RAG aumentato per la R&S

Contesto e obiettivi

Costruire uno strumento di IA generativa di livello produttivo per la competitive intelligence sui motori aeronautici, a partire dai dati pubblici sugli incidenti di volo (BEA, NTSB, FAA, EASA, ecc.), oltre la portata di un RAG classico.

La sfida: un vasto insieme di dati pubblici frammentati.

• Otto tipi di documenti: rapporti sugli incidenti, brevetti, rapporti sulla concorrenza, articoli di stampa, direttive di sicurezza, ricerca accademica, schede dei certificati di tipo e ricerca generale.
• Dati eterogenei e rumorosi: testo libero, multilingue, grandi volumi. Un RAG classico manca di precisione ed esaustività.
• Un'esigenza ad alto rischio: i team di R&S, audit e sicurezza del volo hanno bisogno di risposte affidabili e verificabili.

Risultati

In produzione nel cloud sovrano del cliente: gli ingegneri eseguono query esaustive e verificabili, con citazioni, e la pipeline di acquisizione amplia la base di conoscenza in modo autonomo.

Il nostro approccio

Un'architettura RAG avanzata che combina un knowledge graph e una ricerca agentica:

• Un knowledge graph allineato alla tassonomia ingegneristica: 88 tag strutturati e oltre 80 campi per documento.
• Una pipeline di acquisizione ibrida: LLM e NLP classico alimentano il grafo in modo automatico e su larga scala.
• Ricerca agentica: query per tag di livello SQL sul grafo, che producono elenchi esaustivi con citazioni.