Knowledge base aziendale con l’AI: cos’è, cosa metterci e come si costruisce

01 Cos’è una knowledge base aziendale

Una knowledge base aziendale è l’insieme di quello che l’azienda sa e che serve a lavorare, raccolto in modo che chi ne ha diritto lo trovi in pochi secondi, e sempre nella versione giusta. Non è un software in particolare: è un accordo su tre cose. Cosa ci va, chi può vedere cosa, chi lo tiene aggiornato.

Si confonde spesso con strumenti vicini. Una cartella condivisa conserva i file, ma si cerca per nome e per percorso: bisogna sapere dove guardare. Una wiki o una intranet sono pagine scritte apposta, che funzionano finché qualcuno le scrive e le aggiorna. Un assistente AI generico risponde a tutto, ma dalla propria memoria, non dai vostri documenti.

Una knowledge base con l’AI tiene la parte utile di ciascuno: lascia i documenti dove sono, li legge, e vi fa fare domande come a un collega che ha letto tutto. La risposta indica il documento e la pagina da cui viene. La tecnica si chiama RAG, e la spieghiamo, con i dati su quanto riduce gli errori, in questa guida.

02 Cosa metterci, e cosa lasciare fuori

Il criterio più utile è partire dalle domande, non dai documenti: entra quello che serve a rispondere alle domande che le persone fanno davvero, ogni settimana. Il resto può aspettare.

E cosa resta fuori, o entra solo con accessi ristretti:

• Versioni vecchie e duplicati. Un sistema di AI ripete quello che trova: se nella stessa cartella convivono due versioni di un listino, prima o poi citerà quella sbagliata. In un test presentato a NeurIPS 2024, sei modelli di punta hanno preferito un documento sbagliato alla risposta giusta che conoscevano in oltre il 60% dei casi.
• Dati personali che non servono allo scopo. Il GDPR chiede che siano «adeguati, pertinenti e limitati a quanto necessario» (articolo 5). Buste paga, valutazioni e certificati medici non hanno posto in una base di conoscenza condivisa.
• Password e credenziali. Mai, nemmeno in un documento «interno».
• Documenti senza un responsabile. Se nessuno risponde di un documento, nessuno lo aggiornerà. Meglio lasciarlo fuori finché qualcuno non lo prende in carico.

Il know-how riservato, invece, può entrare: con accessi ristretti alle persone e agli agenti AI che ne hanno bisogno, non a tutta l’azienda.

03 Perché le wiki e le cartelle condivise si fermano

Quasi ogni azienda ci ha già provato: una cartella «Procedure» su SharePoint o Google Drive, una wiki, un’intranet. Il fallimento ha quasi sempre la stessa forma, e non dipende dallo strumento.

• Scrivere è il secondo lavoro di qualcuno. Ogni pagina nasce da un’ora tolta al lavoro vero, e chi sa di più è anche chi ha meno tempo. Le pagine si fermano alla prima scadenza importante.
• Il contenuto invecchia in silenzio. Nessun documento avvisa quando diventa sbagliato. Il rapporto State of Teams 2025 di Atlassian osserva che chi trova un’informazione di solito non ha modo di sapere se è aggiornata, e finisce per reagire a informazioni vecchie o casuali.
• Si cerca per nome, non per domanda. In una cartella bisogna sapere come si chiama il file e dove sta. La domanda vera («che sconto possiamo fare a un distributore sopra i 50.000 euro?») non è il nome di nessun file.
• La risposta vive nella testa di qualcuno. Nello stesso sondaggio, il 56% dei lavoratori della conoscenza dice che spesso l’unico modo per avere un’informazione è chiedere a qualcuno o fissare una riunione.
• I permessi sono sbagliati, in un senso o nell’altro. Troppo chiusi, e la gente rinuncia; troppo aperti, e tutti vedono tutto. Microsoft stessa ricorda, nella guida per preparare SharePoint all’arrivo di Copilot, che le impostazioni di condivisione predefinite di SharePoint sono le più permissive.

