Base di conoscenza IA per le aziende.
Sistema RAG dalla Germania, consultabile su ogni canale.
La conoscenza è ovunque, in PDF, wiki, documenti Word, elenchi FAQ, vecchie e-mail. Chi lavora e la clientela devono cercarla a mano. Gli strumenti classici di gestione della conoscenza sono strumenti di ricerca, mostrano risultati ma non rispondono. L'IA generativa come ChatGPT sa rispondere, ma non conosce la conoscenza della tua azienda. Quello che manca: un sistema RAG che colleghi le due cose, e sia consultabile su ogni canale (telefono, chat, e-mail).
Il RAG (Retrieval Augmented Generation) è l'architettura standard per le basi di conoscenza IA enterprise: i documenti vengono tradotti in embedding vettoriali e salvati in un database vettoriale. Alle richieste il sistema cerca i passaggi più rilevanti, li passa come contesto a un LLM, che ne genera una risposta. Vantaggio rispetto agli strumenti di ricerca classici: risposta in linguaggio naturale invece di un elenco di link. Vantaggio rispetto all'IA generica: conoscenza aziendale specifica invece di conoscenza generale. Ma costruirsi i sistemi RAG da soli è ingegneria enterprise custom: licenziare un vector DB (servizio cloud statunitense o self-hosted), configurare l'integrazione dell'LLM, costruire la pipeline di embedding, scegliere la strategia di chunking, impiegare un modello di re-ranking, costruire un layer di compliance per GDPR/AI Act. Tempo richiesto: 2-6 mesi di implementazione custom. Prezzo: setup a cinque cifre + costi cloud mensili a quattro cifre. Per una PMI DACH fuori budget. L'architettura di Rinqo risolve tutto questo: la gestione della conoscenza è inclusa out-of-the-box nel prodotto, vector DB Qdrant self-hosted su Hetzner, LLM UE (Microsoft Azure OpenAI (Microsoft Ireland, Sweden Central)), disclosure conforme all'AI Act. Attivazione in 10 minuti tramite wizard.
Rinqo è una base di conoscenza IA con output multicanale. Una base di conoscenza centrale basata su RAG per organizzazione, alimentata da PDF, crawl del sito, elenchi FAQ, articoli dell'helpdesk; fonti di terze parti come Confluence, Notion o SharePoint le colleghiamo su richiesta. Consultabile su quattro canali: telefono (una chiamata restituisce la risposta dalla base di conoscenza), chat (widget con function-calling), e-mail (un agente di triage autonomo risponde alle richieste standard) e assistente personale (ricerca Q&A interna per tutto il team). Hosting Hetzner DE, da 99 € netti/mese flat.
Prova la base di conoscenza IAWarum Rinqo?
RAG out-of-the-box invece di ingegneria custom
Implementazione RAG classica: 2-6 mesi di ingegneria custom con licenza del vector DB, setup dell'LLM, pipeline di embedding, chunking, re-ranking, compliance. Rinqo: setup con wizard in 10 minuti, Qdrant, Microsoft Azure OpenAI, disclosure AI Act integrata di default.
Output multicanale senza integrazioni separate
Gli strumenti KB classici sono frontend web. Rinqo rende la stessa base di conoscenza consultabile via telefono, widget di chat, triage e-mail e assistente personale, senza integrazioni di canale separate. Una base di conoscenza, quattro canali.
Hetzner DE invece di un vector DB su cloud statunitense
I servizi vector DB diffusi ospitano in regioni statunitensi. Rinqo usa Qdrant self-hosted su Hetzner Falkenstein/Norimberga, nessuna esposizione al Cloud Act per la conoscenza aziendale. DPA automatico alla firma del contratto.
Risoluzione delle lacune di conoscenza con apprendimento continuo
Quando l'IA non può rispondere a una richiesta, la lacuna viene segnalata nella dashboard. Aggiungi la risposta in un minuto, la volta successiva l'IA sa rispondere. La base di conoscenza cresce dalle richieste reali dei clienti, non dalla manutenzione teorica delle FAQ.
