AI in ufficio
Usare l'intelligenza artificiale sui documenti aziendali senza consegnarli a nessuno
Si può far leggere a un'AI i contratti, le perizie, le circolari e le email dell'azienda senza che un solo file esca dalla rete aziendale — e senza pagare un modello di frontiera. Ecco come, e cosa serve davvero.
Questa pagina non parla di un futuro possibile. Parla di un software che si scarica, si lancia su un server dell'ufficio e risponde a domande sui documenti che gli hai dato, citando la pagina da cui ha preso la risposta. Il resto è la spiegazione del perché funziona e di cosa costa.
Cosa succede davvero quando incolli un documento in un chatbot
Il gesto è talmente comodo che nessuno lo racconta come una decisione aziendale. Eppure lo è: nel momento in cui un dipendente incolla una bozza di contratto in una chat pubblica, quel testo ha lasciato l'azienda.
Da lì in poi non è più una questione tecnica ma contrattuale e giuridica. Chi è il titolare del trattamento e chi il responsabile? Dove viene conservato quel testo, per quanto tempo, e sotto quale ordinamento? Se dentro c'era un nominativo, un dato sanitario o una posizione contrattuale, la risposta a queste domande deve stare per iscritto da qualche parte prima che il file parta, non dopo.
Il punto pratico è che questa conversazione, in molte organizzazioni, non avviene affatto. Non perché qualcuno sia in malafede, ma perché lo strumento è a portata di scheda del browser e la valutazione no. Il risultato è che il perimetro dei dati aziendali si sposta un incolla alla volta, senza che nessuno abbia mai deciso di spostarlo.
Il problema non è l'intelligenza artificiale. È che l'unico modo comodo di usarla, oggi, prevede di spedire il materiale a qualcun altro. Quella parte è un'abitudine, non una legge della fisica.
Per leggere i tuoi documenti non serve un modello di frontiera
I modelli più grandi esistono per i compiti più difficili: ragionare su problemi aperti, scrivere codice complesso, tenere insieme catene di deduzioni lunghe. Rispondere a «cosa dice il contratto Rossi sulla penale per ritardata consegna» non è uno di quei compiti.
Quando la risposta è già scritta dentro un documento che possiedi, il lavoro difficile non lo fa il modello: lo fa il recupero. Serve trovare i tre paragrafi giusti fra ventimila pagine. Una volta trovati, riformularli in italiano corretto e citarli è un compito alla portata di un modello che gira su una singola GPU — o, con più pazienza, sulla CPU che hai già nel server.
Questa tecnica si chiama RAG, Retrieval-Augmented Generation: prima si cerca, poi si genera. È il motivo per cui una soluzione locale può reggere il confronto con un servizio cloud molto più potente sul caso d'uso che interessa davvero agli uffici — cercare dentro roba propria — pur restando indietro su tutto il resto.
La conseguenza economica
Se il compito non richiede il modello più costoso del mercato, non c'è ragione di pagarlo a consumo per sempre. Il costo si sposta dal canone per token all'hardware, che è un acquisto una tantum e resta tuo. Su volumi di interrogazioni interne serie, il conto cambia segno abbastanza in fretta.
Cosa cambia quando il modello gira in casa tua
Il trasferimento non esiste, quindi non va giustificato
La domanda più scomoda del GDPR sui servizi extra-UE — con quale base giuridica escono questi dati — semplicemente non si pone se i dati non escono. Non è una scorciatoia di compliance: è l'eliminazione della fattispecie.
Il fornitore non diventa un anello della catena
Nessun responsabile del trattamento da nominare, nessuna sub-responsabilità da mappare, nessun aggiornamento unilaterale dei termini che ti obbliga a rivalutare tutto a valle.
Il comportamento è stabile perché il modello è un file
Un servizio in cloud può cambiare modello sotto di te, e le risposte cambiano senza che tu abbia toccato nulla. Un modello locale resta esattamente quello che hai installato finché non sei tu a sostituirlo.
Funziona anche staccato dalla rete
Dopo il primo avvio il motore Community non ha più bisogno di connessione. Su reti isolate — reparti tecnici, ambienti sanitari, sedi senza banda decente — questa è la differenza fra usarlo e non usarlo.
Puoi leggere il codice
Il motore Community è pubblicato sotto AGPL-3.0. Chiunque, incluso un auditor esterno, può leggere ogni riga che tocca i dati anziché fidarsi di una pagina di documentazione.
A cosa serve, concretamente, il primo mese
I casi d'uso che ripagano per primi sono quelli noiosi: le domande a cui qualcuno in ufficio risponde già oggi, ma solo dopo aver aperto quattro cartelle e chiesto a un collega.
- Contratti e capitolati: trovare la clausola che regola un caso specifico senza rileggere l'allegato, con il riferimento al documento e al punto esatto.
- Circolari e normativa interna: rispondere a una domanda procedurale citando la circolare in vigore invece di quella di tre anni fa.
- Documentazione tecnica e manuali: cercare dentro migliaia di pagine di manualistica, anche quando la domanda è in italiano e il manuale è in inglese.
- Archivi scansionati: PDF acquisiti da scanner, senza testo selezionabile, resi interrogabili tramite OCR in italiano e inglese.
- Gare e bandi: verificare rapidamente requisiti, scadenze e criteri su documentazione che arriva in blocchi da centinaia di pagine.
- Onboarding: dare a chi è appena arrivato un posto dove chiedere, invece di interrompere il collega più esperto.
Il criterio per scegliere il primo caso d'uso è semplice: prendi la domanda che in ufficio viene fatta più spesso e a cui rispondere richiede più di dieci minuti di ricerca manuale. Quella.
