Quando un Agent AI risponde a una domanda al telefono, spesso non si basa solo sul modello linguistico: consulta anche una base di conoscenza aziendale. Può trattarsi di FAQ, cataloghi prodotti, listini, procedure interne o documentazione tecnica.

In AI4CALL questo meccanismo è gestito tramite le Collezioni RAG (Retrieval-Augmented Generation), il sistema che permette agli assistenti vocali di recuperare informazioni dai documenti caricati prima di formulare una risposta.

Con l’ultimo aggiornamento del pannello Gestione RAG, AI4CALL introduce una nuova funzionalità molto importante: la Configurazione Chunking, che permette di controllare come i documenti vengono suddivisi e indicizzati.

Questa impostazione ha un impatto diretto sulla precisione e sulla qualità delle risposte degli agenti AI.

Perché il Chunking è così importante nel RAG

Quando carichi un documento in una Collezione RAG, il sistema non lo analizza come un unico blocco di testo.

Al contrario, il contenuto viene diviso in frammenti più piccoli chiamati “chunk”.
Ogni frammento viene indicizzato separatamente, in modo che il sistema possa recuperare solo le parti più rilevanti quando l’utente fa una domanda.

Questo processo è fondamentale perché:

  • consente all’AI di trovare rapidamente le informazioni corrette
  • evita di inviare al modello documenti troppo lunghi o poco mirati
  • migliora la pertinenza delle risposte durante una conversazione telefonica

La dimensione e la struttura dei chunk influenzano molto il risultato finale.

Se i frammenti sono troppo grandi, l’agente potrebbe restituire risposte generiche o poco precise.
Se invece sono troppo piccoli, il sistema potrebbe perdere parte del contesto necessario per formulare una risposta completa.

Per questo motivo AI4CALL introduce ora un controllo diretto su questa fase.

La nuova configurazione Chunking nel pannello RAG

Nel pannello Gestione RAG è ora possibile scegliere come il sistema deve suddividere i documenti caricati nelle Collezioni.
L’operatore può selezionare tra due modalità di chunking:

  • Limite per dimensione (impostazione consigliata e predefinita)
  • Limite per quantità

Entrambe permettono di adattare il comportamento del sistema al tipo di documenti caricati.

Modalità 1: Limite per dimensione (consigliata)

Questa è l’opzione predefinita nel pannello AI4CALL ed è quella più adatta nella maggior parte dei casi.
Con questa modalità, ogni frammento del documento avrà una dimensione massima in caratteri configurabile dall’utente.
Il sistema suddividerà automaticamente il documento in più parti, mantenendo ogni chunk sotto il limite impostato.

Parametro configurabile
Dimensione Max Frammento
– intervallo configurabile: 500 – 10.000 caratteri
– valore predefinito: 5.000 caratteri

Il numero totale di frammenti viene calcolato automaticamente in base alla lunghezza del documento.
Questa modalità è particolarmente indicata quando si lavorano documenti lunghi e strutturati, come:

  • manuali
  • cataloghi prodotti
  • documentazione tecnica
  • knowledge base estese

In questi casi controllare la dimensione dei frammenti permette di regolare la granularità della ricerca, migliorando la precisione delle risposte dell’Agent AI.

Modalità 2: Limite per quantità

La seconda modalità offre un approccio diverso.
Invece di definire la dimensione massima dei frammenti, l’utente sceglie in quante parti dividere il documento.
Ad esempio:

  • 3 parti
  • 5 parti
  • 10 parti

Il sistema dividerà quindi il contenuto in segmenti di dimensioni simili, indipendentemente dalla lunghezza complessiva del documento.

Questa opzione è utile quando si desidera mantenere una struttura uniforme tra documenti diversi.
Ad esempio:

  • documenti con formati simili
  • schede prodotto standardizzate
  • procedure organizzate in sezioni

In questi casi la divisione per quantità permette di mantenere un’organizzazione prevedibile dei contenuti.

Un passo avanti per la qualità delle risposte degli Agent AI

La qualità di un assistente AI non dipende solo dal modello linguistico, ma anche da come vengono gestite le informazioni che utilizza per rispondere.
Con la nuova configurazione Chunking, AI4CALL introduce un controllo fondamentale per migliorare:

  • precisione delle risposte
  • pertinenza delle informazioni recuperate
  • qualità complessiva delle conversazioni telefoniche

Se utilizzi già le Collezioni RAG, questa nuova funzionalità ti permette di ottimizzare la tua knowledge base in modo molto più efficace.

👉 Puoi creare e testare i tuoi Agent AI direttamente dal portale AI4CALL:
https://customers.ai4call.com/