Che cos'è una base di conoscenza per chatbot?

È l'insieme di contenuti approvati in cui un agente IA cerca prima di rispondere: FAQ, dettagli su prodotti e servizi, policy, sedi e orari di apertura. L'agente recupera i passaggi pertinenti alla domanda e scrive la risposta a partire da quelli, invece di affidarsi a ciò che il modello linguistico ricorda per caso.

Come si addestra un chatbot sui propri documenti?

Di solito il modello non si riaddestra. Si caricano documenti, pagine web o testo in una base di conoscenza, la piattaforma li divide in chunk e li salva in un indice ricercabile, e l'agente recupera i chunk giusti nel momento in cui risponde. Questo approccio si chiama retrieval-augmented generation, o RAG.

Quanto deve essere grande una base di conoscenza per chatbot?

Abbastanza grande da coprire le domande che i clienti pongono davvero, e non di più. Poche decine di risposte scritte bene, più le policy principali e i dati dei prodotti, spesso funzionano meglio di centinaia di documenti scarsamente collegati, perché il rumore in più rende il recupero meno preciso.

Ogni quanto va aggiornata la base di conoscenza?

Aggiornala ogni volta che cambia un prezzo, una policy, un prodotto o un orario, e rivedila con una cadenza fissa, per esempio ogni mese. Ogni settimana controlla le domande a cui l'agente non ha saputo rispondere e aggiungi i contenuti mancanti.

Come evito che l'agente IA si inventi le risposte?

Chiedi all'agente di rispondere solo con i contenuti recuperati, tieni dati come prezzi e tempi di consegna nella base di conoscenza e non nel prompt, e dagli un'alternativa chiara: prendere un messaggio o passare la conversazione a una persona quando non trova nulla di pertinente. Prima di andare online, testalo con domande non coperte dai contenuti.

Come creare una base di conoscenza per chatbot da cui il tuo agente IA possa rispondere

Un agente IA vale quanto le informazioni che riesce a consultare. Ecco come scegliere le fonti, strutturare i contenuti, capire chunking e RAG in parole semplici e mantenere accurata la base di conoscenza dopo il lancio.

Team MonoChat Aggiornato: 13 ottobre 2026 9 min di lettura

In questa pagina

Cosa fa davvero una base di conoscenza per chatbot
Cosa includere nella base di conoscenza
Come strutturare i contenuti perché il recupero li trovi
Il chunking in parole semplici
Separa le conoscenze per finalità
Combina conoscenza statica e dati in tempo reale
Mantieni aggiornata la base di conoscenza
Come testare una base di conoscenza prima del lancio
Errori comuni nelle basi di conoscenza
Come creare la tua base di conoscenza IA in MonoChat
Fonti

Una base di conoscenza per chatbot è l’insieme di contenuti approvati in cui il tuo agente IA cerca prima di rispondere: risposte alle domande più comuni, dettagli su prodotti e servizi, policy, sedi e orari di apertura. Quando un cliente fa una domanda, l’agente recupera i passaggi più pertinenti e scrive la risposta a partire da quelli. Costruiscila partendo dalle domande che i clienti fanno davvero, scrivi ogni informazione una sola volta in un linguaggio semplice, dividila in sezioni mirate e aggiornala ogni volta che la tua attività cambia.

La maggior parte degli agenti IA deludenti non è limitata dal modello, ma da ciò che riesce a consultare. Se la tua policy sui resi si trova in un PDF scansionato di tre anni fa, l’agente la citerà oppure tirerà a indovinare. Questa guida spiega cosa includere, come strutturarlo, come funziona il recupero in parole semplici e come mantenere i contenuti accurati quando i clienti iniziano a parlare con l’agente.

Cosa fa davvero una base di conoscenza per chatbot

Un large language model sa molto del mondo e nulla della tua attività. Non conosce i tuoi prezzi, le tue filiali, né se consegni di domenica. La base di conoscenza colma questa lacuna.

