Il 19 novembre 2026 Perplexity ha rilasciato una guida dettagliata che spiega come le organizzazioni possano affidare a fornitori esterni l’intero processo di Retrieval‑Augmented Generation (RAG). La RAG consente ai sistemi di intelligenza artificiale aziendale di accedere a informazioni al di fuori dei parametri di addestramento del modello, integrando dati specifici dell’impresa nei prompt generati. Nella guida il concetto è definito “RAG as a Service” (RaaS) e si riferisce a soluzioni in cui il provider gestisce la maggior parte – o la totalità – dei componenti RAG, inclusi database vettoriali, modelli di embedding, retriever e spesso anche il modello linguistico e l’interfaccia utente.
Come funziona il RAG gestito
La guida individua tre modelli di distribuzione che inquadrano le scelte possibili per le imprese:
- Local RAG: ingestion, retrieval e storage avvengono sui server interni dell’azienda, potenzialmente accanto a modelli di embedding e linguistici eseguiti in locale.
- Self‑built cloud: si utilizzano API per accedere a database ospitati da terze parti e a modelli esterni, ma l’amministrazione, l’orchestrazione e le integrazioni rimangono sotto il controllo interno.
- RaaS: il provider si occupa di tutti o quasi tutti gli aspetti del sistema; l’impresa fornisce solo l’accesso ai propri dati o al proprio storage cloud.
Nel caso di esempio relativo alla gestione della conoscenza, il provider riceve l’accesso alla base di conoscenza dell’azienda tramite un’API. Dopo aver pulito il testo, lo trasforma in embedding vettoriali e li memorizza in un database vettoriale sui propri server. Il provider aggiunge periodicamente nuova documentazione e collega l’API del retriever all’orchestratore dell’azienda, il software che coordina le richieste degli utenti, aggiunge il contesto recuperato al prompt e lo invia al modello linguistico.
Quando un dipendente interroga il chatbot interno, l’orchestratore invia la query al provider, che la converte in embedding, esegue la ricerca nel database vettoriale e restituisce i risultati. L’orchestratore incorpora queste informazioni nel contesto del prompt, lo invia al modello linguistico e restituisce la risposta al chatbot. Il risultato è una risposta più accurata e completa rispetto a un modello che si basa solo sui dati di addestramento.
Applicazioni aziendali e trade‑off tra i modelli
Le principali applicazioni della RAG gestita includono:
- Gestione della conoscenza interna (documenti su Google Drive, SharePoint, Confluence).
- Assistenza clienti tramite chatbot o sistemi di ticket.
- Supporto alle vendite, con accesso a ticket di supporto, ricerche sui competitor e registrazioni delle chiamate.
- Accesso ai dati dei clienti per gestire abbonamenti, resi e modifiche anagrafiche.
- Chatbot di prodotto collegati a database di backend per rispondere a domande tecniche.
Perplexity elenca come vantaggi del RAG gestito:
- Implementazione più rapida.
- Manutenzione ridotta grazie alla gestione del provider.
- Scalabilità automatica.
- Sincronizzazione dei contenuti in tempo reale.
- Integrazione con piattaforme enterprise esistenti.
Tuttavia, rimangono limitazioni legate a soglie di servizio, tier di pacchetti e costi di token. Il framework “build‑versus‑buy” della guida si concentra su tre criteri:
- Costo: la self‑hosting può eliminare costi di token e storage se tutto è interno, ma richiede investimenti in hardware e manutenzione.
- Scala: le soluzioni gestite offrono capacità di scalare rapidamente senza dover acquistare nuove infrastrutture.
- Complessità: architetture avanzate – multimodali, recupero ibrido, reranking – sono più semplici da ottenere tramite fornitori specializzati.
Le architetture avanzate possono includere recupero multimodale (testo, immagini, video) e meccanismi di reranking per migliorare la pertinenza dei risultati. I fornitori specializzati spesso offrono queste funzionalità a costi più contenuti rispetto allo sviluppo interno.
Panoramica dei fornitori e ruolo di Perplexity Enterprise
La guida suddivide i fornitori in due categorie:
- Piattaforme AI generali con RAG integrato (ad esempio OpenAI, Microsoft Azure).
- Vendor di infrastruttura backend che forniscono servizi di storage vettoriale e retrieval (ad esempio Pinecone, Vectara).
Tra i sette fornitori selezionati vi sono Perplexity, AWS, OpenAI, Microsoft Azure, Pinecone, LlamaIndex e Vectara. Perplexity Enterprise è presentata come una suite di strumenti agentici che combina:
- Basi di conoscenza interne e a livello di progetto.
- Ricerca web integrata.
- Accesso a più modelli generativi, inclusi 20 modelli avanzati.
- Modello di embedding proprietario.
- Integrazioni con dati esterni, sicurezza avanzata e gestione dei permessi dei dipendenti.
Sul sito Enterprise, Perplexity dichiara che più di 50.000 organizzazioni si affidano alla sua piattaforma. Inoltre, specifica che non addestra i propri grandi modelli linguistici sui dati dei clienti aziendali, offrendo controlli di sicurezza quali certificazione SOC 2 Type II, gestione configurabile della conservazione dei file, SSO, SCIM e log di audit per monitorare l’attività degli utenti.
Strategie ibride e consigli pratici
Le imprese non sono obbligate a adottare una soluzione RaaS a livello globale. È possibile costruire sistemi semplici internamente e ricorrere a fornitori esterni solo per componenti avanzati o per carichi di lavoro specifici. Questa flessibilità permette di:
- Distribuire la complessità del recupero tra interno ed esterno a seconda delle esigenze.
- Controllare i costi, affidando al provider solo le parti più costose da gestire.
- Mantenere la sovranità sui dati più sensibili, gestendoli internamente.
Il risultato è una strategia di outsourcing modulare, dove ogni deployment può variare la percentuale di responsabilità affidata al provider, mantenendo al contempo il controllo su aspetti critici come la privacy e la conformità normativa.
Conclusioni
La guida di Perplexity fornisce una mappa completa per le aziende che vogliono sfruttare la potenza della Retrieval‑Augmented Generation senza dover costruire e mantenere un’infrastruttura complessa. Attraverso il modello RaaS, le imprese possono beneficiare di implementazioni rapide, scalabilità automatica e riduzione della manutenzione, pur mantenendo la possibilità di personalizzare la soluzione secondo i propri requisiti di sicurezza e governance. La scelta tra self‑hosting, cloud self‑built e RaaS dipende da un’attenta valutazione di costi, scala e complessità, con i fornitori specializzati che offrono un percorso intermedio particolarmente vantaggioso per le architetture multimodali e per le esigenze di reranking avanzato. In un contesto in cui la maggior parte dei sistemi RAG utilizza già servizi di terze parti, la decisione finale si riduce a quanto affidare al provider e quanto mantenere sotto controllo interno, consentendo alle organizzazioni di ottimizzare sia le prestazioni che il ritorno sull’investimento.
