RAG recupera informazioni pertinenti e le passa al modello prima che risponda. Non gli “insegna” quei fatti in modo permanente. Il fine-tuning invece cambia i pesi del modello: è molto più adatto a modificare comportamento, formato e stile che a tenere aggiornata una base di conoscenza aziendale.
Quando usare RAG
- NODE 01Policy che cambiano spesso.
- NODE 02Cataloghi e documentazione aggiornati di continuo.
- NODE 03Knowledge base aziendali.
- NODE 04Casi in cui vuoi citare la fonte della risposta.
Quando usare il fine-tuning
Quando il problema non è “cosa sa”, ma “come risponde”: formato, tono, stile, comportamento su un task ripetitivo. E spesso ha più senso farlo su un modello piccolo e verticale che sul motore principale del sistema.
Quando non serve nessuno dei due
Se le informazioni aziendali sono duplicate, vecchie o sparse in cartelle che nessuno capisce, mettere RAG sopra il caos non lo trasforma magicamente in conoscenza. A volte il primo progetto AI è semplicemente mettere ordine nei dati.
SYSTEM PRINCIPLE“Se il problema si risolve aggiornando un documento, pensa RAG. Se si risolve cambiando il comportamento del modello, pensa fine-tuning.”