La tecnica standard è la retrieval-augmented generation (RAG). In parole semplici:

Il cliente fa una domanda su WhatsApp, Instagram o nella chat del tuo sito.
Il sistema cerca nella tua base di conoscenza i passaggi che corrispondono meglio al significato della domanda, non solo alle sue parole esatte.
L’agente riceve quei passaggi insieme alla domanda e alle sue istruzioni.
L’agente scrive la risposta a partire dai passaggi, idealmente senza dire nulla che i passaggi non sostengano.

Per questo non serve “addestrare” né fare il fine-tuning di un modello perché risponda dai tuoi documenti. Cambi il contenuto, e con lui cambia la risposta successiva.

Cosa includere nella base di conoscenza

Parti dalle domande dei clienti, non dai documenti che hai già a disposizione. Recupera le ultime centinaia di conversazioni dalla tua inbox, dal supporto via email e dagli appunti telefonici, e raggruppale per argomento. Gli argomenti che ricorrono più spesso sono le tue prime sezioni.

Tipo di contenuto	Esempi	Perché serve all’agente
FAQ	”Spedite all’estero?”, “Posso modificare la prenotazione?”	Copre la maggior parte delle domande di tutti i giorni
Prodotti e servizi	Nomi, varianti, cosa è incluso, a chi sono adatti	Permette all’agente di consigliare e confrontare
Prezzi e costi	Listini, costi di consegna, caparre	Evita prezzi inventati o obsoleti
Policy	Resi, disdette, garanzia, privacy	Risposte ad alto rischio che devono essere esatte
Sedi e orari	Indirizzi, orari di apertura, chiusure festive	Informazioni semplici che i clienti chiedono di continuo
Procedure	Come prenotare, come pagare, come far valere la garanzia	Trasforma le risposte in passi successivi
Regole di escalation	Ciò a cui l’agente non deve mai rispondere da solo	Gli dice quando passare la conversazione a una persona

Lascia fuori note interne, bozze, vecchie condizioni di campagne e qualsiasi cosa contenga dati personali. L’agente può citare la base di conoscenza a qualsiasi cliente, quindi tratta ogni riga come pubblica.

Come strutturare i contenuti perché il recupero li trovi

Il recupero lavora su porzioni di testo, non su file interi. Il modo in cui scrivi e dividi i contenuti conta più della quantità.

Scrivi un argomento per sezione

Una sezione intitolata “Resi per gli ordini online” con cinque paragrafi brevi viene recuperata molto meglio di un documento di condizioni di 40 pagine in cui i resi compaiono a pagina 31. Se una pagina tratta più argomenti, dividila.

Metti la risposta all’inizio

Apri ogni sezione con la risposta diretta, poi aggiungi condizioni ed eccezioni. Il passaggio recuperato deve contenere la risposta, non solo il contesto.

Debole:  La nostra azienda è stata fondata nel 2009 e ha sempre a cuore
         la soddisfazione dei clienti. Nel corso degli anni la nostra
         procedura di reso...

Meglio:  Gli ordini online possono essere restituiti entro 14 giorni dalla consegna.
         Gli articoli devono essere inutilizzati e nella confezione originale.
         Gli articoli in saldo possono essere cambiati ma non rimborsati.

Scrivi ogni informazione una sola volta

Se il costo di consegna compare in quattro documenti e ne aggiorni solo tre, l’agente potrebbe recuperare quello vecchio. Mantieni una sola fonte di verità per ogni informazione ed elimina i duplicati.

Usa le parole dei clienti

I clienti scrivono “soldi indietro”, non “procedura di rimborso”. Aggiungi come titoli delle domande le formulazioni che vedi nelle chat reali, così la ricerca per significato ha più elementi da confrontare.

Mantieni semplici tabelle ed elenchi

Le tabelle di prezzi semplici e gli elenchi puntati di solito reggono bene la suddivisione. I fogli di calcolo complessi con celle unite e le immagini scansionate spesso no. Nel dubbio, riscrivili come frasi brevi.

