Company Brain

Andrej Karpathy ha descritto una base di conoscenza in cui non sei tu a ordinare gli appunti: metti le fonti in una cartella e un LLM scrive e aggiorna una wiki in Markdown, con indice e rimandi. Applico lo stesso metodo a documenti e conversazioni di un’azienda, aggiungendo permessi, controlli e un responsabile interno.

Tutte e due. In cloud lavora un modello come Claude, GPT o Gemini (anche da Cursor): qualità più alta e nessun hardware da gestire, con contratti che tutelano i dati. In locale gira un modello open-source sul tuo hardware: i dati non escono, con qualche compromesso su qualità e velocità. Essendo file Markdown, la wiki non cambia: si può passare da una strada all’altra senza rifare il lavoro.

Perché il lavoro di capire e collegare le informazioni lo fa l’LLM una volta, mentre scrive, e non a ogni domanda. Le pagine sono leggibili e correggibili da una persona. Il limite: funziona al meglio su centinaia o poche migliaia di documenti importanti; per archivi molto più grandi lo affianco a una ricerca tradizionale.

Si decide all’inizio cosa entra: caselle, cartelle e canali sono elencati uno per uno, e i permessi si applicano per cartella della wiki. I dati sensibili possono restare fuori o essere trattati solo in locale. Con i modelli in cloud servono contratti con garanzie sui dati; per i dati personali ragioniamo insieme su base giuridica e informativa.

Da due o tre fonti dove si perde più tempo, per esempio la posta condivisa e le riunioni con i clienti. Si controlla la qualità delle risposte su domande vere, poi si aggiunge il resto. Non serve sistemare prima l’archivio.