Chiunque abbia provato a mettere ordine nella documentazione interna di un’azienda sa come finisce. Si scelgono lo strumento e un responsabile, si caricano i primi documenti, per qualche settimana le pagine crescono. Poi cambia una procedura e nessuno aggiorna la pagina relativa.
Sei mesi dopo la base di conoscenza contiene abbastanza informazioni sbagliate da rendere ragionevole non consultarla più.
Il problema non è la buona volontà delle persone. È che tenere aggiornata una knowledge base è un lavoro vero e continuo, che nell’organigramma non compare da nessuna parte. Finché resta a carico di qualcuno che ha già altre priorità, l’esito non cambia.
Mnemos è la piattaforma che affida quel lavoro a un agente di intelligenza artificiale: costruisce una base di conoscenza collegata e verificabile, la mantiene aggiornata a ogni nuovo documento e la rende interrogabile in linguaggio naturale, anche dal telefono. È la soluzione che proponiamo alle aziende che vogliono mettere ordine nella propria documentazione senza dedicarci una persona a tempo pieno.
Due parole su LLM e RAG
Prima di entrare nel merito conviene chiarire due termini tecnici che ricorrono ogni volta che si parla di intelligenza artificiale applicata al lavoro.
Che cos’è un LLM
Un Large Language Model è un software di intelligenza artificiale capace di leggere, comprendere, tradurre e generare testi scritti in modo del tutto simile a un essere umano. Ha imparato a farlo elaborando quantità enormi di testo, e da quell’addestramento ricava una conoscenza generale del linguaggio e del mondo.
Per chi lavora in azienda ha però un limite evidente: non sa nulla di specifico. Non conosce le tue procedure, i verbali delle tue riunioni, la storia dei tuoi clienti. Sa scrivere e ragionare, non sa cosa succede dentro la tua organizzazione.
Che cos’è la RAG
La Retrieval-Augmented Generation è la tecnica che colma quella distanza: collega il modello linguistico a una base di dati esterna, così che le risposte siano più precise, sicure e aggiornate. Il funzionamento è semplice: quando arriva una domanda, il sistema cerca nei documenti i passaggi pertinenti, li passa al modello, e il modello risponde usando quel materiale invece della sola memoria del proprio addestramento.
È la tecnologia dietro la formula diventata familiare a tutti: carica i tuoi documenti e fai domande. Il vantaggio è doppio, perché le risposte poggiano su fonti aziendali reali e quelle fonti si possono citare, quindi verificare.
Cosa risolvono gli strumenti di oggi, e cosa resta fuori
Le principali suite di produttività integrano oggi assistenti capaci di cercare dentro il patrimonio documentale aziendale, nel rispetto dei permessi di ciascun utente.
Per chi lavora il vantaggio si vede subito: si fa una domanda e si riceve una risposta sintetica con i riferimenti alle fonti. Sono strumenti validi e risolvono un problema reale.
Risolvono però un problema solo. Sanno recuperare l’informazione quando gliela chiedi, ma non la sistemano da nessuna parte: la conoscenza non si deposita, resta sparsa nei documenti di partenza.
La ricerca assistita recupera i frammenti utili nel momento della domanda e li sintetizza. Alla domanda successiva riparte quasi da zero: non costruisce pagine dedicate ai clienti ricorrenti, non traccia i legami tra gli argomenti, non segnala quando due documenti si contraddicono. Il lavoro intellettuale viene rifatto ogni volta, e il risultato può cambiare da un’esecuzione all’altra.
C’è poi una differenza di visibilità. Un’informazione raggiungibile solo se qualcuno formula la domanda giusta resta latente: se la domanda non nasce, quell’informazione è come se non ci fosse. Un’informazione esposta in una pagina che si può sfogliare, invece, a volte previene la domanda, leggendo si scopre quello che non si sapeva di dover chiedere.
Chi ha già una suite con la ricerca integrata non ha sbagliato strumento. Ha risolto il primo problema, e il secondo è ancora aperto.
Dalla ricerca all’accumulo: il pattern LLM Wiki
L’approccio alternativo si chiama LLM Wiki e sposta il lavoro di sintesi a monte.
Per wiki si intende una raccolta di pagine di testo collegate fra loro, dove il valore sta nei collegamenti tanto quanto nelle singole pagine: il modello è quello dell’enciclopedia collaborativa che tutti consultiamo, applicato al sapere di una sola azienda. La differenza rispetto alle wiki tradizionali riguarda chi tiene le pagine in ordine.