Il chunking in parole semplici

Prima di poter essere cercato per significato, il contenuto viene tagliato in chunk, e ogni chunk viene convertito in una lista di numeri chiamata embedding, salvata in un database vettoriale. Nel momento della risposta, la domanda viene convertita allo stesso modo e vengono restituiti i chunk più vicini.

Due impostazioni determinano i risultati:

Dimensione dei chunk. I chunk piccoli sono precisi ma possono perdere il contesto (“entro 14 giorni” senza dire da cosa). I chunk grandi mantengono il contesto ma portano con sé testo non correlato, che può confondere la risposta.
Sovrapposizione. Ripetere un po’ di testo tra chunk adiacenti riduce la possibilità che una frase chiave venga spezzata a metà.

Raramente serve regolarle il primo giorno. I valori predefiniti sensati funzionano bene per contenuti ben strutturati. Rivedili solo quando i test mostrano che l’agente recupera il documento giusto ma la parte sbagliata.

Separa le conoscenze per finalità

Un unico mucchio di documenti peggiora le risposte man mano che cresce. Un assistente commerciale non ha bisogno delle tue procedure interne sui turni, e un agente di supporto non deve citare un listino in bozza. Dividi i contenuti in ambiti distinti, come supporto clienti, vendite e operatività interna, e assegna a ciascun agente solo gli ambiti che gli servono.

Questo riduce anche il rischio. Un contenuto che l’agente non può recuperare è un contenuto che non può divulgare. Per saperne di più su quali dati dovrebbero o non dovrebbero arrivare a un sistema di IA, consulta la nostra checklist sulla privacy dei chatbot IA.

Combina conoscenza statica e dati in tempo reale

Una base di conoscenza contiene contenuti che cambiano lentamente: policy, descrizioni dei prodotti, orari di apertura. Non è il posto giusto per lo stato di un ordine, la disponibilità a magazzino o il prossimo appuntamento di un cliente. Queste informazioni devono arrivare dai tuoi sistemi nel momento della domanda, tramite chiamate a strumenti (function calling) o integrazioni.

Una buona regola: se un dato può cambiare più volte al giorno, recuperalo in tempo reale. Se cambia poche volte l’anno, mettilo nella base di conoscenza.

Mantieni aggiornata la base di conoscenza

Una base di conoscenza corretta al lancio si allontana in fretta dalla realtà. Inserisci la manutenzione nella tua routine:

Assegna un responsabile a ogni sezione: per esempio le operations gestiscono orari e sedi, l’amministrazione gestisce i prezzi.
Aggiorna a ogni cambiamento. Quando cambia una policy o un prezzo, aggiorna la base di conoscenza lo stesso giorno, poi reindicizzala.
Rivedi ogni settimana le domande senza risposta. Ogni domanda a cui l’agente non ha saputo rispondere è una lacuna, un problema di formulazione o un caso da affidare a una persona.
Fai un audit mensile. Leggi le sezioni principali, rimuovi i contenuti obsoleti e verifica che le informazioni stagionali (orari festivi, condizioni delle campagne) siano scadute.
Tieni d’occhio i passaggi a un operatore. Se lo stesso argomento continua ad arrivare alle persone, aggiungi contenuti oppure decidi che debba essere sempre gestito da una persona. La nostra guida al passaggio dall’IA a un operatore umano spiega le regole.

Come testare una base di conoscenza prima del lancio

Scrivi un set di test di 30-50 domande reali e la risposta che ti aspetti per ciascuna. Includi:

Domande comuni formulate come le scrivono i clienti, con refusi e messaggi brevi.
Casi limite in cui la policy prevede eccezioni.
Domande non coperte, per verificare che l’agente dica di non sapere invece di tirare a indovinare.
Domande in altre lingue se servi clienti internazionali.

