AI-DATA · Percorso 4: Costruire e gestire
AI-ready Data e Knowledge Architecture
I progetti RAG falliscono di rado per colpa del modello, quasi sempre per fonti senza proprietario e autorizzazioni senza criterio.
- Durata
- 2 giorni
- Gruppo
- da 4 a 12 persone
- Formato
- Inhouse · Da remoto
- Lingua
- Tedesco o inglese
- Preavviso
- da 4 settimane
- Prezzo
- 15.800 € forfettario, IVA esclusa
Erogazione a partire da quattro partecipanti effettivamente iscritti. La data viene confermata per iscritto dopo aver concordato contenuti, prerequisiti e disponibilità.
Per chi è questo track
Architetti, data engineer e sviluppatori chiamati a rendere il sapere aziendale utilizzabile per gli assistenti. Anche per project manager tecnici che, prima di avviare un progetto RAG, vogliono sapere quali fonti reggono e quali no.
Per chi no
Non per team che dispongono già di una mappa delle fonti solida e vogliono costruire il prototipo. Loro partono direttamente con Enterprise RAG Engineering (AI-RAG). Le pure questioni di policy appartengono ad AI-GOV.
Situazione di partenza
Il sapere vive in SharePoint, file server, wiki, sistemi di ticketing e caselle di posta, spesso in tre versioni e senza un proprietario chiaro. Un assistente che risponde su questa base cita direttive superate e mostra documenti che chi chiede non dovrebbe mai vedere. Prima che nasca una sola riga di codice di ingestion servono mappa, ownership e un modello di autorizzazioni.
Questo esiste dopo il track
- Una mappa della conoscenza del Suo panorama reale delle fonti, elaborata in forma anonimizzata, con valutazione per attualità, qualità e struttura degli accessi
- Una matrice di ownership: per ogni fonte prioritaria un proprietario di business nominato e un processo di aggiornamento definito
- Una lista prioritizzata delle fonti per la prima iterazione RAG con criteri di esclusione documentati
- Un profilo dei requisiti di retrieval: a quali tipi di domande, su quali tipologie di documenti e con quali metadati il sistema deve rispondere
- Una bozza di modello di autorizzazioni che porta le ACL delle fonti fino alla risposta invece di perderle in fase di indicizzazione
Prerequisiti
Conoscenza del proprio panorama di sistemi e comprensione di base delle strutture dati. Non servono competenze di programmazione, serve pensiero architetturale.
Preparazione prima del track
Riceverà in anticipo una scheda delle fonti: per ogni organizzazione partecipante le 10 fonti di conoscenza più importanti con tipo di sistema, volume stimato, modello di accesso e ultima data di riordino nota. Le schede anonimizzate sono il materiale di lavoro di entrambe le giornate.
Contenuto della fornitura
- 2 giornate in presenza con Dino Bordonaro, inhouse o remote
- Modelli riutilizzabili per mappa della conoscenza, matrice di ownership e valutazione delle fonti
- Modello di autorizzazioni di riferimento con albero decisionale per la document-level security
- Analisi anonimizzata delle schede delle fonti come quadro della situazione
- Certificati di partecipazione e documentazione formativa per il Suo archivio di compliance
- Sessione remota di 60 minuti 4 settimane dopo il training per la verifica della mappa
Agenda
Giorno 1
Il quadro della situazione: le Sue fonti sul tavolo
Analisi delle schede delle fonti anonimizzate. Prima domanda di selezione: quali di queste fonti citerebbe oggi un assistente e di quale risposta Lei si fiderebbe?
Perché indicizzare senza mappa costa caro
Anatomia di progetti RAG falliti: duplicati obsoleti, drive orfani, perdita delle ACL durante il crawling. Demo dal vivo sul Sovereign Assistant nel Lab: la stessa domanda contro fonti curate e non curate.
Officina mappa della conoscenza
Ogni organizzazione mappa le proprie fonti lungo tre assi: valore di business, qualità dei dati, struttura degli accessi. Il risultato è una mappa a quattro quadranti con candidati chiari ed esclusioni chiare.
Ownership o cimitero dei dati
Esercizio sulle proprie mappe: chi possiede quale fonte sul piano di business, chi la mantiene, cosa succede in caso di contraddizione tra due versioni? La matrice di ownership nasce sul proprio caso.