L’architettura ha tre livelli:
- Le fonti sono i documenti originali e restano immutabili: il modello le legge senza modificarle e costituiscono la fonte di verità.
- La wiki è l’insieme delle pagine generate dall’AI: sintesi, pagine dedicate a clienti, progetti e argomenti ricorrenti, confronti, un indice generale.
- Le istruzioni sono il documento che spiega al modello come è organizzata la wiki e quali convenzioni seguire.
Su questa struttura agiscono tre operazioni:
- L’ingestione: entra una fonte nuova, il modello la legge, ne estrae quello che conta, aggiorna le pagine collegate e l’indice, registra cosa ha fatto.
- L’interrogazione: si fa una domanda, il modello individua le pagine pertinenti e risponde citandole.
- La manutenzione periodica: il modello ripassa la wiki alla ricerca di contraddizioni, affermazioni superate, pagine rimaste isolate e argomenti citati senza una pagina propria.
Al momento della domanda, buona parte del ragionamento è già stata fatta e messa per iscritto.
L’idea nasce da un documento pubblicato ad aprile 2026 su GitHub da Andrej Karpathy — tra i fondatori di OpenAI e già responsabile dell’intelligenza artificiale in Tesla — intitolato proprio LLM Wiki. Non è un software né uno standard industriale: è un file di appunti pensato per essere consegnato a un agente AI, che poi lo adatta al dominio di chi lo usa.
L’intuizione di fondo, però, è più antica. Già nel 1945 qualcuno immaginava un archivio di conoscenza tenuto insieme da percorsi associativi, dove le connessioni valevano quanto i documenti. Quello che mancava era chi mantenesse i collegamenti.
Mnemos in pratica
Mnemos è la piattaforma che porta questo approccio dentro il lavoro quotidiano di un’azienda. Costruisce la knowledge base a partire dalle fonti che le vengono fornite, la mantiene aggiornata quando ne arrivano di nuove e permette a chiunque in azienda di interrogarla scrivendo o parlando.
Le fonti che legge
Documentazione tecnica, procedure, verbali, PDF, immagini, pagine web, ticket di assistenza con i relativi allegati. Gli allegati si possono caricare raggruppati insieme all’elemento principale, così vengono letti come un insieme coerente e non come file scollegati fra loro.
Cosa fa con quelle fonti
Non le archivia soltanto. Le legge, ne estrae quello che conta e lo integra nelle pagine che già esistono, aggiornando i rimandi. Se un documento nuovo smentisce qualcosa scritto sei mesi prima, la contraddizione viene segnalata invece di restare sepolta. Ogni fonte aggiunta rende la wiki più utile di com’era la settimana precedente.
Dalla risposta al documento
Ogni risposta rimanda alle sue fonti: si apre la citazione, si arriva alla pagina della wiki, e da lì al documento da cui l’informazione proviene. È il modo in cui si costruisce la fiducia in uno strumento del genere, perché chi consulta vuole poter verificare e in alcuni settori bisogna anche poterlo dimostrare a un ente esterno.
Pensata prima per il telefono
Molte delle persone che hanno bisogno di una risposta non sono davanti a un computer nel momento in cui serve: il tecnico in impianto, chi è in viaggio tra due appuntamenti. L’interfaccia di consultazione si usa con una mano sola, regge una connessione instabile, e la domanda si può scrivere, dettare o porre a voce in modalità conversazione.
Chi governa la knowledge base
L’amministratore ha un pannello separato dove vede le elaborazioni in corso, quelle completate e quelle non riuscite, con lo storico di cosa è entrato nella wiki e quando. L’aggiornamento può partire da solo al caricamento di una fonte, seguire una programmazione periodica oppure essere lanciato manualmente. I permessi sono divisi per ruolo, con la possibilità di limitare un utente alle sole wiki di sua competenza: nella maggior parte delle organizzazioni chi carica i documenti e chi decide cosa diventa informazione ufficiale sono persone diverse.
Dove risiedono i dati
La scelta resta all’azienda. C’è la versione in cloud, per partire senza infrastruttura, e c’è l’installazione sui server aziendali per chi ha vincoli normativi o preferisce che la documentazione interna non esca dal proprio perimetro. La piattaforma è la stessa nei due casi.