Test: "posso restituire delle scarpe che ho messo una volta"
Atteso: Spiega che i resi devono riguardare articoli inutilizzati e propone
        di mettere il cliente in contatto con il team per le eccezioni.
Fallisce se: Accetta un rimborso o inventa un termine diverso.

Controlla due cose separatamente: il sistema ha recuperato il passaggio giusto e l’agente lo ha usato correttamente? Una risposta sbagliata partendo dal passaggio giusto è un problema di prompt. Una risposta sbagliata partendo dal passaggio sbagliato è un problema di contenuto o di chunking. La nostra guida al test di un agente IA prima del lancio approfondisce set di test e metriche.

Errori comuni nelle basi di conoscenza

Caricare tutti i documenti che possiedi invece dei contenuti di cui i clienti hanno bisogno.
Tenere prezzi o promesse di consegna nelle istruzioni dell’agente, dove nessuno si ricorda di aggiornarli.
Lasciare le vecchie versioni delle policy accanto a quelle nuove.
Trattare immagini scansionate o fogli di calcolo complessi come contenuti leggibili.
Nessuna alternativa quando non si trova nulla di pertinente, il che favorisce le allucinazioni.

Come creare la tua base di conoscenza IA in MonoChat

MonoChat ti offre due modi per costruire ciò che il tuo agente sa, a seconda del livello di controllo che desideri.

Per iniziare subito: MonoChat Start

MonoChat Start legge il tuo sito web e scrive la base di conoscenza per te: un profilo dell’attività, i tuoi prodotti e servizi, le tue sedi, le tue policy e circa quaranta domande che i tuoi clienti fanno davvero. Non hai un sito, o ne hai uno con poco da leggere? Rispondi invece a cinque domande.

Tutto ciò che l’assistente può dire si trova in quattro schede: Domande, Prodotti e servizi, Sedi e Policy. Puoi modificare ogni voce, attivarla o disattivarla, oppure esportarla. L’assistente non indica mai un prezzo, un tempo di consegna o una garanzia che non siano scritti lì. Le risposte che ha scritto in base alle conoscenze generali sul tuo settore, e non dal tuo sito, arrivano disattivate con il badge “Da verificare” finché non le approvi.

Quando non ha una risposta, non improvvisa. Annota la richiesta in Messaggi presi e dice al cliente che una persona lo ricontatterà, e i suoi report elencano le domande a cui non ha saputo rispondere, che sono la tua lista di aggiornamento settimanale. Risponde su WhatsApp, Instagram, Telegram o nella chat del tuo sito web.

Controllo totale: la base di conoscenza IA e il RAG

Per insiemi di contenuti più ampi, la base di conoscenza IA ti permette di caricare PDF, file Excel, testo e pagine web, con caricamento in blocco, metadati e tag. Organizzi i contenuti in ambiti (scope), come supporto clienti, vendite o procedure interne, ciascuno con il proprio controllo degli accessi, e assegni ogni ambito agli agenti e ai flussi che devono usarlo.

MonoChat suddivide in chunk e calcola gli embedding dei contenuti con impostazioni predefinite pronte all’uso, e quando serve puoi scegliere il modello di embedding, la dimensione dei chunk, la sovrapposizione e le regole di preelaborazione. I vettori sono salvati nei database vettoriali integrati di MonoChat, oppure nei tuoi tramite l’integrazione VectorDB. Quando i contenuti cambiano, aggiorni l’ambito e lo reindicizzi, e l’assistente recupera dalla nuova versione senza che tu debba ricostruire i flussi.

Per combinare i documenti con dati in tempo reale, l’orchestrazione RAG concatena passaggi come riscrittura della query, recupero, reranking, chiamate a strumenti, citazioni e risposta finale, e gli strumenti di funzione IA recuperano dati come lo stato di un ordine o una scheda CRM nella stessa risposta.

Puoi iniziare con il piano Basic gratuito (un agente, un canale) su app.monochat.ai e confrontare i piani nella nostra pagina dei prezzi.

Fonti

Metta in pratica con MonoChat

Tutte le guide