30/07/2026
Negli ultimi incontri di Brew&Code stiamo approfondendo alcune delle tecnologie che rendono possibili i moderni sistemi di AI.
Nella puntata precedente abbiamo parlato di 𝗥𝗔𝗚 (Retrieval-Augmented Generation), una tecnica che consente di recuperare informazioni rilevanti da una base documentale per generare risposte più accurate e contestualizzate.
Ma cosa succede quando le informazioni utili non si trovano nello stesso documento e devono essere collegate tra loro?
È qui che entra in gioco il 𝗞𝗻𝗼𝘄𝗹𝗲𝗱𝗴𝗲 𝗚𝗿𝗮𝗽𝗵: una base di conoscenza che organizza le informazioni sotto forma di entità del mondo reale (persone, luoghi, concetti, oggetti) e delle relazioni che le collegano.
Grazie a questa struttura, i sistemi possono comprendere meglio il contesto dei dati e individuare connessioni che non sono esplicitamente presenti nei documenti.
𝗜𝗹 𝗿𝗶𝘀𝘂𝗹𝘁𝗮𝘁𝗼?
L’AI non si limita più a trovare contenuti simili, ma può sfruttare le relazioni tra le informazioni per fornire risposte più complete e coerenti.
𝗞𝗻𝗼𝘄𝗹𝗲𝗱𝗴𝗲 𝗚𝗿𝗮𝗽𝗵 𝗲 𝗥𝗔𝗚 𝗻𝗼𝗻 𝘀𝗼𝗻𝗼 𝗮𝗹𝘁𝗲𝗿𝗻𝗮𝘁𝗶𝘃𝗲: 𝗹𝗮𝘃𝗼𝗿𝗮𝗻𝗼 𝗶𝗻𝘀𝗶𝗲𝗺𝗲.
👉 Il Knowledge Graph fornisce la struttura delle conoscenze.
👉 Il RAG recupera i dettagli più rilevanti dai documenti.
💡 In ambito industriale, questo significa poter rispondere a domande come:
“𝘘𝘶𝘢𝘭𝘦 𝘮𝘢𝘤𝘤𝘩𝘪𝘯𝘢 𝘦̀ 𝘢𝘴𝘴𝘰𝘤𝘪𝘢𝘵𝘢 𝘢 𝘲𝘶𝘦𝘴𝘵𝘢 𝘱𝘳𝘰𝘤𝘦𝘥𝘶𝘳𝘢 𝘥𝘪 𝘮𝘢𝘯𝘶𝘵𝘦𝘯𝘻𝘪𝘰𝘯𝘦?” anche quando nessun documento riporta esplicitamente questa informazione, ma la relazione può essere ricostruita attraverso le connessioni tra dati, processi e asset.