Disclosure AI Act art. 50 di default
Per ogni risposta generata dall'IA: avviso di disclosure (annuncio vocale, badge in chat, footer e-mail). Obbligo dal 02.08.2026, con Rinqo di default. Le implementazioni RAG custom classiche devono inserire la disclosure a mano.
Function-calling per risposte strutturate
Invece di sole risposte testuali, l'IA può richiamare funzioni: prenotare un appuntamento su Cal.com, inserire un lead nel CRM, attivare un webhook, ri-escalation a una persona. Così la base di conoscenza diventa attiva (agisce) invece che passiva (informa soltanto).
Vorher. Nachher.
Opzioni classiche per la gestione della conoscenza aziendale: (1) strumenti wiki e documentali, frontend web per la ricerca, nessuna risposta IA, nessuna disponibilità multicanale. (2) Implementazione RAG custom, 2-6 mesi di ingegneria, costi di setup a cinque cifre, vector DB su cloud statunitense, compliance GDPR manuale. (3) Chat IA generiche, non conoscono la conoscenza della tua azienda, danno risposte inventate (allucinazioni).
Rinqo (DE, Hetzner): sistema RAG out-of-the-box con vector DB Qdrant UE, LLM UE, standard AI Act. Output multicanale: telefono + chat + e-mail + assistente personale. Risoluzione delle lacune di conoscenza per l'apprendimento continuo. Setup in 10 minuti tramite wizard. Flat da 99 € netti/mese invece di un setup custom a cinque cifre.
Cos'è una base di conoscenza IA? Il RAG per le aziende spiegato
Il RAG (Retrieval Augmented Generation) è l'architettura di riferimento per le basi di conoscenza IA. Tre passi: primo, i documenti vengono tradotti in embedding vettoriali semantici (ad es. tramite un modello di embedding come text-embedding-3) e salvati in un database vettoriale. Rinqo usa Qdrant (open-source, Apache 2.0) self-hosted su Hetzner. Secondo, a una richiesta il sistema calcola l'embedding vettoriale della domanda e cerca i passaggi di documento più simili nel database, tipicamente i top-5 risultati. Terzo, i passaggi trovati vengono passati come contesto a un LLM (Rinqo: Microsoft Azure OpenAI (Microsoft Ireland, Sweden Central) come backbone IA unico), che ne genera una risposta in linguaggio naturale. Vantaggio: conoscenza aziendale specifica invece di conoscenza generale, risposta in linguaggio naturale invece di un elenco di link. Trade-off: serve una base di conoscenza con contenuti di buona qualità e un chunking pulito. Rinqo ha chunking + re-ranking calibrati di default per le basi di conoscenza delle PMI DACH (articoli di helpdesk da 100-500 parole, misti a elenchi FAQ e documenti PDF).
Come si costruisce la base di conoscenza di Rinqo, tre fonti di input
Rinqo accetta tre tipi di input per la base di conoscenza. Primo, crawl del sito. Indichi l'URL del tuo dominio principale, Rinqo effettua il crawl automatico di tutte le pagine indicizzabili (tipicamente 50-500 pagine per una PMI DACH), estrae il testo, lo indicizza in Qdrant. Sforzo 5-15 minuti a seconda del numero di pagine. Secondo, upload di file. Documenti PDF, documenti Word, file Markdown, tabelle Excel vengono caricati. Rinqo estrae il testo con comprensione del layout (titoli, tabelle, elenchi), indicizza in automatico. Funziona per raccolte di articoli di helpdesk, manuali per il personale, documentazione di prodotto, policy di compliance. Terzo, fonti di terze parti su richiesta. Fonti come Confluence (Atlassian), Notion, SharePoint, Google Drive o Zendesk Help Center le colleghiamo su richiesta: della configurazione ci occupiamo noi, di norma in pochi giorni.
