I Large Language Models hanno dimostrato negli ultimi anni eccellenti capacità di comprensione e generazione nel linguaggio naturale, ma nonostante ciò il loro impiego in contesti reali è spesso limitato dalla mancanza di accesso a conoscenza aggiornata o di dominio. Un sistema di Retrieval Augmented Generation (RAG) rappresenta un approccio efficace per integrare modelli generativi con meccanismi di recupero dell’informazione, consentendo di produrre risposte attingendo da fonti documentali esterne e specifiche. In questo lavoro di tesi è ci concentriamo sulla progettazione, l' implementazione e la valutazione di un sistema RAG a livello aziendale, in grado di supportare l’interrogazione di una serie di documenti esterni attraverso l’integrazione di tecniche di retrieval e modelli di linguaggio avanzati.