AWS propone TAKC per superare i limiti del RAG nelle analisi aziendali

Un team di due diligence chiede i rischi finanziari consolidati di un’acquisizione da 500 milioni di dollari. Sul tavolo: 12 controllate e 5 anni di bilanci, oltre 200 contratti fornitori, report ambientali di 8 stabilimenti e più di 50 cause legali. La ricerca per similarità del RAG trova frammenti, ma non ricompone il quadro. Il blog di AWS propone una risposta: task-aware knowledge compression (TAKC), con un’implementazione open source distribuibile nel proprio account¹.

Il limite è specifico: la similarità individua brani pertinenti, ma spesso perde i legami tra documenti. Quando l’analista chiede “quali sono i rischi finanziari consolidati alla luce dei termini correnti dei fornitori e del contenzioso pendente?”, la risposta resta sparsa in centinaia di file. Il retrieval non basta perché non connette i pezzi in un’unica inferenza multi-documento¹.

TAKC interviene a monte. Pre-comprime intere basi di conoscenza in rappresentazioni specifiche per il compito. L’obiettivo è fornire un supporto all’analisi che rifletta le connessioni tra documenti necessarie per il task, invece di rincorrere a runtime frammenti “simili” alla query. La proposta è esplicita: andare “oltre il RAG” nelle attività analitiche complesse, dove il contesto attraversa molti file e categorie di documenti¹.

L’esempio operativo nel post è una valutazione su un’azienda manifatturiera. I bilanci delle 12 controllate coprono 5 anni. I 200 e più contratti con i fornitori fissano termini che influenzano margini e rischi. Gli otto report ambientali aggiungono obblighi e impatti. Le oltre 50 cause legali introducono incertezze su costi e tempi. L’analista non cerca un estratto: chiede una risposta che integri tutto. Con la sola similarità, il sistema recupera citazioni isolate, ma fatica a comporre la relazione tra i documenti che serve alla decisione¹.

Il post inquadra l’uso di TAKC nei casi in cui RAG mostra il suo “tetto”: due diligence finanziarie e revisioni di conformità regolatoria. Qui lo sforzo non è trovare il singolo passo rilevante, ma collegare fatti dispersi per rispondere a domande che attraversano contratti, bilanci, report e atti. TAKC nasce per questi compiti, con rappresentazioni costruite in funzione dell’analisi attesa¹.

La componente di deployment è parte della proposta. Secondo AWS, si può distribuire un’implementazione open source completa nell’account del cliente su AWS. Il modello operativo descritto è quindi quello di una tecnica che si installa e si gestisce nell’infrastruttura cloud del cliente, con la pre-elaborazione della conoscenza eseguita prima dell’interrogazione e orientata ai task definiti dall’azienda¹.

Per chi usa RAG su basi documentali estese, il messaggio è chiaro: la similarità non basta quando la domanda implica connessioni tra fonti diverse. TAKC punta a preparare quelle connessioni in anticipo, comprimendo la conoscenza in forme utili al compito. Il post promette una guida pratica per farlo su AWS e indica che il codice necessario è disponibile in open source per un’adozione diretta nell’account dell’organizzazione¹.