Cosa serve davvero per farlo partire
Meno di quanto si tema, ma non zero. Il motore Community si scarica come un unico eseguibile: non c'è Docker da orchestrare, non ci sono container da tenere allineati, non serve Java. Avvia da solo il database vettoriale e il motore di inferenza.
- Un server Linux (x86_64 o ARM64) oppure una macchina Windows a 64 bit.
- Una GPU NVIDIA se vuoi risposte rapide: viene rilevata e usata da sola. Senza GPU parte lo stesso sulla CPU, più lentamente.
- Spazio su disco per il primo avvio, che scarica circa 12 GB fra modelli e componenti, ognuno verificato contro uno sha256 dichiarato prima di essere usato.
- Una variabile di configurazione obbligatoria, quella che firma le sessioni. Tutto il resto ha un default sensato.
- Qualcuno che sappia amministrare un server. Non un team di piattaforma: la stessa persona che oggi tiene in piedi il file server.
Il primo avvio richiede pazienza perché scarica; tutti quelli successivi sono immediati. Da lì in poi, se stacchi la rete, continua a funzionare.
Quello che ci rimetti, detto chiaramente
Una pagina di marketing che elenca solo vantaggi non ti sta aiutando a decidere. Ecco dove un sistema locale è oggettivamente indietro rispetto a un servizio di frontiera.
- Ragionamento aperto: sui problemi che richiedono deduzioni lunghe e creatività, un modello di frontiera è ancora avanti, e si vede.
- Conoscenza del mondo: il sistema risponde su quello che gli hai dato. Non è un'enciclopedia e non deve esserlo.
- Il primo avvio non è istantaneo: dodici gigabyte da scaricare sono dodici gigabyte, e vanno pianificati.
- L'hardware è un costo tuo: una GPU adeguata è un investimento iniziale che con un servizio a consumo non avresti.
- Serve un amministratore: aggiornamenti, backup e ripristini sono responsabilità della tua organizzazione, non di un fornitore.
Se il tuo caso d'uso è «scrivimi una campagna di marketing da zero», un modello di frontiera è lo strumento giusto e non pretendiamo il contrario. Se è «dimmi cosa dicono i miei documenti, e non farli uscire di qui», allora il confronto si ribalta.
Come si comincia
Scarica l'edizione Community e provala su documenti veri
È open-source sotto AGPL-3.0, gratuita anche per uso commerciale, e non c'è nessuna registrazione da fare. Falla girare su un corpus reale, non su un PDF di prova: è l'unico modo per capire se la qualità delle risposte ti serve.
Misurala sul tuo hardware
Il motore sa cronometrarsi da solo sui tuoi documenti e produce un report con i tempi di ogni fase. Così il dimensionamento è un numero misurato, non una stima.
Decidi se ti bastano le funzioni aperte
Per moltissimi uffici la Community è già il prodotto finito. Se ti servono estrazione strutturata, ricerca ibrida, ruoli avanzati, audit e un contratto di supporto, quella è l'edizione Pro.
Domande frequenti
- Posso usare l'intelligenza artificiale in azienda senza mandare i dati fuori?
- Sì. Un sistema RAG self-hosted tiene documenti, indice e modello linguistico sullo stesso server che controlli tu: le domande e le risposte non attraversano nessun servizio esterno. Il motore Community di I3K RAG Enterprise, dopo il primo avvio in cui scarica i propri componenti, funziona anche con la macchina scollegata da internet.
- Serve per forza una GPU?
- No, ma cambia l'esperienza. Con una GPU NVIDIA — rilevata e usata automaticamente — le risposte arrivano in tempi conversazionali. Senza, il sistema gira ugualmente sulla CPU: resta utilizzabile per archivi contenuti e per valutare il prodotto, ma i tempi di risposta si allungano in modo evidente.
- Che differenza c'è rispetto a incollare i documenti in ChatGPT?
- La differenza è dove finisce il documento. In un sistema self-hosted il file resta sul tuo server, viene indicizzato lì e non lascia mai la rete aziendale, quindi non c'è alcun trasferimento a un fornitore da giustificare. In cambio si rinuncia alla capacità di ragionamento generale dei modelli più grandi, che per cercare dentro documenti propri conta molto meno di quanto si pensi.
- Un sistema locale è conforme al GDPR?
- La conformità dipende da come tratti i dati, non dal software da solo: servono comunque base giuridica, informativa, registro dei trattamenti e misure di sicurezza. Quello che cambia è che tenendo tutto su infrastruttura tua non si apre il capitolo del trasferimento verso un fornitore extra-UE, che è di norma la parte più difficile da chiudere.
- Il sistema si inventa le risposte?
- Il rischio esiste per qualunque modello linguistico, ed è la ragione per cui ogni risposta mostra i passaggi da cui è stata ricavata. La verifica non è un'opzione avanzata: è il modo previsto di usarlo. Se l'informazione non è nei documenti indicizzati, la risposta corretta è dire che non c'è.
- Che formati di documento legge?
- PDF, DOCX, XLSX, HTML, TXT, Markdown e CSV. Le pagine scansionate vengono riconosciute in automatico: quando una pagina restituisce troppo poco testo viene rasterizzata e passata all'OCR in italiano e inglese, quindi anche gli archivi acquisiti da scanner diventano interrogabili.
- In che lingue funziona?
- Il modello di embedding usato, BAAI/bge-m3, copre oltre cento lingue nello stesso spazio vettoriale. In pratica una domanda posta in italiano trova il passaggio pertinente anche dentro un documento scritto in inglese o in tedesco, senza indici separati per lingua.
Pronto a far girare RAG sulla tua infrastruttura?
Parti dall'edizione Community open-source, oppure parla con noi di Pro con estrazione strutturata, SSO, audit log e SLA.