Progettazione e Sviluppo di un Sistema RAG On-Premise per la Gestione della Documentazione Tecnica e della Conoscenza Aziendale

La presente tesi affronta il problema della gestione e dell'interrogazione di una base di conoscenza aziendale eterogenea, costituita da documentazione tecnica, procedure interne, fogli aziendali e storico delle conversazioni di supporto tecnico relative al software Wamas. L'obiettivo è stato sviluppare un sistema in grado di centralizzare tali informazioni e renderle facilmente interrogabili attraverso un'interfaccia basata su Large Language Models (LLM), mantenendo al contempo elevati requisiti di riservatezza, tracciabilità e affidabilità delle informazioni. A tale scopo è stata progettata e implementata una pipeline basata sull'architettura Retrieval-Augmented Generation (RAG), utilizzando LlamaIndex per l'orchestrazione dei processi e Qdrant come vector database. Il preprocessing dei dati ha richiesto metodologie differenti in funzione della tipologia delle fonti. I log delle conversazioni WhatsApp sono stati sottoposti ad anonimizzazione mediante un modello locale Qwen3 32B AWQ, seguita dall'estrazione e dalla deduplicazione dei singoli problemi tecnici. La documentazione tecnica e procedurale è stata invece elaborata mediante Docling, permettendo di preservare la struttura di testi, tabelle e contenuti grafici, questi ultimi analizzati tramite un Vision-Language Model locale Qwen3-VL 8B. I contenuti così ottenuti sono stati successivamente suddivisi in chunk e trasformati in rappresentazioni vettoriali mediante il modello bge-m3. Il sistema implementa un meccanismo di retrieval ibrido, combinando la ricerca semantica vettoriale con metodologie basate su TF-IDF, al fine di migliorare la pertinenza dei documenti recuperati. La fase di generazione produce quindi risposte basate sulle informazioni recuperate, mantenendo il collegamento con le fonti originali per consentirne la verifica. L'intera soluzione è stata progettata per operare in ambiente on-premise, evitando l'invio di dati aziendali a servizi cloud esterni e consentendo l'integrazione di meccanismi di controllo degli accessi basati sui ruoli. Il lavoro dimostra come l'integrazione di tecniche di Retrieval-Augmented Generation, modelli linguistici locali e metodologie di preprocessing multimodale possa essere utilizzata per trasformare un patrimonio informativo aziendale frammentato in una base di conoscenza interrogabile, verificabile e aggiornata, fornendo un supporto efficace alle attività di assistenza tecnica e consultazione della documentazione interna.