Metis: Dove l’Intelligenza Artificiale Incontra la Documentazione Tecnica Sistema Conversazionale RAG per l’Automazione del Supporto IT = Metis: Where Artificial Intelligence Meets Technical Documentation RAG Conversational System for IT Support Automation

Il presente lavoro introduce Metis, un sistema conversazionale avanzato basato su architettura Retrieval-Augmented Generation (RAG), progettato per affrontare le sfide del supporto IT in contesti aziendali complessi e ad alta criticità operativa. L’obiettivo principale è superare le limitazioni degli approcci tradizionali, come helpdesk manuali e motori di ricerca testuali, che soffrono di scarsa scalabilità, lentezza di risposta e difficoltà di accesso a informazioni frammentate. Al tempo stesso, il progetto si propone di mitigare le criticità tipiche dell’uso isolato dei Large Language Models (LLM), i quali, pur garantendo notevoli capacità generative, presentano problematiche quali fenomeni di hallucination, mancanza di contestualizzazione, obsolescenza delle fonti e dipendenza da dati non verificati. L’architettura di Metis integra la potenza generativa dei LLM con un motore di retrieval semantico ancorato a documentazione tecnica ufficiale e costantemente aggiornata, garantendo risposte affidabili, tracciabili e trasparenti. La knowledge base è costruita mediante pipeline serverless di scraping automatizzato e arricchita con meccanismi di semantic chunking e cryptographic fingerprinting, che assicurano coerenza semantica, granularità informativa e controllo di integrità. I contenuti sono indicizzati in database vettoriali ad alte prestazioni, che abilitano ricerche per similarità basate su embedding neurali. Le query utente vengono elaborate tramite un router gerarchico che combina categorizzazione semantica multilivello, query expansion supportata da LLM e strategie di Reciprocal Rank Fusion (RRF), così da massimizzare pertinenza e copertura. La generazione finale delle risposte è affidata a GPT-4o, orchestrato tramite LangChain, con gestione del contesto multi-turno, memorizzazione delle sessioni e raccolta sistematica di feedback incrementale, in un ciclo efficiente di apprendimento continuo. La valutazione sperimentale, condotta attraverso benchmark su metriche chiave quali latenza, throughput e stabilità sotto carico, ha evidenziato la superiorità dell’implementazione basata su Redis rispetto a Chroma: riduzioni della latenza media fino all’81%, raddoppio del throughput e significativa ottimizzazione del processo di chunking grazie all’impiego di caching intelligente. I casi d’uso simulati hanno dimostrato la capacità del sistema di gestire richieste tecniche complesse, come troubleshooting, change management, installazione e configurazione, di integrarsi con flussi operativi tramite piattaforme di ticketing come ServiceNow, di isolare correttamente sessioni contestuali e di filtrare interrogazioni fuori dominio, preservando la coerenza semantica. In prospettiva, la modularità dell’architettura e l’approccio data-driven adottato consentono di delineare traiettorie evolutive di grande rilevanza, capaci di rafforzare ulteriormente l’affidabilità e l’impatto operativo di Metis: l’introduzione di feedback qualitativi testuali per arricchire la valutazione delle risposte, la costruzione collaborativa e dinamica della knowledge base a partire da ticket pregressi e best practices interne, l’automazione supervisionata dei ticket ricorrenti con validazione umana e l’estensione della portabilità del chatbot verso piattaforme collaborative ampiamente diffuse, come Microsoft Teams e Telegram, così da integrarsi nei flussi di lavoro quotidiani delle organizzazioni.