Quando un agente AI legge documenti aziendali, il costo del modello è solo una parte del problema. Il lavoro vero sta nel mantenere l’indice, rispettare i permessi, recuperare i passaggi utili e dimostrare da quale file arriva ogni risposta. È qui che la scelta tra retrieval gestito e pipeline RAG personalizzata cambia tempi, rischi e responsabilità.
Il confronto diventa concreto con Box Context Retrieval, annunciato il 5 novembre 2026 e basato sui modelli NVIDIA Nemotron. La disponibilità generale è prevista all’inizio del 2027 per i clienti Enterprise Advanced: non è quindi un servizio già utilizzabile da tutti. Box lo presenta come un indice sicuro e consapevole dei permessi, accessibile via REST API o MCP. L’alternativa è costruire lo stesso percorso in proprio: estrazione, suddivisione dei documenti, embeddings, database vettoriale, ricerca ibrida, reranking e controllo degli accessi.
Il criterio: controllo utile, non teorico
Il criterio non è quale soluzione mostri più componenti tecniche. È quale modello garantisca risposte verificabili, permessi coerenti e costi prevedibili con il team disponibile. Un RAG personalizzato offre più libertà, ma ogni elemento aggiunge una decisione da prendere e un servizio da monitorare. Il gestito riduce il perimetro operativo, in cambio di dipendenza dal fornitore e minore controllo sui dettagli del ranking.
Box dichiara che il nuovo motore può aumentare del 20% l’accuratezza della ricerca, ridurre del 90% i token e rendere il question answering quattro volte più rapido. Sono stime del fornitore, riportate anche da Reuters, non un benchmark indipendente su documenti di una PMI. Prima di trasformarle in un business case servono test sul proprio corpus, con domande reali e risultati attesi già definiti.
A — Retrieval gestito: meno pezzi da mantenere
Nel modello gestito, indice, metadati e permessi restano vicini al repository documentale. Box descrive una ricerca ibrida che combina corrispondenza lessicale e semantica, con embeddings NVIDIA Nemotron, e controlla i permessi correnti a ogni query. Questo evita di copiare le liste di accesso in un database esterno e riduce il rischio che un indice continui a mostrare un documento dopo la revoca di un’autorizzazione.
Il vantaggio operativo è chiaro: una PMI può collegare un agente ai contenuti senza gestire separatamente pipeline di sincronizzazione, vector database e reranker. REST API e MCP permettono inoltre di usare il retrieval dentro workflow, copilot o automazioni già esistenti. È un approccio coerente con l’uso di MCP per collegare l’AI ai documenti di lavoro, purché gli strumenti esposti all’agente restino limitati al necessario.
I contro sono altrettanto concreti. La qualità dipende dai formati supportati, dai metadati presenti e dalle scelte del servizio. Il costo segue il piano commerciale. Se i documenti sono distribuiti fra WordPress, CRM, file server e applicazioni verticali, concentrare tutto in un’unica piattaforma può diventare un progetto di migrazione, non una semplice integrazione.
B — RAG personalizzato: controllo con un prezzo
Una pipeline personalizzata consente di scegliere parser, dimensione dei chunk, modello di embedding, motore vettoriale, ricerca keyword, reranking e modello generativo. La famiglia NVIDIA Nemotron Retrieval copre estrazione, embeddings e reranking, ma non elimina la necessità di progettare il sistema che li collega.
Questo controllo è utile quando i dati arrivano da più sorgenti, quando il ranking deve rispettare regole di settore o quando l’azienda vuole poter cambiare modello e infrastruttura. Permette anche di conservare log dettagliati e definire strategie diverse per manuali, ticket, pagine web e documenti scansionati.
Il prezzo non è soltanto lo sviluppo iniziale. Bisogna aggiornare l’indice, gestire documenti cancellati, replicare le autorizzazioni, misurare precisione e richiamo, proteggere gli endpoint e osservare latenza e consumi. Un errore nella sincronizzazione dei permessi può essere più grave di una risposta imprecisa. Per questo la stessa logica della sandbox per gli agenti AI vale anche qui: l’accesso ai contenuti va ristretto per identità, azione e sorgente.
WordPress non deve diventare il vector database
Per un sito WordPress, il CMS dovrebbe continuare a gestire contenuti, ruoli e pubblicazione. Può esporre via REST API le pagine autorizzate o inviare eventi quando un contenuto cambia, ma indicizzazione semantica e inferenza vanno tenute in un servizio separato. In questo modo cache, backup e aggiornamenti del sito non dipendono dal carico del retrieval.
Nel modello gestito, WordPress può essere una fonte secondaria oppure limitarsi a mostrare il risultato di un servizio esterno. Nel modello personalizzato, un processo indicizza soltanto i post necessari e conserva l’ID del contenuto, la data di modifica e il livello di accesso. La regola è non inviare bozze, dati personali o aree riservate a un indice che non applica gli stessi permessi del CMS.
Come decidere senza costruire due volte
- Scegli il gestito se la maggior parte dei documenti è già nella piattaforma, i permessi sono complessi e il team non ha un owner per il retrieval.
- Scegli il personalizzato se le sorgenti sono distribuite, il ranking è parte del vantaggio competitivo o esistono vincoli precisi su hosting e portabilità.
- Misura entrambi con 30-50 domande rappresentative, risposta attesa, fonte corretta, latenza e costo per query. Non bastano demo costruite sui documenti più facili.
In entrambi i casi, la risposta deve riportare il documento e il passaggio usato. Se l’agente non trova una fonte sufficiente, deve fermarsi o chiedere un chiarimento: generare una risposta plausibile non è un fallback accettabile.
La scelta netta per una PMI
Per una PMI partirei dal retrieval gestito quando contenuti e permessi vivono già nello stesso repository. Riduce le superfici da mantenere e permette di validare il caso d’uso prima di investire in infrastruttura. Passerei a una pipeline personalizzata solo dopo aver misurato un limite reale: fonti non integrabili, ranking insufficiente, requisiti di portabilità o costi che crescono oltre il valore prodotto.
La scelta A/B, quindi, non è fra semplicità e tecnologia avanzata. È fra affidare a un fornitore una parte del controllo oppure assumersi internamente l’intera catena. Senza un team che possa testare retrieval, permessi e aggiornamenti nel tempo, il controllo promesso dal RAG personalizzato resta sulla carta.