ChatGPT sui manuali tecnici? Perché un LLM generico non basta per l'assistenza alle macchine

In questo articolo vediamo cosa succede quando si caricano i manuali tecnici su un LLM generico, in cosa si differenzia un agente costruito sulla documentazione del costruttore e quando invece uno strumento generico è sufficiente.

Perché i costruttori di macchine cercano un'AI per i manuali tecnici

I costruttori di macchine cercano un'AI per i manuali perché il service risponde ogni giorno alle stesse domande, e le risposte sono già scritte da qualche parte. Il problema è trovarle in fretta.

Un manuale tecnico supera spesso le 300 pagine, ha un indice pensato per chi l'ha scritto e usa termini diversi da quelli di chi lo consulta. Per ogni famiglia di prodotto esistono più modelli, e per ogni modello più versioni con differenze piccole ma decisive: un codice di errore che cambia significato, un componente sostituito, una procedura di pulizia aggiornata.

Il risultato è noto a chiunque lavori nell'assistenza post-vendita. Tecnici e clienti finali chiamano il service invece di consultare il manuale, i tecnici esperti passano la giornata a rispondere a domande ripetitive e una parte della conoscenza resta nella testa di poche persone. Quando una di queste lascia l'azienda, quella conoscenza se ne va con lei.

L'intelligenza artificiale generativa sembra la soluzione naturale: un sistema che legge i manuali al posto delle persone e risponde in linguaggio naturale. La domanda vera è quale tipo di AI usare.

Cosa succede se carichi i manuali tecnici su un LLM generico

Un LLM generico è un modello linguistico addestrato su testi di ogni tipo, pensato per rispondere a qualsiasi domanda. Quando gli si caricano dei manuali, di norma il sistema divide i documenti in frammenti, cerca quelli più simili alla domanda e li usa per comporre la risposta.

Per domande isolate e ben formulate il risultato è spesso buono. Le difficoltà emergono in tre situazioni tipiche dell'assistenza tecnica.

La stessa domanda vale per modelli diversi. Un tecnico chiede come sbloccare l'errore E12. Il codice esiste in tre modelli, con cause diverse. Un sistema che cerca il testo più simile può restituire la procedura corretta, ma del modello sbagliato, e farlo con un tono sicuro.

L'informazione è in una tabella o in un'immagine. Codici di errore, compatibilità dei ricambi e specifiche tecniche stanno quasi sempre in tabelle, e le procedure si capiscono guardando uno schema. Se il documento viene spezzato in frammenti di testo, tabelle e immagini perdono il loro collegamento con il contesto.

Chi chiede usa parole diverse dal manuale. Un operatore parla di "cassetto" dove il manuale scrive "vano di raccolta", un tecnico usa il nome interno di un componente. Se il sistema non conosce il gergo dell'azienda, non trova l'informazione anche quando c'è.

A questo si aggiungono due limiti organizzativi. Il primo è il controllo: un LLM generico risponde su qualsiasi documento caricato, senza un passaggio di revisione da parte di chi è responsabile dei contenuti tecnici. Il secondo è il contesto: il modello non sa chi sta scrivendo, quali macchine possiede e in che stato si trovano.

Le differenze tra Genuin e un LLM generico sui manuali tecnici

Genuin è l'agente AI di Things5 che risponde a tecnici, centri assistenza e clienti finali sulle macchine di un costruttore. Il costruttore lo configura con Genuin Studio: nell'area Conoscenza carica manuali, schede tecniche e procedure di troubleshooting, che diventano la base delle risposte. Le differenze rispetto a un LLM generico nascono da come quella documentazione viene organizzata e da cosa Genuin sa di chi sta chiedendo.

1. Parte dal catalogo dei modelli, non dai documenti

Genuin associa ogni documento al modello o alla variante di macchina a cui si riferisce, in automatico. Il costruttore mantiene nell'area Conoscenza un catalogo dei propri modelli, con gli alias per i nomi informali e gli errori di battitura più comuni, importabile anche da un file Excel o CSV.

Quando una domanda è ambigua, Genuin chiede prima a quale modello ci si riferisce e mostra le opzioni, invece di scegliere il testo più simile. È il modo più diretto per evitare l'errore tipico dei chatbot tecnici: la risposta corretta per il prodotto sbagliato.

2. Legge i manuali per capitoli, tabelle e immagini

Genuin organizza ogni manuale per capitoli invece di spezzarlo in frammenti di testo. Le tabelle tecniche diventano dati utilizzabili e le immagini restano collegate al paragrafo a cui si riferiscono.

Nella pratica, quando un tecnico chiede una procedura riceve l'argomento completo, con lo schema o la foto giusta accanto al passaggio che la richiede. Il costruttore carica i PDF e i file Word che ha già, senza riscriverli in un formato speciale.

3. Cita la fonte di ogni risposta

Ogni risposta di Genuin indica il documento e la sezione da cui proviene, con un collegamento per aprire la fonte. Il tecnico non deve fidarsi sulla parola: può verificare in un clic, e il responsabile dei contenuti può capire da dove nasce una risposta sbagliata.

4. Sa quali macchine ha chi sta chiedendo

Sui canali in cui l'utente è riconosciuto, Genuin sa quali macchine possiede quel cliente o quel centro assistenza. In molti casi non serve nemmeno chiedere il modello: la risposta è già tarata sul prodotto giusto.

