Retrieval ibrido: come Rexfin trova le prove giuste prima che l'IA risponda

Fai una domanda a uno strumento di chat su un bilancio e, dietro la frase fluida che ti restituisce, deve prima succedere una ricerca: trovare la manciata di passaggi che potrebbero davvero contenere la risposta, tra ogni pagina di ogni documento che hai caricato. Se questo passaggio va storto, se manca la riga giusta o se al modello vengono consegnate dieci pagine di quasi corrispondenze, nessuna cura successiva nel prompt può rimediare. Rexfin tratta questa ricerca come un problema da risolvere sul serio, non come un involucro attorno a qualunque casella di ricerca fosse inclusa nel database.

Due modi di sbagliare, quindi usali entrambi

La ricerca per parole chiave trova un termine esatto in modo affidabile, il nome di una voce di bilancio, un codice conto, una frase specifica da una nota integrativa, ma manca una domanda formulata diversamente da come la formula il documento. La ricerca semantica coglie la parafrasi, facendo corrispondere “posizione di cassa” a un documento che parla solo di “fondi liquidi”, ma da sola può anche far emergere qualcosa che sembra solo correlato senza essere il fatto giusto. Usato da solo, ciascun approccio lascia lacune che l’altro avrebbe colmato. Rexfin esegue entrambi su ogni documento, un passaggio lessicale che corrisponde alle parole effettive e un passaggio denso che corrisponde al significato tramite ricerca vettoriale, e fonde le due liste classificate in una sola prima che qualcosa prosegua ulteriormente nella pipeline. Nessuno dei due passaggi ha l’ultima parola da solo; e la fusione a decidere cosa conta come prova solida.

Nessun modello che indovina prima la domanda

Alcuni sistemi di retrieval chiedono a un modello linguistico di inventare prima una risposta ipotetica, e poi cercano passaggi che assomiglino a quell’invenzione: un espediente per compensare una ricerca debole, e un nuovo punto in cui il sistema può sbagliare con sicurezza ancora prima che il vero passaggio di risposta sia iniziato. Il retrieval di Rexfin non prende questa scorciatoia. Cerca direttamente su ciò che è stato effettivamente chiesto, contro il testo reale del documento e i suoi embedding. Un modello in meno nel processo significa un punto in meno in cui una premessa inventata può silenziosamente orientare ciò che viene trattato come prova.

Accanto ai fatti, non innestato sopra

L’indice lessicale e l’indice vettoriale girano entrambi all’interno dello stesso database che contiene i fatti sottostanti, invece di dipendere da un servizio di ricerca separato che dovresti tenere sincronizzato con i documenti man mano che vengono acquisiti. Questo conta più di quanto sembri: i risultati di ricerca hanno senso solo se puntano davvero ai fatti. Se l’indice di ricerca vive altrove e si disallinea rispetto a ciò che è stato effettivamente acquisito, un passaggio recuperato può finire per puntare a qualcosa di cui non ti fidi più, un problema sottilmente peggiore che essere semplicemente lento.

Una shortlist che chi risponde non può aggirare

Ciò che esce dal retrieval non è un paragrafo di prosa o un riassunto: e un insieme classificato di frammenti e atomi specifici, ciascuno tracciabile fino alla pagina esatta. Quella shortlist e l’intero universo di prove da cui il motore di risposta può attingere per quella domanda. Ed e il motivo per cui la piattaforma può attenersi a una regola rigida più a valle: citare o rifiutare, mai stimare. Se il retrieval non ha fatto emergere il passaggio giusto, il motore di risposta non ha nulla con cui citarlo, e la risposta onesta e un rifiuto piuttosto che un’ipotesi fluida. La stessa shortlist e ciò che permette di mostrare, accanto a ogni cifra nella chat, esattamente da quale pagina proviene: il retrieval e il passaggio che rende disponibile quel riferimento fin dall’inizio.

Controllato, non solo affidato alla fiducia

Il retrieval si trova a monte delle due cose che contano di più in una risposta dell’IA: se il numero è corretto, e se è citato a qualcosa di reale. Quindi non viene lasciato non testato una volta costruito. Fa parte di ciò che la valutazione della qualità delle risposte della piattaforma controlla a ogni modifica: una modifica al retrieval deve superare lo stesso set di test graduato di una modifica al modello o ai prompt, e una versione che silenziosamente inizia a mancare le prove giuste viene intercettata li, prima che raggiunga una risposta, non dopo.

Perché conta più di quanto sembri

Un motore di ricerca sembra un impianto idraulico: invisibile quando funziona, e raramente la prima cosa di cui qualcuno chiede. Ma e il livello che decide cosa l’IA e persino autorizzata a vedere prima ancora di aprire bocca. Se sbagli qui, l’IA può comportarsi in modo perfettamente corretto nel citare le fonti e citare comunque quelle sbagliate, perché il passaggio giusto non era mai nell’insieme dei candidati. L’approccio di Rexfin, ricerca lessicale e semantica combinate, nessun modello di riscrittura delle query a cui fidarsi ciecamente, in esecuzione contro lo stesso archivio dei fatti che sta cercando, e costruito in modo che, qualunque cosa l’IA dica alla fine, stesse guardando la pagina giusta quando lo ha detto. Consulta la panoramica del pilastro per vedere come il retrieval si inserisce nel resto della piattaforma, oppure prenota una demo per vederlo trovare la nota giusta in un documento che porti tu.