Caso 03 · archivio aziendale
Persone, progetti, call, email, documenti, deliverable. Tutto in un unico spazio, collegato, interrogabile in linguaggio naturale. L'AI smette di trattare la nostra realtà da estranea e inizia a usarla come una libreria, con scaffali, segnaposto, riferimenti incrociati.
Da dove parte
Quando lavoriamo da anni su decine di clienti, progetti, call, brief, contratti, l'archivio cresce a migliaia di file. Caricare tutto su ChatGPT o Claude non funziona: l'AI non sa dove atterrare, perde i collegamenti, dà risposte sbagliate con sicurezza. Più materiale carichiamo, peggio funziona. Il problema non è la dimensione, è la mancanza di struttura.
sintomo · 01
L'AI confonde due clienti diversi, attribuisce a uno l'idea dell'altro, cita una decisione che non è mai stata presa.
"il cliente X aveva detto…" (no, l'aveva detto Y)
sintomo · 02
L'AI ricostruisce una storia che ha senso, ma è inventata. Non sa dirti dove ha letto cosa, perché non ha veri puntatori alle fonti.
"basandomi sui documenti caricati…" (su quale, esattamente?)
sintomo · 03
Ogni nuova conversazione riparte da zero. Le decisioni storiche restano nascoste nel disordine, finché un umano non le ricorda manualmente.
"non ho accesso alle conversazioni precedenti"
Com'è fatto
L'archivio è organizzato in tre strati che convivono ma hanno vita propria. Il materiale grezzo immutabile, la conoscenza sintetizzata che evolve nel tempo, il grafo relazionale che tiene insieme persone e aziende. A questi si affiancano i contenitori operativi: deliverable prodotti, design system, servizi, metodi, case study, email, meeting.
Strato · 01
Il materiale grezzo che arriva nell'archivio. PDF, .docx, .pptx, immagini, audio, video, transcript di call. Niente viene modificato qui, mai. È la fonte da cui partono le sintesi.
immutabile · inbox · solo lettura
Strato · 02
Conoscenza sintetizzata dall'AI a partire dal raw. Schede di concetti, fatti, decisioni storiche. Aggiornata nel tempo, con cronologia delle versioni e link alle fonti che l'hanno generata.
sintesi LLM · durevole · flat
Strato · 03
Il grafo relazionale dei rapporti. Persone, aziende, progetti, ruoli, ognuno con la sua scheda e la sua rete di connessioni. È il sistema nervoso del database: tutto ciò che è "chi fa cosa, con chi, quando".
persons · companies · projects · roles
output
Deliverable prodotti: report, deck, brief, draft.
design-systems
Pacchetti visivi riusabili: token CSS, wordmark.
services
Catalogo dei servizi BAZ26 offerti ai clienti.
methods
Pipeline operative trasferibili e versionabili.
case-studies
Storie cliente già pronte come asset commerciali.
pricing
Listini, benchmark deal, template contrattuali.
emails
Email importate via IMAP, collegate al CRM.
meetings
Eventi calendario estratti dagli inviti .ics.
L'auto-smistamento
La trascrizione di una call dura un'ora e arriva come blocco di testo grezzo. Una routine BAZ26 la legge e la smista: identifica le persone menzionate, i progetti, le aziende. Collega tutto al file giusto dell'archivio. Aggiunge link e citazioni puntuali. Quello che era materiale opaco diventa contesto vivo, pronto per essere interrogato in ogni futura conversazione con l'AI.
Prima · markdown grezzo
00:03:17 Cliente Vorremmo capire se possiamo rivedere insieme il piano di lancio per il Q3. Stiamo pensando a un nuovo prodotto per il segmento premium. 00:04:13 Cliente Sul progetto in corso abbiamo già allineato la parte di brand book. Per la roadmap aspettiamo risposta dal partner entro lunedì.
Dopo · markdown smistato
--- frontmatter --- participants: [[cliente]], [[daniele-faccio]] mentions: [[partner]] related: [[piano-lancio-q3]], [[brand-book]] tags: [meeting, area/strategia, kickoff] --- 00:03:17 · [[cliente]] revisione [[piano-lancio-q3]], nuovo prodotto premium. 00:04:13 · [[cliente]] [[brand-book]] · allineato. roadmap · attesa [[partner]] entro lunedì.
Come l'AI interroga
L'AI non parla "al database" in modo generico. Quando deve cercare qualcosa, sceglie tra sei strumenti diversi, ognuno fatto per un tipo specifico di domanda. Niente cap arbitrari ai risultati: ogni strumento restituisce tutto ciò che è pertinente. Niente "approssimazioni": l'evidenza esiste, oppure l'AI lo dichiara.
search_semantic
Quando la domanda è fattuale e non sappiamo dove cercare. L'AI cerca per similarità di significato, attraverso tutti i markdown del vault.
"cosa avevamo deciso sul packaging premium?"
lookup_alias
Quando il nome citato può essere ambiguo o abbreviato. L'AI verifica che "Beppe" corrisponda a una persona reale del CRM e usa la scheda giusta.
"come si chiama il referente di Hub09?"
traverse_graph
Quando la domanda riguarda chi è collegato a chi. L'AI parte da un nodo e percorre il grafo: persone, aziende, progetti, ruoli.
"chi ha lavorato con X negli ultimi due anni?"
list_files
Quando vogliamo l'elenco completo di qualcosa: tutti i progetti attivi, tutti i clienti di una certa area, tutte le call del mese.
"quali sono tutte le aziende in CRM?"
read_file
Quando sappiamo già dove guardare e ci serve il documento per intero, non un'estrazione. Tipico nelle revisioni di un brief o di un contratto.
"rileggi la scheda della call del 12 maggio"
aggregate
Quando la risposta è una cifra, non un testo. Quanti progetti, quante email da un cliente, quante call con una persona.
"quante meeting abbiamo avuto con Acme nel Q2?"
Confini onesti
Il database intelligente non è un sostituto del lavoro di lettura e ragionamento. È un'infrastruttura che permette all'AI di lavorare con il nostro contesto vero, non con un'idea generica del nostro mondo. Quello che resta a noi è la decisione, l'interpretazione, il giudizio.
Cosa non fa
Cosa restituisce
Possiamo fare un walkthrough live del grafo, su un esempio anonimizzato, e mostrare il flusso ingest, ricerca, risposta.