# Knowledge base per agenti AI: come crearne una che il tuo agente usi davvero

> Crea una knowledge base per agenti AI sempre aggiornata. Cosa includere, file o RAG, come correggere informazioni obsolete e contraddittorie e un test con 20 domande.

Last updated: 2026-09-28T10:00:00

Canonical URL: https://crevio.co/it/blog/ai-agent-knowledge-base

*Ultimo aggiornamento: settembre 2026*

**Una knowledge base per agenti AI raramente fallisce perché l’agente non riesce a trovare la tua politica sui rimborsi. Fallisce perché ne trova due.** Nel 2024, un tribunale canadese ha ordinato ad Air Canada di risarcire un cliente dopo che il chatbot del sito della compagnia aveva descritto un rimborso per lutto che la pagina ufficiale della stessa compagnia escludeva. Il modello aveva fatto il suo lavoro. Le informazioni alla base non erano coerenti.

Questa guida è pensata per chi gestisce un’attività e vuole che un agente AI la conosca abbastanza bene da poter agire in modo corretto, che si occupi delle operazioni interne o risponda ai clienti. Vedremo cosa inserire nella knowledge base, cosa lasciare fuori, come gli agenti leggono davvero queste informazioni e come testarli prima che lo faccia un cliente.

- **La knowledge base di un agente AI è il patrimonio informativo scritto su cui l’agente lavora**: policy, informazioni sui prodotti, FAQ, procedure e ciò che l’agente ha imparato su di te
- **Organizza le informazioni in base alla frequenza con cui cambiano.** Le regole stabili vanno nei file. Tutto ciò che cambia più di una volta al mese (prezzi, disponibilità, ordini) va verificato in tempo reale, mai copiato nei documenti
- **La maggior parte delle piccole attività non ha bisogno della ricerca vettoriale.** Sotto le 500 pagine circa, un agente può aprire direttamente i file giusti: è più semplice e molto più facile da correggere
- **Le contraddizioni fanno più danni delle lacune.** Un agente che non trova una risposta può dirlo. Un agente che ne trova due ne sceglie una
- **Testa l’agente con 20 domande reali dei clienti** in una nuova chat e correggi il file di origine, mai la chat

## Che cos’è una knowledge base per agenti AI?

La knowledge base di un agente AI è l’insieme delle informazioni scritte sull’attività che l’agente legge prima di agire: le tue policy, i dettagli dei prodotti, le risposte alle domande frequenti, le procedure passo passo e i dati che ha raccolto lavorando con te. È ciò che trasforma un modello generalista in qualcosa che conosce *la tua* finestra per i rimborsi, *il tuo* cliente ideale e *il tuo* modo di dire di no.

Contiene quattro tipi di informazioni, che si comportano in modo diverso:

| Tipo | Esempio | Come può andare storto |
|---|---|---|
| **Fatti** | "Il corso Pro ha 12 moduli e accesso a vita" | Diventano obsoleti quando cambia il prodotto |
| **Regole** | "Rimborsi entro 30 giorni dall’acquisto, senza fare domande" | Vengono contraddette da una versione precedente archiviata altrove |
| **Procedure** | "Come accogliamo un nuovo cliente di coaching" | Sono troppo vaghe da seguire, quindi l’agente improvvisa |
| **Memoria** | "Axel preferisce risposte brevi e detesta i punti esclamativi" | Viene appresa da una singola giornata storta e non viene mai corretta |

Il termine comprende due funzioni. Da una parte c’è l’agente che lavora *per* te: prepara email, aggiorna prodotti e genera report, quindi deve sapere come funziona la tua attività. Dall’altra c’è l’agente che risponde *ai tuoi clienti* attingendo a una knowledge base di supporto. La stessa knowledge base può servire a entrambi. La posta in gioco è diversa, perché un cliente agisce sulla base di ciò che l’agente gli dice. Dedichiamo al supporto una sezione specifica più avanti.

