RAG fiscale italiano: cosa è, come funziona e perché serve in studio

La sigla RAG sta per Retrieval Augmented Generation, generazione aumentata dal recupero. È la tecnica che permette di costruire un'AI conversazionale che risponda non sulla base della propria 'memoria' di addestramento (con il rischio di inventare), ma sulla base di documenti specifici recuperati al momento della domanda.

Per la professione fiscale, dove la differenza fra una circolare che esiste e una inventata è la differenza fra un parere corretto e un parere sbagliato, il RAG è l'unica configurazione affidabile dell'AI applicata alla normativa.

Il problema che il RAG risolve

I modelli linguistici di base (ChatGPT, Claude, Gemini) sono addestrati su grandi quantità di testo proveniente da internet, libri, codice. Per natura del loro addestramento, contengono una rappresentazione probabilistica del linguaggio, non un archivio strutturato della normativa. Tre conseguenze pratiche.

• Possono citare in modo errato numero di circolare, articolo del TUIR, anno di pubblicazione, riformulando approssimazioni.
• Possono inventare prassi (numero risoluzione che non esiste) con un linguaggio convincente.
• Possono essere aggiornati a un cut-off di addestramento (data oltre la quale non hanno informazioni) e quindi ignorare normativa recente.

Il termine tecnico inglese è 'hallucination', allucinazione. Per il commercialista, è semplicemente un errore inaccettabile in un parere o in una memoria.

Come funziona il RAG in tre passi

L'architettura RAG inserisce un passaggio intermedio fra la domanda dell'utente e la generazione della risposta. In termini semplici.

1. Recupero (retrieval). Quando il commercialista pone una domanda, il sistema cerca nei documenti della propria base dati (circolari Agenzia delle Entrate, risoluzioni, sentenze, prassi) i passaggi pertinenti. La ricerca è semantica (per significato), non solo testuale, e usa indici vettoriali.
2. Aumento (augmentation). I passaggi rilevanti vengono incollati nel contesto della domanda, prima di passare il tutto al modello linguistico.
3. Generazione (generation). Il modello AI legge la domanda e i passaggi recuperati, e produce una risposta che si basa solo sulle informazioni effettivamente presenti nei documenti citati.

Il risultato pratico è una risposta che cita la fonte (numero della circolare, paragrafo, data) e che può essere verificata aprendo il documento originale linkato.

Cosa serve a un RAG fiscale italiano

Non tutti i sistemi RAG sono uguali. Per un uso professionale in studio commercialista italiano, ci sono cinque caratteristiche da pretendere.

Base dati fiscale italiana aggiornata

Le fonti minime: codice civile, TUIR, decreto IVA, decreti legislativi rilevanti (esempio 13/2024 sul CPB, 14/2019 sul Codice della crisi), circolari e risoluzioni dell'Agenzia delle Entrate degli ultimi 5-10 anni, prassi più recenti, principali sentenze di Cassazione e CTR. Va aggiornata con cadenza almeno settimanale per recepire le novità.

Citazione esplicita della fonte

Ogni affermazione del sistema deve indicare il documento da cui proviene, con possibilità di apertura del documento originale. Senza link alla fonte, l'output non è utilizzabile in un parere.

Filtraggio delle fonti

Il sistema deve permettere di restringere la ricerca a specifiche tipologie di fonti (esempio: solo circolari ufficiali, escludendo prassi non ufficiali) e a specifici periodi temporali.

Trasparenza sul processo di retrieval

Lo studio deve poter capire perché il sistema ha scelto certi documenti e non altri. Questa trasparenza è anche un requisito di AI Act.

Disclaimer espliciti quando la base dati non copre

Se l'utente chiede di un tema fuori dalla base dati, il sistema deve dirlo chiaramente, non inventare. È un comportamento da testare prima dell'adozione.

Casi d'uso reali in studio

Dove un RAG fiscale italiano sta cambiando la giornata di studio nel 2026.

1. Ricerca normativa veloce. Cliente chiede chiarimenti su un tema specifico (esempio: trattamento IVA di un'operazione triangolare con paese terzo). Il sistema in 30 secondi produce il riepilogo delle norme applicabili con citazione esatta.
2. Verifica di una posizione del cliente. Il cliente porta una soluzione vista online o consigliata da terzi. Il sistema verifica se la soluzione regge alla normativa attuale e cita le fonti che la confermano o smentiscono.
3. Aggiornamento sulle novità. 'Cosa è cambiato sul concordato preventivo biennale dal primo ciclo?' Il sistema confronta normativa di periodo e produce sintesi con riferimenti.
4. Memoria per il contenzioso. Bozza di memoria tributaria con citazioni di Cassazione pertinenti, poi rifinita dal professionista.
5. Risposta strutturata alla domanda del collaboratore. Junior che chiede 'come si calcola X', riceve risposta procedurale con riferimento normativo, riducendo le interruzioni del senior.

I limiti del RAG che vanno tenuti presenti

Non è una soluzione perfetta. Tre limiti che il commercialista deve sempre considerare.

• Solo quanto c'è nella base dati. Una prassi pubblicata ieri, se la base dati si aggiorna ogni lunedì, non è ancora disponibile.
• La sintesi è del modello, non del professionista. Il rischio di interpretazione errata nella sintesi resta, anche se è ridotto rispetto al modello generalista. La supervisione umana è obbligatoria.
• Casi non coperti dalla normativa. Per i temi nuovi o non ancora regolati, il RAG può aiutare a inquadrare ma non sostituisce il giudizio professionale.

Differenza con ChatGPT generalista

Conclusione operativa

Il RAG fiscale italiano non è un'opzione fra tante: è la configurazione minima accettabile dell'AI applicata alla normativa per uso professionale. Chi adotta un chatbot generalista per la ricerca normativa accetta un rischio professionale che fra dodici mesi non sarà più giustificabile, anche solo per ragioni di AI Act.