può crescere senza conseguenze. Ogni passaggio fra agenti introduce latenza e un rischio di traduzione del messaggio: un flusso di media complessità si assesta su cinque o sei agenti, non su venti. Il timore espresso dal responsabile della concessionaria era proprio questo: nella stessa conversazione un cliente passa da nuovo a usato a noleggio a permuta, e il rimbalzo fra agenti non deve arrivare fino a lui.
Chi aggiorna i contenuti dopo l’avvio
La domanda che chiude quasi tutte le valutazioni suona così: «qualora dovessimo poi inserire delle modifiche potremmo farlo autonomamente o è sempre necessario un vostro intervento?». La risposta corretta distingue due cose che i clienti tendono a confondere.
I contenuti della knowledge base per agenti AI li aggiorna il cliente, dopo la formazione iniziale. Un documento aggiunto o un blocco di domande e risposte modificato vengono acquisiti dal sistema e l’agente si allinea immediatamente, senza cicli di addestramento. Il flusso invece, cioè la logica che decide chi risponde a che cosa e in quale ordine, si costruisce insieme al fornitore e si modifica con lui, almeno finché il gruppo interno non ha acquisito il metodo.
Anche il livello di autonomia sulle correzioni dipende dall’architettura scelta, e questo è meno intuitivo. Nel corso di una demo un agente raccoglieva il numero di telefono ma ometteva nome e cognome. Se il comportamento è governato da un agente istruito in linguaggio naturale, la correzione consiste in una riga aggiunta alle istruzioni e la applica il cliente. Se lo stesso dato è governato da un blocco di automazione a campi fissi, non esiste una riga da scrivere e si interviene sulla configurazione dei campi obbligatori. Stessa correzione, due percorsi diversi.
La routine che tiene aggiornata la base
Sulla disciplina di manutenzione conviene essere espliciti fin dal primo mese. Nelle organizzazioni in cui la base resta affidabile l’aggiornamento non è un’attività a calendario: è agganciata agli eventi che cambiano le informazioni. Un listino nuovo, una condizione di garanzia modificata, una sede che apre o chiude, una procedura riscritta. Chi firma quel cambiamento avvisa il responsabile dei contenuti, che verifica se un documento in base va sostituito. In parallelo si tiene una revisione trimestrale delle conversazioni in cui l’agente ha passato la richiesta a una persona: è l’elenco più affidabile di ciò che manca.
Quando la base informativa è incompleta o si contraddice
Una knowledge base per agenti AI costruita bene prevede i casi in cui il dato manca. L’agente lo chiede e prosegue, senza entrare in stallo; se la richiesta esce dal perimetro per cui l’agente è stato istruito, il flusso trasferisce a una persona, con ritorno automatico all’agente se in quel momento nessuno è disponibile. Sui casi limite si misura la distanza fra un risponditore automatico e gli agenti AI nel servizio clienti costruiti per gestirli.
La contraddizione fra documenti è il problema più insidioso, perché non produce un errore visibile: produce una risposta plausibile e sbagliata. In una società di servizi la responsabile lo aveva colto prima ancora dell’avvio, chiedendo se nel momento in cui due contenuti si sovrappongono l’agente impara da entrambi. La risposta è affermativa, ed è la ragione per cui la ricognizione dei documenti esistenti precede il caricamento.
Un caso limite osservato su un progetto di terze parti chiarisce il confine. Un’azienda aveva affidato a un fornitore esterno la generazione delle autofatture per acquisti dall’estero, tre giornate di lavoro manuale al mese. Il sistema costruiva il documento da zero a ogni esecuzione e produceva errori nella lettura dell’IVA e nella distinzione fra beni e servizi. Il modello generativo non è deterministico, e non offre garanzie che lo stesso documento venga creato allo stesso modo tutte le volte. L’impianto corretto separa i ruoli: un template a campi nel gestionale produce il documento, e un agente specializzato si limita a estrarre dal testo le variabili da inserire. La responsabilità formale del documento resta al sistema contabile, che è l’unico in grado di sostenerla davanti a una verifica.
Checklist per preparare i contenuti prima dell’avvio
- Separare l’elenco dei contenuti in due colonne: informazioni stabili e informazioni che cambiano in giornata.
- Per ogni informazione volatile indicare il sistema che la detiene e chi autorizza l’accesso in lettura.
- Esportare i documenti in un formato strutturato, evitando i PDF impaginati per la stampa.
- Cercare le contraddizioni fra procedure di reparto diverse prima del caricamento, non dopo.
- Definire quali argomenti restano fuori dal perimetro e su quale canale la conversazione passa a una persona.
- Nominare un responsabile interno dei contenuti, con la stessa logica con cui si nomina un responsabile della gestione documentale.
L’ultimo punto è quello che le aziende saltano più spesso. Una knowledge base per agenti AI senza un proprietario interno invecchia in pochi mesi, e l’agente continua a rispondere con sicurezza su condizioni che l’azienda ha già cambiato. I dati trattati restano in datacenter UE, con certificazioni della famiglia ISO/IEC 27001 e requisiti in linea con NIS2: gli stessi standard applicati all’infrastruttura di Aesir Srl, dove operiamo su datacenter Tier IV proprietari con replica. Sul trattamento dei dati personali attraverso sistemi di intelligenza artificiale il riferimento è la sezione dedicata del Garante per la protezione dei dati personali. Il perimetro tecnico è definito, quello dei contenuti lo definisce il cliente.
Domande poste dal servizio clienti
Cambiando piattaforma si perde il lavoro fatto sulla knowledge base per agenti AI?
No. Flussi e contenuti sono esportabili, ed è la stessa procedura che le piattaforme utilizzano nel passaggio da una release maggiore alla successiva. La verifica da fare in fase di scelta riguarda il formato di esportazione e la sua leggibilità fuori dal prodotto.
Un agente creato in seguito eredita i documenti già caricati?
Eredita tutto ciò che risiede nella base generale, compresi i documenti caricati prima della sua creazione. Non eredita i documenti privati degli altri agenti, che restano confinati al perimetro per cui sono stati selezionati.
Quanto lavoro richiede la preparazione dei contenuti al cliente?
La voce che pesa è l’analisi iniziale, tipicamente una o due giornate, in cui si definiscono perimetro, categorie e fonti. Il caricamento vero e proprio è rapido. Le giornate complessive di configurazione di un progetto variano molto in base al numero di flussi e di integrazioni richieste.
Parliamone
Nei progetti di automazione conversazionale che seguiamo in Aesir la parte più discussa è quasi sempre la tecnologia, e la parte che determina il risultato è quasi sempre un’altra: che cosa l’azienda sa dire di sé in modo univoco. Un agente non produce coerenza dove non ce n’era. Porta in superficie, alla velocità di una chat, le divergenze fra reparti che nessuno aveva mai dovuto conciliare per iscritto. Chi imposta una knowledge base per agenti AI a partire da questa consapevolezza parte con mesi di vantaggio, e il primo agente entra in esercizio su un perimetro ristretto invece che su tutto insieme.
Se desidera approfondire il tema o valutare la situazione della sua azienda, può compilare la form in fondo alla pagina oppure scrivere a support@aesir-tech.it: prenotiamo una consulenza gratuita e partiamo dai suoi numeri.