## Cosa inserire nella knowledge base del tuo agente AI

Inizia da ciò che spieghi già di continuo. Per la maggior parte delle piccole attività, si tratta di un elenco breve:

1. **Un paragrafo sull’attività.** Cosa vendi, chi lo compra e cosa non offri
2. **Le policy rivolte ai clienti.** Rimborsi, cancellazioni, spedizioni o consegne, privacy e orari del supporto, usando la formulazione attuale
3. **Informazioni sui prodotti.** Cosa include ogni prodotto, a chi è rivolto e a chi *non* è rivolto
4. **FAQ formulate con le parole dei clienti.** Copia le domande reali dalla posta in arrivo, non la formulazione della pagina di vendita
5. **Voce e tono.** Tre esempi di risposte di cui sei soddisfatto valgono più di un paragrafo pieno di aggettivi
6. **Regole di escalation.** Cosa l’agente deve passare a te: minacce legali, rimborsi oltre una certa cifra, qualsiasi questione medica o finanziaria
7. **Procedure ricorrenti.** Accogliere un cliente, lanciare un prodotto, rispondere a un chargeback

La decisione più difficile riguarda dove collocare ogni informazione. Organizzale in base alla frequenza con cui cambiano, non all’argomento:

![Diagramma che mostra tre livelli delle informazioni aziendali per un agente AI: istruzioni permanenti lette per ogni attività, file di riferimento aperti quando servono e connessioni a dati aggiornati consultate al momento](https://crevio.co/vite/assets/where-business-knowledge-belongs-i0z68ico.svg)

### Cosa lasciare fuori

- **Tutto ciò che cambia più di una volta al mese.** Prezzi, codici sconto, disponibilità, prenotazioni e stato degli ordini appartengono al sistema che li gestisce. L’agente dovrebbe consultarli tramite un’integrazione. Un prezzo scritto in un documento è una risposta sbagliata in attesa di verificarsi
- **Password e chiavi API.** I file della knowledge base vengono letti, citati e copiati nelle bozze. Le credenziali devono stare in un apposito secrets store
- **Versioni precedenti.** Elimina la policy sui rimborsi del 2024. Tenerla "per riferimento" nella stessa cartella è il modo in cui cominciano problemi come quello di Air Canada
- **Testi di marketing esagerati.** Se la pagina di vendita dice "supporto illimitato", l’agente prometterà un supporto illimitato. Non sa distinguere l’entusiasmo da una policy

## Come leggono gli agenti una knowledge base: file, ricerca o RAG

Un agente può accedere alle tue informazioni in tre modi; la scelta giusta dipende soprattutto dalle dimensioni.

| Approccio | Come funziona | Ideale per | Debolezza principale |
|---|---|---|---|
| **Caricare tutto** | L’intera knowledge base viene inserita in ogni richiesta | Poche pagine di istruzioni fondamentali | Costi e qualità in calo all’aumentare della lunghezza del prompt |
| **File più ricerca** | Un breve indice viene sempre caricato; l’agente cerca e apre i file quando servono | La maggior parte delle piccole attività | L’agente deve scegliere il file giusto |
| **Ricerca vettoriale (RAG)** | I documenti vengono divisi in segmenti; per ogni domanda vengono recuperati i segmenti più simili | Migliaia di pagine, grandi librerie di supporto | I segmenti perdono il contesto e gli errori di recupero sono difficili da diagnosticare |

Per una piccola attività, i numeri favoriscono l’opzione più semplice. Nel suo approfondimento sul retrieval, [Anthropic osserva](https://www.anthropic.com/engineering/contextual-retrieval) che, se una knowledge base contiene meno di 200.000 token, "circa 500 pagine di materiale", si può fornire tutto al modello "senza bisogno di RAG o metodi simili". Le policy, le informazioni sui prodotti e le FAQ della maggior parte delle piccole attività stanno in poche decine di pagine.

Questo non significa che dovresti inserire tutto in ogni richiesta. La [ricerca di Chroma sul context rot](https://www.trychroma.com/research/context-rot) ha testato 18 modelli di punta e ha rilevato che "le prestazioni del modello peggiorano sistematicamente all’aumentare della lunghezza dell’input", anche con attività semplici. Perciò, per una piccola attività, il compromesso più pratico è usare file più ricerca: un breve indice che l’agente vede sempre e file per argomento che apre quando l’attività lo richiede.

