LLM e Retrieval Augmented Generation (RAG) per le biblioteche

Sperimentazioni, prospettive e valorizzazione del patrimonio

Abstract

Il contributo analizza le opportunità offerte dall’adozione dell’architettura Retrieval-Augmented Generation (RAG) nelle biblioteche, con particolare riferimento alla valorizzazione dei fondi personali e delle biblioteche d’autore. L’obiettivo è esplorare come l’integrazione tra intelligenza artificiale, descrizione documentaria e narrazione possa migliorare l’accesso, la contestualizzazione e la fruizione di patrimoni culturali complessi. Dopo una riflessione sul ruolo delle tecnologie generative nei servizi bibliotecari, viene presentato un caso studio sviluppato presso la Biblioteca “Arturo Graf” dell’Università di Torino, incentrato sul fondo Emanuele Artom. Il progetto propone un approccio interdisciplinare e narrativo, finalizzato a restituire la ricchezza relazionale e culturale dei fondi d’autore, promuovendo una fruizione partecipata e consapevole della memoria documentaria.

Gli autori condividono l'elaborazione dei contenuti del contributo nel suo insieme. A Lorenzo Verna vanno attribuiti i paragrafi: "I Large Language Models: definizione, architettura e limiti" e "L’architettura Retrieval-Augmented Generation (RAG) "; a Roberto Testa il paragrafo: "LLM e RAG in Biblioteca: applicazioni e prospettive" e ad Angelo La Gorga il paragrafo: "Verso la RAG: la valorizzazione dei fondi di persona come possibile campo di applicazione". L'introduzione e il paragrafo conclusivo sono stati elaborati congiuntamente.