---
title: "RAG documentale aziendale per l'industria: case study · Volcanic Minds"
description: "Come abbiamo reso interrogabili 225 GB di normative, documenti HSE, sicurezza e operations di un'azienda industriale, con accessi per ruolo."
url: "https://volcanicminds.com/case-studies/enterprise-document-rag"
lang: "it"
type: "second_level_page"
updated: "2026-10-12"
alternate: "https://volcanicminds.com/en/case-studies/enterprise-document-rag"
summary: "Un archivio unico e interrogabile in linguaggio naturale per un'azienda industriale: normative, documenti HSE, sicurezza e operations, 225 GB in tutto. Chi cerca scrive la domanda come la farebbe a un collega, e l'agente la cerca nei documenti che il suo ruolo gli permette di vedere."
---

# RAG documentale per un'azienda industriale

Normative, procedure HSE, documenti di sicurezza e operations raccolti in un archivio unico, interrogabile in linguaggio naturale e con accessi per ruolo, per un'azienda industriale con oltre 30 milioni di fatturato.

- **225 GB** Documenti indicizzati
- **4** Archivi riuniti
- **23 min** Risparmiati per ricerca
- **4 mesi** Alla messa in produzione

## Il punto di partenza

*La sfida*

La conoscenza dell'azienda c'era tutta, divisa in quattro archivi: 20 GB di documentazione HSE in circa 30.000 file, 5 GB di sicurezza, 150 GB di operations e altri 50 GB di documenti. Trovare quello che serviva voleva dire sapere in quale archivio cercarlo.

Una persona ci dedicava circa **tre ore al giorno**: una decina di ricerche su normative, documenti di tracciabilità e HSE, da 15 a 30 minuti ciascuna, spesso per rispondere a una richiesta esterna.

- RAG: 5 / 5
- Backend: 4 / 5
- Security: 5 / 5
- UX/UI: 3 / 5
- AI/ML: 4 / 5

## Il problema riscontrato

Organizzare la conoscenza e renderla fruibile. Normative, documenti di sicurezza e procedure HSE dovevano arrivare in fretta a chi ne ha bisogno, e soltanto a chi può vederli.

## Lo stack

- Node.js
- Fastify
- LanceDB
- Mastra

## Come abbiamo lavorato.

1. **Un archivio solo** — I quattro archivi, HSE, sicurezza, operations e il resto, confluiscono in un'unica base in LanceDB. La ricerca è ibrida, BM25 per i termini esatti come il numero di una norma e vettori per il significato, così una domanda trova il documento anche quando non ne usa le parole.
2. **La domanda in linguaggio naturale** — La ricerca è agentica. Chi cerca scrive la domanda con parole sue, e l'agente interroga l'archivio per rispondere.
3. **Chi vede cosa** — Accessi e ruoli stabiliscono quali documenti ciascuno può consultare, e quindi da quali documenti l'agente può rispondergli.
4. **I file, non solo i frammenti** — Oltre ai frammenti indicizzati e ai vettori, il sistema conserva i documenti originali e all'occorrenza fa da archivio di file.

## Caratteristiche sotto esame

Focus su funzionalità e soluzioni

## Una domanda, i documenti giusti

*Ricerca agentica*

Chi cerca non deve sapere in quale archivio sta una procedura o come si chiama il file. Scrive la domanda, e l'agente la cerca in tutto quello che il suo ruolo gli permette di vedere.

## I documenti letti, e i file originali

*Archivio*

L'archivio mostra i documenti che il sistema ha letto e indicizzato. Accanto ai frammenti usati per la ricerca restano i file originali, così la piattaforma serve anche da archivio documentale.

## Chi vede cosa

*Accessi e ruoli*

Ogni ruolo vede la sua parte di documenti. Un documento riservato non entra nelle risposte date a chi non può consultarlo.

## La conoscenza della tua azienda, a portata di domanda

Hai normative, procedure e manuali sparsi in archivi diversi? Raccontaci come sono organizzati e valutiamo insieme come renderli interrogabili.

- [Prenota una call](https://vms.srl/booking)

## Domande frequenti

Domande sul progetto

### Quanto tempo è servito?

Quattro mesi alla messa in produzione. Nella prima fase il sistema è in uso a 20 persone; gli altri utenti entrano dopo la fase 1.

### Quanti documenti gestisce?

In tutto 225 GB: 20 GB di documentazione HSE in circa 30.000 file, 5 GB di sicurezza, 150 GB di operations e 50 GB di altri documenti.

### Tutti vedono tutti i documenti?

No. Accessi e ruoli stabiliscono chi vede cosa, e l'agente risponde a ciascuno soltanto con i documenti che può consultare.

### Il sistema conserva i file o solo i testi indicizzati?

Entrambi. I frammenti e i vettori servono alla ricerca; i file originali restano nel sistema, che all'occorrenza fa da archivio.

### Su quale tecnologia si basa?

Sul backend Volcanic, il nostro framework Node.js costruito su Fastify, con LanceDB per la ricerca ibrida, BM25 e vettoriale, e Mastra per l'agente.

### Quale modello AI usa, e dove vanno i documenti?

Oggi provider esterni con zero data retention, che non conservano quello che ricevono. Con Mastra il modello si cambia senza riscrivere il sistema, verso provider come OpenAI, Gemini o Claude oppure modelli interni e self-hosted su Ollama, vLLM o LM Studio.