Il conto di tutto questo si paga in tempo. Le stime sono internazionali e non coincidono, perché misurano cose diverse, ma vanno nella stessa direzione.

Fonti: per IDC e McKinsey, il nostro studio del luglio 2026; Microsoft, maggio 2023; Atlassian, rapporto 2025 (Stati Uniti, Regno Unito, Australia, India, Germania e Francia, quindi senza l’Italia).

Nel nostro studio Il costo della conoscenza che non si trova abbiamo applicato la stima più bassa, il 19%, alle imprese italiane: sono 66,2 miliardi di euro l’anno per il solo settore privato, circa tre punti di PIL. È una stima volutamente prudente, e dà l’ordine di grandezza del problema.

04 Cosa cambia con l’AI: i conti della knowledge base

La knowledge base tradizionale ha un costo fisso che la condanna: qualcuno deve riscrivere in pagine ordinate quello che è già scritto altrove, e poi tenere allineate le due cose. Uno strato di AI cambia il conto in tre punti.

1. Niente migrazione. I documenti restano nelle cartelle dove già vivono: Google Drive, SharePoint, OneDrive, Notion, il server dell’ufficio. Per partire non si sposta e non si riscrive niente.
2. Domande invece di cartelle. Si chiede come a un collega, e la risposta cita il documento e la pagina da cui viene. Chi chiede controlla in pochi secondi, e l’esperto smette di fare da motore di ricerca per tutti.
3. Aggiornamento senza lavoro. Quando un file cambia dove sta, cambia anche quello che l’AI legge, senza riaddestrare nulla. Già i primi esperimenti sulla RAG, nel 2020, mostravano che per aggiornare quello che un sistema sa basta sostituire i documenti.

Resta da scrivere solo quello che non è scritto da nessuna parte. E qui l’AI aiuta in un modo meno ovvio: le domande rimaste senza risposta mostrano esattamente quali pagine mancano. Si scrivono quelle, brevi, una domanda e una risposta, invece di una wiki intera.

Non è una scommessa isolata. Secondo l’Istat, tra le imprese italiane che usano l’intelligenza artificiale la tecnologia più diffusa è proprio l’estrazione di conoscenza e informazioni da documenti di testo: la usa il 70,8%, più dell’AI generativa (59,1%).

Due limiti vanno detti chiaramente. L’AI non corregge i documenti sbagliati: li ripete, con la stessa sicurezza con cui ripete quelli giusti. E la ricerca può mancare il passaggio giusto. Per questo la citazione alla pagina non è un dettaglio: è il modo in cui le persone si accorgono degli errori.

In ekory, per fare un esempio, si collegano le cartelle di Google Drive, SharePoint, OneDrive e Notion e i siti web: i file restano dove sono e, quando cambiano alla fonte, ekory si aggiorna da solo. Gli Eko, gli agenti AI che lavorano su quella conoscenza, rispondono citando documento e pagina, e ognuno legge solo i documenti che gli date. Le fonti che si collegano sono nella pagina Integrazioni, il resto in Prodotto.

05 Come si costruisce: un piano di 30 giorni

Il modo più sicuro per fallire è partire da tutto. Il piano che segue parte da un solo team e da domande vere, e in un mese arriva a un risultato misurato.

1. Giorni 1-5: un perimetro e 30 domande. Scegliete un team con domande che si ripetono (assistenza tecnica, ufficio commerciale, amministrazione) e una persona che ne risponda. Raccogliete 30 domande vere da email, ticket e chat, e da chi le riceve più spesso. Per ognuna scrivete la risposta giusta e il documento in cui si trova.
2. Giorni 6-10: le fonti e i permessi. Elencate dove vivono quelle risposte e collegate quelle cartelle, non l’intero disco. Togliete le versioni vecchie dei documenti critici: listini, condizioni, procedure. Decidete chi vede cosa per gruppi, prima di collegare e non dopo.
3. Giorni 11-15: il primo test. Fate le 30 domande e classificate ogni risposta: giusta con la fonte giusta, giusta senza fonte, sbagliata, «non trovato». Gli errori dicono quasi sempre cosa sistemare: un documento che manca, una versione vecchia, una pagina ambigua.
4. Giorni 16-25: il team al lavoro. Aprite al team. Ogni settimana guardate le domande rimaste senza risposta e scrivete le pagine mancanti, brevi. Decidete chi può correggere le risposte e spiegate a tutti come si controlla una fonte.
5. Giorni 26-30: misurare e decidere. Rifate il test delle 30 domande e confrontatelo con il primo. Se regge, scegliete il secondo team; se no, sapete esattamente dove intervenire.