Output multicanale, una base di conoscenza per quattro canali
Gli strumenti classici di gestione della conoscenza sono frontend web, chi lavora e la clientela devono aprire l'app, cercare, leggere. In caso di chiamate, richieste in chat o e-mail, la conoscenza deve essere recuperata a mano da qualcuno nel team. Rinqo ribalta la cosa: la stessa base di conoscenza viene erogata su quattro canali. Canale telefono: l'agente telefonico IA risponde alla chiamata, cerca nella base di conoscenza, risponde a voce (sintesi vocale tramite un fornitore tedesco, ospitata nell'UE). Canale chat: widget web con la stessa base di conoscenza. Canale e-mail: un agente di triage autonomo si collega via IMAP alla casella, risponde alle richieste presenti nella base di conoscenza, fa escalation delle mail complesse. Assistente personale: ricerca Q&A diretta per tutto il team (ad es. sulla documentazione del workflow di segnalazione malattia), con indicazione della fonte a ogni risposta. Una base di conoscenza, quattro canali, nessun silo di conoscenza.
Risoluzione delle lacune di conoscenza, la base impara dalle richieste reali
I sistemi RAG classici hanno un problema tipico: all'inizio la base di conoscenza è incompleta. Chi lavora e la clientela fanno domande non coperte dalla base. I sistemi classici rispondono allora con un messaggio di errore o, peggio, allucinano. Rinqo ha un loop di apprendimento continuo. Passo 1: a una richiesta a cui non può rispondere, l'IA fa escalation con onestà a una persona E registra la lacuna in modo strutturato nella dashboard. Passo 2: vedi tutte le lacune di conoscenza aperte ordinate per frequenza. Passo 3: aggiungi la risposta in 30 secondi (può essere una voce FAQ, un passaggio di documentazione integrato o un nuovo file di conoscenza). Passo 4: la successiva richiesta uguale o simile viene evasa automaticamente. La base di conoscenza cresce dalle richieste reali dei clienti, non dalla manutenzione teorica delle FAQ. Effetto: il tasso di successo sale dal tipico 60-70 percento nella settimana 1 al 90-95 percento nelle settimane 4-6.
Rinqo vs. strumenti classici di gestione della conoscenza, il confronto
Nel 2026 le PMI DACH confrontano tre opzioni per la gestione della conoscenza. Primo, gli strumenti classici wiki e KB. Punto di forza: interfacce editoriali mature, versioning, permessi, collaborazione di team. Debolezza: solo frontend web, nessuna risposta IA, nessuna disponibilità multicanale. Prezzo tipico 8-15 €/persona/mese, ma senza layer IA incluso. Secondo, l'implementazione RAG custom. Punto di forza: massima flessibilità nell'architettura e nelle integrazioni. Debolezza: 2-6 mesi di ingegneria, costi di setup a cinque cifre, licenze cloud DB, compliance GDPR/AI Act manuale. Per una PMI DACH fuori budget. Terzo, le chat IA generiche. Punto di forza: risposte LLM mature. Debolezza: non conoscono la conoscenza aziendale (a meno di copiare il contesto a mano), allucinano su richieste specifiche, spesso hosting su cloud statunitense. Rinqo unisce i tre vantaggi: base di conoscenza curata con funzioni editoriali di base più risposte RAG più GDPR/hosting UE (made in Germany), out-of-the-box da 99 €/mese flat.
Domande frequenti
Fonti
- Qdrant Vector Database (open-source, Apache 2.0)
- Regolamento UE 2024/1689 (AI Act), art. 50
- GDPR art. 28, trattamento dei dati per conto
- CGUE C-311/18 (esposizione al Cloud Act), trasferimento dati verso Paesi terzi
Ultimo aggiornamento: 2026-05-09
Fondatore e CEO, Rinqo
Sven costruisce Rinqo a partire da una semplice osservazione: la maggior parte degli strumenti di IA viene progettata a San Francisco e venduta a Berlino. L'officina della Foresta Nera, l'ambulatorio veterinario di Salisburgo, l'hotel a conduzione familiare in Tirolo ricevono software che non parla la loro lingua. Rinqo ribalta tutto questo. Su server europei, configurato in dieci minuti, in venti lingue. Con modelli creati dai settori stessi.
Ultimo aggiornamento:
Prova dal vivo
Vai all'agente