La ricerca vettoriale ha il suo spazio. Con migliaia di articoli di assistenza, la sua complessità è giustificata. È anche il punto in cui le knowledge base diventano difficili da analizzare. Nei test condotti da Anthropic, una configurazione standard di retrieval non ha incluso il passaggio corretto tra i primi 20 risultati nel 5,7% dei casi; per ridurre la percentuale all’1,9% sono state necessarie diverse tecniche aggiuntive. Con i file, quando l’agente sbaglia, puoi vedere quale file ha aperto e correggerlo.

## Come strutturare una knowledge base per agenti AI perché l’agente la usi

Una knowledge base tecnicamente completa può comunque essere ignorata. Queste abitudini fanno la differenza:

- **Tieni un indice.** Una riga per file: un link e un’indicazione che spieghi quando aprirlo, ad esempio "Policy sui rimborsi: finestra di 30 giorni, eccezioni per i bundle". L’agente legge prima l’indice. Un file che non compare nell’indice è, di fatto, invisibile
- **Un argomento per file, ogni informazione in un solo posto.** Se la finestra per i rimborsi compare in tre file, prima o poi conterrà tre versioni diverse
- **Scrivi le regole con i numeri.** "Rimborsi entro 30 giorni dall’acquisto" è meglio di "circa un mese". "Escalation per rimborsi oltre 200 $" è meglio di "escalation per rimborsi elevati"
- **Includi il motivo e il caso limite.** "Nessun rimborso per le sessioni di coaching già svolte, perché il tempo è stato impiegato. Eccezione: se abbiamo annullato noi." Gli agenti gestiscono molto meglio i casi limite quando conoscono il motivo della regola
- **Spiega cosa fare quando un’informazione non è disponibile.** "Se la risposta non è qui, dì che verificherai e segnalamelo." Senza questa frase, l’agente colma la lacuna con qualcosa di plausibile
- **Mostra, non descrivere.** Due risposte reali che ti sono piaciute insegnano il tono meglio di "cordiale ma professionale"
- **Data tutto ciò che è legato al tempo.** "In vigore dal 1° settembre 2026" permette a te e all’agente di individuare ciò che è obsoleto

Le procedure ricorrenti meritano un formato dedicato. Ne abbiamo parlato in [come scrivere le skill per un agente AI](/it/blog/ai-agent-skills): una skill contiene *come* svolgere un’attività, mentre la knowledge base contiene *cosa è vero*.

## Informazioni obsolete e contraddizioni: come sbagliano le knowledge base

Le lacune sono il problema a cui tutti pensano. Sono anche le meno pericolose, perché un agente senza risposta può dire di non saperlo.

**Le contraddizioni sono peggio.** Nei test di Chroma, "anche un solo elemento fuorviante riduce le prestazioni": si tratta di un testo che sembra pertinente ma non risponde alla domanda. In un’attività, gli elementi fuorvianti peggiori danno anche una risposta diversa: la vecchia pagina dei prezzi, le FAQ dell’anno scorso o quel "possiamo fare un’eccezione" scritto in una nota sei mesi fa. L’agente non sa quale intendessi. Ne sceglie una.

Il caso Air Canada mostra il costo di questo problema. Il chatbot disse a un cliente in lutto che poteva richiedere una tariffa per lutto dopo il viaggio; la policy effettiva della compagnia non lo consentiva. Il tribunale ritenne la compagnia responsabile di ciò che aveva detto il chatbot e le ordinò di pagare la differenza di prezzo. L’[American Bar Association lo ha definito](https://www.americanbar.org/groups/business_law/resources/business-law-today/2024-february/bc-tribunal-confirms-companies-remain-liable-information-provided-ai-chatbot/) un promemoria del fatto che le aziende restano responsabili dei propri strumenti AI.

**L’obsolescenza è la versione lenta dello stesso problema.** Un documento scritto a marzo è corretto a marzo. A settembre è diventato silenziosamente una delle due risposte possibili: quella vecchia nel file e quella nuova nella tua testa.

