← Torna agli ambiti di ricerca

Linea di ricerca · Sistemi di AI e dati

Memoria persistente per sistemi di AI: continuità e controllo oltre la singola sessione

Studiamo l’architettura di un livello software esterno ai modelli linguistici, progettato per stabilire quali informazioni conservare, aggiornare e recuperare.

Stato
Ricerca in corso
Aggiornamento
Luglio 2026
Lettura
3 min
Indice della scheda

Domanda di ricerca

Come costruire una memoria utile tra più sessioni senza trasformare informazioni errate, obsolete o non autorizzate in un contesto apparentemente affidabile?

01

Contesto tecnico

Un modello linguistico non conserva automaticamente una memoria permanente e affidabile delle interazioni. Finestre di contesto più ampie permettono di fornire più materiale, ma non risolvono selezione, continuità, conflitti, permessi o cancellazione.

Una memoria persistente deve decidere quali informazioni registrare, come strutturarle, quando aggiornarle e quali recuperare. Non coincide quindi con un semplice database vettoriale: deve gestire identità, tempo, versioni, provenienza e autorizzazioni.

02

Che cosa stiamo studiando

  1. 01

    Dati relazionali per fatti, versioni, identità e permessi.

  2. 02

    Archivi documentali e citazioni per mantenere il collegamento con le fonti.

  3. 03

    Ricerca semantica e lessicale, con eventuali grafi per relazioni complesse.

  4. 04

    Regole di scrittura, aggiornamento, conflitto, astensione e cancellazione.

03

Applicazioni da esplorare

  • CRM con storia del cliente, decisioni e prossime azioni.
  • Memoria aziendale per procedure, riunioni e documenti.
  • Assistenti multiutente con permessi granulari e fonti ispezionabili.
  • Agenti operativi che mantengono lo stato di processi e attività aperte.
04

Come può combinarsi con altre tecnologie

Questa architettura potrebbe integrarsi con CRM, archivi documentali, chat e applicazioni operative e lavorare con modelli forniti da soggetti diversi. Citazioni, gestione delle versioni e autorizzazioni possono rendere controllabili la provenienza e il perimetro delle informazioni recuperate.

05

Che cosa deve verificare un prototipo

  1. V01

    Precisione e copertura delle informazioni recuperate.

  2. V02

    Gestione di tempo, aggiornamenti, conflitti e astensione.

  3. V03

    Isolamento effettivo tra utenti, aziende e progetti.

  4. V04

    Tracciabilità, correzione e cancellazione delle memorie.

  5. V05

    Resistenza a contenuti malevoli, latenza e costo operativo.

06

Limiti e rischi noti

Una memoria errata o obsoleta può rendere una risposta più convincente ma meno affidabile.

I rischi comprendono fuga di dati, permessi applicati male, prompt injection dalle fonti, profilazione e cancellazione incompleta.

07

Prossimo passo di ricerca

Realizzare un prototipo circoscritto su documenti e attività di un unico contesto, definendo prima dataset di test, criteri di qualità, permessi e procedure di cancellazione.

Riferimenti tecnici

Collaborazione

Hai un contesto reale in cui questa domanda può essere verificata?

Presenta il contesto