Nessun formato proprietario
Le pagine generate sono normali file di testo di cui resta lo storico delle modifiche: si può sempre vedere com’era una pagina prima di un aggiornamento e cosa è cambiato. Non restano chiuse dentro il database di un fornitore: se un domani si decidesse di cambiare strumento, quello che si è accumulato negli anni resta leggibile, esportabile e confrontabile.
Apertura agli altri strumenti
La knowledge base può essere messa a disposizione di altri assistenti e applicativi aziendali attraverso protocolli standard, sempre entro i permessi assegnati a ciascun accesso.
Motore di elaborazione, pannello di amministrazione e app di consultazione sono operativi e già in uso in diverse realtà aziendali.
Perché conviene
- Consolida la conoscenza operativa: ticket, verbali, documentazione tecnica e allegati finiscono in un corpo organizzato invece di restare sparsi tra cartelle condivise e memoria di due o tre persone chiave.
- Rende verificabile ogni risposta: dalla citazione si risale alla pagina e dalla pagina al documento originale. In contesti regolamentati è un requisito; altrove è la ragione per cui le persone continuano a usare lo strumento dopo il primo mese.
- Riduce il tempo di inserimento delle nuove persone e dei passaggi di consegne, perché il contesto che di solito va ricostruito a voce è già scritto, collegato e interrogabile.
Chi resta responsabile
Una knowledge base aziendale assistita dall’AI non è una chat privata. Può diventare un deposito di decisioni, valutazioni sui clienti, lezioni apprese e sapere tecnico, e va trattata come tale.
Prima dello strumento si decidono le regole: chi può alimentare la wiki, chi può leggerla, chi approva le pagine che contano, come si corregge un errore.
Servono classificazione dei documenti, controllo degli accessi, tracciabilità delle modifiche e una persona che risponda della qualità finale. I principi del GDPR su minimizzazione, limitazione della finalità, integrità e riservatezza si applicano dall’inizio, non a valle.
Il modello si occupa della manutenzione. La responsabilità resta alle persone, e questa divisione dei compiti va progettata insieme alla piattaforma.
Da dove partire
Il consiglio è di non partire in grande. Meglio partire da un solo ambito ad alto valore — l’inserimento delle nuove persone, la memoria di un portafoglio clienti, la documentazione di assistenza — e verificare per un paio di mesi due cose: quanto tempo serve per ottenere una risposta affidabile e quanto costa mantenere aggiornata la wiki. Se il tempo scende e il costo vale il vantaggio, la strada è quella.
Vuoi capire come Mnemos può funzionare per la tua azienda?
Ogni azienda possiede già una quantità enorme di conoscenza distribuita tra documenti, ticket, verbali e procedure. La differenza è riuscire a renderla consultabile, aggiornata e verificabile nel tempo. Se vuoi capire da dove partire, possiamo aiutarti a individuare il primo ambito in cui applicare Mnemos.
FAQ
Che cos’è una LLM wiki?
È una base di conoscenza aziendale composta da pagine di testo collegate fra loro, scritte e aggiornate da un agente di intelligenza artificiale a partire dai documenti originali. A differenza di una wiki tradizionale, la manutenzione non è a carico delle persone.
Che differenza c’è tra una LLM wiki e la RAG?
La RAG cerca i passaggi pertinenti nei documenti nel momento in cui arriva la domanda e li sintetizza in una risposta. Una LLM wiki fa quel lavoro prima, una volta sola, e poi lo mantiene: la sintesi, i collegamenti e le contraddizioni sono già scritti quando la domanda arriva.
I dati aziendali restano dentro l’azienda?
Dipende dalla configurazione scelta. Mnemos esiste come servizio in cloud e come installazione sui server aziendali: nella seconda modalità la documentazione non esce dal perimetro dell’organizzazione.
Come si verifica se una risposta è attendibile?
Ogni risposta cita le pagine della wiki da cui proviene, e ogni pagina rimanda ai documenti originali che l’hanno generata. Il percorso è ricostruibile a ogni passaggio.
Che tipi di documenti si possono caricare?
Documentazione tecnica, procedure, verbali, PDF, immagini, pagine web e ticket di assistenza con i relativi allegati, che possono essere caricati raggruppati per essere letti come un insieme.
Serve una struttura IT dedicata per gestirla?
No. L’aggiornamento può essere automatico al caricamento di una fonte o programmato, e il pannello di amministrazione mostra stato ed esito di ogni elaborazione. Serve però una persona che risponda della qualità dei contenuti pubblicati.