Se il parco è connesso con Things5 Connect, Genuin legge anche allarmi, parametri e storico di quella specifica macchina. Un LLM generico, per costruzione, conosce solo il testo che gli viene fornito.

5. Capisce il gergo dell'azienda e dei clienti

Il costruttore definisce nell'area Conoscenza gruppi di sinonimi che collegano il linguaggio di tecnici e clienti ai termini ufficiali del manuale. Se un operatore usa un nome interno o colloquiale, Genuin trova comunque l'informazione giusta, senza che i manuali vadano riscritti.

6. Risponde nella lingua di chi chiede

Genuin risponde nella lingua dell'utente anche quando il manuale è scritto in un'altra lingua. Per un costruttore che vende all'estero significa offrire assistenza in più mercati senza tradurre tutta la documentazione tecnica.

7. Nessun contenuto arriva agli utenti senza approvazione

Nell'area Conoscenza ogni contenuto passa da bozza a revisione a pubblicato, e solo i contenuti pubblicati vengono usati per rispondere. Ogni modifica a un contenuto esistente richiede un motivo, così resta traccia di chi ha cambiato cosa e perché.

Prima del rilascio il team prova l'assistente nel Playground, ponendo domande come farebbe un cliente e controllando le fonti usate per ogni risposta.

8. Migliora a partire dai feedback degli utenti

Gli utenti valutano ogni risposta con un clic e possono lasciare un commento. Genuin collega ogni feedback al documento che ha generato la risposta, così il team sa quale manuale va corretto invece di doverlo indovinare. La console raccoglie inoltre tutte le conversazioni da ogni canale: un'informazione utile anche per prodotto e marketing, perché mostra cosa chiedono davvero i clienti.

9. Va oltre i manuali: dati della macchina e software aziendali

Un LLM generico risponde con il testo. Genuin può collegarsi, tramite connettori MCP o API, a ERP, CRM, gestionali ed e-commerce, e con Things5 Connect può leggere lo stato della macchina e agire su di essa entro i limiti decisi dal costruttore. La stessa conversazione può partire da un codice di errore e chiudersi con l'ordine del ricambio corretto.

Genuin e LLM generico a confronto

La tabella riassume le differenze per chi deve scegliere come automatizzare l'assistenza tecnica sulla documentazione di prodotto.

Quando un LLM generico è sufficiente

Un LLM generico è sufficiente quando il catalogo è piccolo, la documentazione è stabile e l'assistente serve soprattutto al team interno. Per esempio, un costruttore con un solo modello e un manuale per lingua può ottenere risposte utili caricando i documenti in uno strumento generico, purché qualcuno verifichi le risposte prima di usarle.

Lo scenario cambia quando almeno una di queste condizioni è vera:

• il costruttore ha più modelli o più versioni dello stesso modello, con manuali simili tra loro;
• l'assistente deve rispondere a clienti finali, rivenditori o centri assistenza esterni, e quindi una risposta sbagliata ha un costo per il brand;
• i manuali contengono tabelle di codici errore, compatibilità o schemi che devono essere letti correttamente;
• i clienti sono in più Paesi e parlano lingue diverse da quella dei manuali;
• il service ha bisogno di sapere quale macchina ha il cliente e in che stato si trova.

In questi casi il problema principale non riguarda il modello linguistico, che oggi è di buona qualità in quasi tutti gli strumenti. Riguarda l'organizzazione della conoscenza attorno a quel modello: catalogo, versioni, approvazioni, contesto del cliente.

Sette domande per scegliere un assistente AI per l'assistenza tecnica

Che si valuti Genuin o un'altra soluzione, queste domande aiutano a capire se uno strumento è adatto alla documentazione di un costruttore di macchine. Conviene farle durante la demo, usando un manuale reale e una domanda che il service riceve spesso.

1. Come distingue modelli e versioni? Chiedi cosa succede se la stessa domanda vale per due modelli diversi.
2. Cosa fa con tabelle e immagini? Prova con una domanda la cui risposta sta in una tabella di codici errore.
3. Cita la fonte? Verifica che ogni risposta rimandi al documento e alla sezione di origine.
4. Sa chi sta chiedendo? Chiedi se può collegare l'utente alle macchine che possiede.
5. Chi approva i contenuti? Verifica se esiste un passaggio di revisione prima che un contenuto venga usato con i clienti.
6. Come si misura la qualità? Chiedi come vengono raccolti i feedback e se sono collegati ai documenti.
7. Può andare oltre il testo? Verifica se può leggere i dati della macchina e collegarsi a ERP, CRM o e-commerce.

Per approfondire come ridurre le richieste ripetitive al service, leggi anche come ridurre le chiamate ripetitive al service tecnico.

Domande frequenti

La differenza sta nell'organizzazione della conoscenza

Oggi i modelli linguistici scrivono bene quasi ovunque. Per un costruttore di macchine la qualità di un assistente AI dipende da quello che il modello sa del prodotto: quale macchina, quale versione, quale cliente, quale documento approvato. Un LLM generico parte dai testi caricati. Genuin parte dal catalogo dei modelli e dal parco installato, e usa i manuali dentro questa struttura.