Il passo che si salta più spesso è il primo test. Senza, non saprete mai se il sistema è migliorato o se vi siete soltanto abituati ai suoi errori.

06 Come si misura una knowledge base

Bastano pochi numeri, raccolti sempre allo stesso modo. Nessuno richiede strumenti particolari.

La rilevazione per campione su una settimana tipo è il metodo proposto nel nostro studio sul costo della conoscenza che non si trova.

Diffidate dei risparmi misurati altrove: valgono per altre aziende. Il vostro numero lo dà il confronto tra la settimana prima di partire e una settimana tre mesi dopo.

07 Permessi e governo: chi vede cosa, chi risponde di cosa

Una knowledge base con l’AI rende trovabile anche quello che prima era soltanto nascosto. È il suo pregio, ed è il motivo per cui i permessi vanno decisi prima di collegare le fonti. Cinque regole bastano per partire.

1. Ognuno vede quello che gli serve. Gruppi per reparto o progetto, e accessi larghi solo dove servono. Il GDPR lo chiede per i dati personali: per impostazione predefinita non devono essere resi accessibili a un numero indefinito di persone (articolo 25).
2. I permessi si applicano prima della ricerca. Un documento che una persona non può aprire non deve entrare nella sua risposta, nemmeno riformulando la domanda.
3. Ogni area ha un responsabile. Una persona per i listini, una per le procedure, una per i contratti: tiene aggiornati i documenti critici e decide cosa entra.
4. Chi corregge è scelto. Tutti possono chiedere; solo alcune persone indicate possono correggere le risposte dell’AI, così un errore scritto in una chat non diventa conoscenza.
5. Contratto e formazione. Con il fornitore serve un accordo sul trattamento dei dati che dica dove stanno e chi li tratta. E chi usa l’AI va formato: l’AI Act chiede a chi la usa per lavoro di adottare misure che sostengano l’alfabetizzazione del personale sull’AI, cioè le competenze per usarla bene (articolo 4, nel testo modificato a luglio 2026).

Prima di scegliere uno strumento, verificate se decide i permessi in proprio o li riprende dalle cartelle di origine, e chi può cambiarli. Le domande da fare al fornitore sono le stesse che farebbe il vostro responsabile della protezione dei dati: dove stanno i dati, chi li vede, se vengono usati per addestrare i modelli.

Domande frequenti

Fonti

1. ekory, Il costo della conoscenza che non si trova, luglio 2026, con la stima del 19% di IDC e McKinsey Global Institute, The Social Economy, 2012.
2. Microsoft, Work Trend Index 2023: Will AI Fix Work?, 9 maggio 2023.
3. Atlassian, The State of Teams 2025, 2025.
4. Istat, Imprese e ICT, Anno 2025, 15 dicembre 2025.
5. Lewis P. e altri, Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, NeurIPS, 2020.
6. Wu K., Wu E., Zou J., ClashEval: Quantifying the tug-of-war between an LLM’s internal prior and external evidence, NeurIPS Datasets and Benchmarks, 2024.
7. Microsoft Learn, Get ready for Microsoft Copilot with SharePoint Advanced Management, aggiornata ad agosto 2026.
8. Regolamento (UE) 2016/679 (GDPR), articoli 5 e 25.
9. Regolamento (UE) 2026/1744 (Digital Omnibus sull’IA), articolo 1, che sostituisce l’articolo 4 del Regolamento (UE) 2024/1689, 8 luglio 2026.