// perché questa pagina

Questa è la versione che leggono le AI.

Il Markdown è il formato in cui i modelli linguistici leggono davvero il web: niente CSS, niente JavaScript, niente impaginazione — solo struttura e contenuto. È la stessa pagina della versione originale, servita nella forma che un'AI capisce meglio.

text/markdown0 kB CSSllms.txt ✓sorgente .md ↗

---
title: "RAG o fine-tuning? Come scegliere per i documenti della tua azienda"
description: "RAG e fine-tuning risolvono problemi diversi. Una guida pratica per capire quale approccio serve davvero per far ragionare l'AI sui documenti aziendali."
date: 2026-06-24
tags: [RAG, Architettura AI]
url: "https://ai.malagoli.me/blog/rag-vs-fine-tuning-guida-pratica"
locale: it_CH
---

# RAG o fine-tuning? Come scegliere per i documenti della tua azienda

RAG e fine-tuning vengono spesso presentati come alternative equivalenti. Non lo sono: risolvono problemi diversi, e scegliere quello sbagliato costa mesi di lavoro.

Quando un'azienda vuole che l'AI "conosca" i propri documenti — contratti, procedure interne, cataloghi tecnici — la domanda che arriva quasi sempre è se convenga fare fine-tuning del modello. Nella maggior parte dei casi la risposta è no, e la ragione sta in cosa risolvono davvero queste due tecniche.

## Cosa fa il RAG

Il RAG (Retrieval-Augmented Generation) recupera i passaggi rilevanti dai tuoi documenti al momento della domanda e li fornisce al modello come contesto per la risposta. Il modello non "impara" i tuoi documenti: li legge ogni volta, in tempo reale, da un indice che aggiorni semplicemente aggiungendo o modificando i file.

## Cosa fa il fine-tuning

Il fine-tuning modifica i pesi del modello addestrandolo su esempi specifici, per cambiarne lo stile, il formato di risposta o un comportamento di fondo. Non è un buon meccanismo per iniettare conoscenza fattuale che cambia nel tempo: se un contratto viene aggiornato, un modello fine-tuned non lo sa finché non lo riaddestri.

## Il framework che usiamo con i clienti

- I contenuti cambiano spesso (procedure, cataloghi, normative)? Il RAG è quasi sempre la scelta giusta.

- Serve un tono, un formato o un comportamento specifico e stabile nel tempo? Il fine-tuning ha senso, spesso in combinazione con il RAG.

- Serve tracciabilità — sapere da quale documento arriva una risposta? Solo il RAG lo offre in modo naturale, citando le fonti recuperate.

- Il volume di conoscenza è enorme e specialistico? Va valutato un approccio ibrido, con RAG per i fatti e un modello base scelto per il dominio.

## Perché conviene partire dal RAG

Il RAG costa meno da mantenere, è più semplice da spiegare in un audit — perché puoi mostrare esattamente quale documento ha generato una risposta — e si adatta a un'infrastruttura open-weight ospitata internamente senza dover riaddestrare nulla ogni volta che un documento cambia. Per la maggior parte dei casi d'uso aziendali che incontriamo, è il punto di partenza più solido, con il fine-tuning riservato ai casi in cui serve davvero.

- [tutti gli articoli](/markdown.md)
- [versione impaginata](/blog/rag-vs-fine-tuning-guida-pratica)

torna al sito →