Tre regole prevengono la maggior parte di questi problemi:

1. **Modifica un’informazione nel punto in cui è dichiarata.** Non aggiungere un nuovo file che contraddice quello vecchio. Modifica o elimina l’originale
2. **La versione più recente prevale, in modo esplicito.** Se due fonti possono contraddirsi, indica all’agente quale sia quella autorevole
3. **Un responsabile per ogni file.** Qualcuno deve accorgersi quando cambia la policy sui rimborsi. In un’attività composta da una sola persona, quel qualcuno sei tu: mantieni quindi l’elenco breve

## Come mantenere aggiornata la knowledge base

È durante la manutenzione che le knowledge base tendono a deteriorarsi. La soluzione è collegare gli aggiornamenti agli eventi che già rilevi, non a un promemoria del calendario che finirai per rimandare.

| Quando succede | Cosa aggiornare |
|---|---|
| Modifichi un prezzo o lanci un prodotto | Il file con le informazioni sui prodotti (e nient’altro, se i prezzi vengono consultati in tempo reale) |
| Modifichi una policy | Quel file della policy, poi elimina ogni copia precedente |
| Correggi l’agente due volte sullo stesso punto | Aggiungi o correggi il file che avrebbe dovuto contenere l’informazione |
| Un cliente fa una nuova domanda per tre volte | Aggiungila alle FAQ usando le sue parole |
| Assumi qualcuno o cambi le responsabilità | Le regole di escalation |

Una volta al mese, dedica 15 minuti a chiedere all’agente di riassumere ciò che crede riguardo ai tuoi rimborsi, ai tuoi prodotti e ai tuoi clienti. Le convinzioni errate emergono rapidamente quando le leggi sotto forma di elenco.

Se il tuo agente conserva una propria memoria, tratta ciò che salva come gli appunti di una persona appena assunta: utili, generalmente corretti e da rileggere ogni tanto. Anche una memoria che si aggiorna da sola ha bisogno di qualcuno che la controlli.

## Come testare la knowledge base del tuo agente AI

Il test è il passaggio che quasi tutti saltano, e richiede meno di un’ora.

![Ciclo in quattro passaggi per testare una knowledge base per agenti AI: raccogliere 20 domande reali, porle in una nuova chat, valutare ogni risposta e correggere il file di origine invece della risposta](https://crevio.co/vite/assets/knowledge-base-test-loop-nlvijmc1.svg)

1. **Raccogli 20 domande reali** dalla posta in arrivo, dai messaggi diretti e dalle chiamate commerciali. Aggiungine tre a cui l’agente dovrebbe rifiutarsi di rispondere o che dovrebbe inoltrare, come una richiesta di rimborso molto oltre i termini della policy
2. **Fai ogni domanda in una nuova chat.** La conversazione precedente può fornire indizi indesiderati. Chiedi all’agente da dove proviene la risposta
3. **Valuta ogni risposta**: corretta, errata, inventata oppure "non lo so". Considera "non lo so" una risposta superata quando la knowledge base non copre davvero la domanda
4. **Correggi la fonte, non la risposta.** Correggere l’agente nella chat risolve una sola conversazione. Correggere il file risolve tutte le conversazioni successive

Poi esegui due verifiche mirate. **Il test delle contraddizioni:** modifica una policy e fai una domanda al riguardo. Se l’agente cita la vecchia versione, da qualche parte è rimasta una copia. **Il test delle lacune:** chiedi qualcosa che sai non essere coperto. La risposta corretta è un chiaro "Devo verificare", non un’ipotesi espressa con sicurezza.

Conserva le 20 domande. Ripetile dopo ogni modifica significativa. È la cosa più simile a un regression test di cui disponga una piccola attività.

## Knowledge base AI per gli agenti del supporto clienti

Gran parte di ciò che viene scritto sulle knowledge base AI riguarda il supporto: un agente AI che risponde ai clienti attingendo al tuo help center. I principi descritti sopra valgono anche qui, ma la posta in gioco è più alta.

È l’aspetto economico a spingere le aziende a provarci. Il [benchmark di Gartner](https://www.gartner.com/en/documents/5164231) indica un costo mediano di 1,84 $ per un contatto self-service, contro i 13,50 $ di un contatto assistito. Il risparmio esiste solo se le risposte sono corrette, perché i clienti agiscono sulla base di ciò che ricevono senza verificarlo.