Risultato della giornata: mappa e matrice in piedi
Ogni organizzazione presenta in 5 minuti la propria mappa della conoscenza con matrice di ownership. Domanda di verifica del gruppo: ogni fonte principale è assegnata a un nome e ogni decisione di esclusione è motivata?
Giorno 2
Prioritizzazione: tagliare la prima iterazione
Dalla mappa nasce una lista ordinata: quali 3-5 fonti reggono la prima iterazione RAG? I criteri sono valore delle risposte, maturità dei dati e chiarezza delle autorizzazioni, non la visibilità politica.
Requisiti di retrieval invece di una lista dei desideri
Dai tipi di domande reali dei partecipanti nasce un profilo dei requisiti: domande sui fatti, sui processi, di confronto. Quali metadati, strutture e garanzie di attualità servono a ciascuna classe?
Autorizzazioni: dalla fonte alla risposta
Officina sul modello di riferimento: come arrivano le ACL da SharePoint e file server nell’indice e come vengono verificate a ogni query? Albero decisionale per la document-level security sul proprio modello di accesso.
Il processo di manutenzione: restare aggiornati invece di riordinare una volta sola
Esercizio: per le fonti prioritarie viene definito il percorso di aggiornamento. Chi cancella, chi versiona, come lo viene a sapere l’indice? Senza questo processo ogni mappa invecchia nel giro di mesi.
Risultato della giornata: il pacchetto pronto alla consegna
Ogni organizzazione archivia mappa, matrice di ownership, lista prioritizzata delle fonti e bozza del modello di autorizzazioni come pacchetto unico. Review reciproca con checklist: un team RAG potrebbe partire lunedì con questo materiale?
Esercitazioni e quota lab
Circa metà del tempo è lavoro di officina sul proprio panorama di fonti anonimizzato. In più dimostrazioni dal vivo sul Sovereign Assistant nel nostro ambiente Lab, per rendere visibili gli effetti di curatela e autorizzazioni.
Piattaforme
Il lavoro di officina avviene su schede anonimizzate delle Sue fonti reali, nessun dato dei clienti lascia la Sua organizzazione. Le demo girano sul nostro ambiente Lab con dati sintetici, esempi di piattaforma nella versione di volta in volta disponibile.
Prova di transfer
La review finale del Giorno 2 verifica ogni pacchetto contro una checklist documentata: ownership nominata, prioritizzazione motivata, percorso delle autorizzazioni descritto. Risultato e partecipazione vengono documentati in modo tracciabile e verificabile in sede di audit.
Artefatti che porta con sé
- Mappa della conoscenza del proprio panorama di fonti come documento modificabile
- Matrice di ownership con processo di manutenzione per ogni fonte prioritaria
- Lista prioritizzata delle fonti con motivazioni di esclusione per la prima iterazione RAG
- Bozza del modello di autorizzazioni con albero decisionale per la document-level security
- Profilo dei requisiti di retrieval come documento di ingresso per AI-RAG
Estensioni opzionali
- Enterprise RAG Engineering (AI-RAG) come proseguimento costruttivo diretto sulla base del pacchetto
- Evaluation, Observability e Guardrails (AI-EVAL) per l’assicurazione qualità del sistema futuro
- PoC del Sovereign Assistant sul nostro ambiente Lab con le Sue fonti prioritarie come progetto
Delimitazione
Il training elabora concetti e basi decisionali sul Suo caso. Non sostituisce una migrazione dei dati, un’introduzione di sistemi né un incarico di implementazione, per questo parliamo di un progetto.
Domande frequenti
Il nostro panorama dati è un caos. Il training non arriva troppo presto?
È proprio allora che è giusto. L’obiettivo non è il panorama in ordine, ma la selezione motivata delle 3-5 fonti che reggono una prima iterazione. Riordinare tutto prima del primo progetto è il modo più frequente per non partire mai.
Dobbiamo portare dati aziendali reali?
No. Si lavora su schede delle fonti anonimizzate: tipo di sistema, volume, modello di accesso, valutazione della qualità. Basta per decisioni solide e nessun contenuto lascia la Sua organizzazione.
Non abbiamo ancora deciso un progetto RAG. Conviene lo stesso?
Sì, perché il pacchetto di mappa, ownership e modello di autorizzazioni è anche la base per decidere se e dove un progetto conviene. Se in primo piano c’è la domanda sul business case, AI-VALUE è l’ingresso più adatto.