Se ti sei mai chiesto come fa Perplexity a citare fonti reali e aggiornate mentre un chatbot generalista a volte inventa dati, la risposta è quasi sempre una tecnica chiamata RAG.
Cos’è nel dettaglio
RAG è l’acronimo di Retrieval-Augmented Generation, in italiano “generazione aumentata da recupero”. È una tecnica che combina due fasi: prima il sistema recupera (retrieval) documenti o informazioni pertinenti da una fonte esterna — può essere il web in tempo reale, una raccolta di documenti aziendali, una base di conoscenza specifica — poi usa un modello linguistico per generare una risposta basata su quelle informazioni recuperate, invece di affidarsi solo a quanto “ricorda” dall’addestramento.
Perché è utile
Un modello linguistico tradizionale ha una conoscenza fissa al momento in cui è stato addestrato e può generare informazioni plausibili ma false quando gli manca il dato richiesto. Con la RAG, il modello ha invece accesso a informazioni aggiornate e verificabili nel momento stesso in cui genera la risposta, il che riduce (senza eliminarlo del tutto) il rischio di allucinazioni e permette di citare le fonti usate.
Dove la incontri già
Non serve capire i dettagli tecnici per usarla: la incontri ogni volta che uno strumento di IA cita fonti con link cliccabili invece di rispondere “a memoria”. È il meccanismo alla base di Perplexity, delle funzioni di “ricerca web” integrate in ChatGPT, Gemini e Copilot, e di molti assistenti aziendali che rispondono consultando documenti interni invece di inventare risposte plausibili.