Cosa cambia per un agente rivolto ai clienti:

- **Scrivi per la domanda, non per la pagina del prodotto.** I clienti chiedono "posso riavere i miei soldi se non ho iniziato il corso?", non "policy sui rimborsi"
- **Le regole di escalation diventano il file più importante.** Decidi in anticipo cosa l’agente non deve mai promettere: rimborsi fuori policy, date di consegna, consulenza legale o medica
- **Leggi ogni settimana le conversazioni non risolte.** Ogni domanda a cui l’agente non ha saputo rispondere indica un file mancante
- **Mentre costruisci la fiducia, prepara le risposte senza inviarle automaticamente.** Per tutto ciò che riguarda il denaro, fai preparare la bozza all’agente e approvala personalmente. Abbiamo spiegato quali azioni richiedono questo approccio in [agenti AI con supervisione umana](/it/blog/human-in-the-loop-ai-agents)

Se gestisci un volume elevato di domande dei clienti, strumenti di supporto dedicati come [Intercom Fin](https://fin.ai/) e [Zendesk](https://www.zendesk.com/) sono progettati esattamente per questo lavoro, con sincronizzazione dell’help center e report sulla risoluzione.

## Come l’agente di Crevio archivia le informazioni sull’attività

[Crevio](https://crevio.co/) è un [AI business builder](/it/blog/ai-business-builder): descrivi ciò che vuoi vendere e il suo agente crea il negozio, gestisce i pagamenti, scrive il marketing e continua a lavorare con te sull’attività. Tutto ciò che abbiamo visto sopra ha influenzato il modo in cui l’agente conserva ciò che sa della tua attività.

![Homepage di Crevio: l’AI che crea il tuo negozio, elabora i pagamenti, scrive il marketing e aumenta le vendite](https://crevio.co/vite/assets/crevio-homepage-k3m1mvi1.png)

Ecco come funziona oggi:

- **La memoria è composta da file di testo semplice, divisi in due ambiti.** La memoria dell’attività (come funziona l’attività) è condivisa con tutto il team. La memoria personale (le tue preferenze) resta privata. Entrambe hanno un breve indice incluso in ogni chat, con un limite di 6.000 caratteri per l’attività e 2.000 per le note personali. I file per argomento vengono aperti solo quando servono
- **Salva le informazioni quando è opportuno.** L’agente scrive un ricordo quando gli chiedi di ricordare qualcosa, quando lo correggi o quando dichiari un’informazione permanente, come una policy, un numero o una regola. Non salva le password e non copia informazioni che Crevio registra già
- **I dati aggiornati restano aggiornati.** Prodotti, ordini, clienti e sito vengono consultati direttamente, non memorizzati: una modifica al prezzo non lascia mai una copia obsoleta
- **Si riordina da solo.** Periodicamente, al massimo una volta al giorno, un processo di pulizia unisce i ricordi duplicati, risolve le contraddizioni a favore dell’informazione più recente e rimuove ciò che è obsoleto. Prima crea un’istantanea
- **Nessuna ricerca vettoriale.** L’agente cerca nei file del proprio computer e nelle chat precedenti come testo semplice, poi legge ciò che trova. Puoi allegare file a una chat per fornirgli i documenti su cui lavorare

Puoi anche definire direttamente le informazioni che deve conoscere. Ogni bot che crei ha un campo Persona, che viene aggiunto alle istruzioni: è il posto giusto per il tono e le regole permanenti:

![Impostazioni del bot Crevio con i campi Name, Handle, Role e Persona, che viene aggiunta alle istruzioni del bot](https://crevio.co/vite/assets/crevio-bot-persona-field-d2jyuuyk.png)

Le procedure vanno nelle skill, che puoi installare, caricare o lasciare che l’agente scriva in base alla propria esperienza. Se invece l’agente ha imparato qualcosa di sbagliato, in Settings → Advanced trovi una funzione di reimpostazione:

![Impostazione AI Workspace Knowledge di Crevio con il pulsante Reset AI knowledge, che elimina le note accumulate senza modificare il negozio online](https://crevio.co/vite/assets/crevio-reset-ai-knowledge-nkms8zwb.png)

Le limitazioni da conoscere: per ora non esiste una pagina dedicata alla consultazione e alla modifica della memoria, quindi puoi esaminarla chiedendo all’agente in chat che cosa sa. Il reset è totale. Inoltre, Crevio non è un bot di supporto rivolto ai clienti: il suo agente lavora per te, non in un widget di assistenza sul tuo sito. Crevio ha un piano gratuito con 20 crediti AI al mese: puoi comunicargli oggi la tua policy sui rimborsi e verificare la settimana prossima se la ricorda ancora.

## Quello che nessuno ti dice

**Scriverla mette in luce le tue contraddizioni.** La prima bozza di una policy sui rimborsi per un agente rivela spesso che hai gestito i rimborsi in tre modi diversi. È un problema dell’attività fatto emergere dall’agente, non un problema dell’AI.

**Gli agenti seguono le regole scritte in modo più letterale delle persone.** Un essere umano legge "nessun rimborso dopo 30 giorni" e fa comunque un’eccezione per un cliente a cui è stato addebitato due volte lo stesso acquisto. Un agente ha bisogno che l’eccezione sia scritta.

**Eliminare è la modifica più importante.** Dopo il primo mese, la maggior parte dei miglioramenti a una knowledge base consiste nel rimuovere: le vecchie FAQ, la policy duplicata, la nota che non è più vera. Meno testo senza contraddizioni è meglio di più testo con qualche contraddizione.

**La knowledge base è ciò che distingue un agente da un assistente.** Una correzione che resta valida un mese dopo, anche se nel frattempo sono successe altre cose, è il test che abbiamo usato in [dipendente AI o agente AI](/it/blog/ai-employee-vs-ai-agent). Senza informazioni persistenti, ogni sessione ricomincia da zero.

## FAQ sulla knowledge base degli agenti AI

### Che cos’è una knowledge base per agenti AI?

La knowledge base di un agente AI è l’insieme delle informazioni scritte sull’attività che l’agente legge prima di agire: policy, informazioni sui prodotti, FAQ, procedure e preferenze memorizzate. Permette a un modello AI generalista di rispondere e agire come farebbe la tua attività, invece di tirare a indovinare basandosi su conoscenze generiche.

### Ho bisogno di RAG o di un database vettoriale per il mio agente AI?

Probabilmente no, se gestisci una piccola attività. Anthropic suggerisce che una knowledge base di circa 500 pagine o meno può essere fornita direttamente al modello. Un breve indice e file per argomento che l’agente apre quando servono sono più semplici, economici e facili da correggere. Il RAG è sensato quando si parla di migliaia di documenti.

### Qual è la differenza tra la memoria di un agente e una knowledge base?

Una knowledge base contiene ciò che scrivi intenzionalmente: policy, informazioni sui prodotti e procedure. La memoria contiene ciò che l’agente apprende lavorando con te, come preferenze e correzioni. Entrambe richiedono la stessa attenzione: ogni informazione deve stare in un solo posto e le versioni precedenti devono essere rimosse.

### Con quale frequenza devo aggiornare la knowledge base del mio agente AI?

Aggiornala quando cambia qualcosa, non secondo una scadenza fissa: un nuovo prezzo, una policy modificata o una correzione che hai dovuto fare due volte. Aggiungi una revisione mensile di 15 minuti, durante la quale chiedi all’agente di riassumere ciò che crede riguardo ai tuoi prodotti e alle tue policy.

## In breve

La knowledge base di un agente AI è solida quanto il suo file meno accurato. Mantienila essenziale, metti ogni informazione in un solo posto, lascia che siano i sistemi aggiornati a rispondere alle domande sui dati aggiornati e testala con le domande che i tuoi clienti fanno davvero. L’agente seguirà ciò che hai scritto, quindi assicurati che sia ancora vero.

## Articoli correlati

- [Skill per agenti AI: cosa sono e come scriverne una efficace](/it/blog/ai-agent-skills)
- [Agenti AI con supervisione umana: cosa approvare e cosa lasciare eseguire](/it/blog/human-in-the-loop-ai-agents)
- [Dipendente AI o agente AI: la differenza che conta davvero](/it/blog/ai-employee-vs-ai-agent)
- [Agenti AI per piccole attività: quali attività delegare per prime](/it/blog/ai-agents-for-small-business)