Casi d'uso
Costruisci assistenti AI con ingegneria assistita da AI
Rilascia un assistente che risponde dai tuoi dati, rispetta i tuoi permessi e fa escalation verso un umano — costruito come un'applicazione reale, non un chatbot dimostrativo.
Ciao è una piattaforma di ingegneria assistita da AI per costruire assistenti AI — interfacce di chat e attività ancorate ai tuoi contenuti — come vere applicazioni React, TypeScript e Supabase. A differenza dei builder di chatbot standalone, gli assistenti Ciao girano dentro app governate: retrieval consapevole dei permessi, storico conversazioni nel tuo database, escalation umana, una scala di modelli multi-provider con fallback, inferenza a conservazione zero, e opzioni own-LLM per ambienti regolamentati.
Pubblicato 2026-07-03 · Ultimo aggiornamento 2026-07-03
Dal chatbot dimostrativo all'assistente di produzione
Un assistente AI è un'interfaccia di chat o attività che risponde a domande e abbozza lavoro a partire dai dati della tua organizzazione: un assistente di supporto che risolve la metà facile della coda, un assistente per le policy che conosce le regole di viaggio, un assistente vendite che risponde ai questionari di sicurezza dalla tua stessa documentazione. Far funzionare una demo richiede un pomeriggio. La distanza tra quella demo e qualcosa che metteresti davanti ai clienti è il progetto vero e proprio.
Quella distanza è fatta di requisiti poco affascinanti: l'assistente deve vedere solo ciò che l'utente autenticato è autorizzato a vedere; le risposte devono essere ancorate a contenuti attuali e approvati e mostrarne le fonti; le conversazioni devono essere archiviate nei tuoi sistemi, non in quelli di un fornitore; ci deve essere un passaggio di consegne pulito verso un umano; e qualcuno deve sorvegliare utilizzo, costo e qualità delle risposte dopo il lancio.
Ciao costruisce l'assistente come parte di un'applicazione reale, così quei requisiti sono funzionalità dell'applicazione — costruite, testate e governate come tutto il resto — invece di ripensamenti attaccati a un widget di chat.
Cosa richiede davvero un assistente di produzione
- Accesso ai modelli con fallback — Una scala di modelli multi-provider così l'interruzione o il cambio di prezzo di un fornitore è un dettaglio di configurazione, non un incidente.
- Retrieval ancorato con citazioni — Risposte tratte dai tuoi contenuti approvati — documentazione di aiuto, policy, ticket — con le fonti mostrate, così gli utenti possono verificare.
- Retrieval consapevole dei permessi — L'assistente recupera solo ciò che l'utente autenticato può vedere. Un dipendente che chiede degli stipendi ottiene la policy, non la tabella delle buste paga.
- Storico conversazioni nel tuo database — Trascrizioni archiviate nel tuo backend Supabase per revisione della qualità, contesto di escalation e controllo della conservazione.
- Escalation umana — Un passaggio di consegne definito — verso un ticket, una coda o una persona in diretta — con la conversazione allegata, per le domande a cui non può o non deve rispondere.
- Confini di risposta — Argomenti delimitati, comportamento di rifiuto e regole di formattazione, versionati nel codice dove possono essere revisionati e testati.
- Raccolta di feedback — Valutazioni e correzioni sulle risposte, che alimentano un ciclo di revisione che migliora contenuti e prompt.
- Analytics di utilizzo e costo — Chi chiede cosa, quanto costa, dove l'assistente fallisce — visibile fin dal lancio, non ricostruito in seguito.
Come funziona una build di assistente su Ciao
1. Definisci il compito e i suoi limiti
A cosa risponde l'assistente, cosa rifiuta, e dove passa la mano. Assistenti ristretti che fanno bene un compito battono quelli ampi che indovinano.
2. Collega i contenuti
Documentazione di aiuto, policy, dati di prodotto e storico ticket collegati come fonti di retrieval, con i permessi mappati sui tuoi ruoli.
3. Costruisci l'interfaccia
Una superficie di chat dentro il tuo portale, prodotto o strumento interno — veri componenti React, stilizzati secondo il tuo marchio.
4. Collega escalation e storico
I passaggi di consegne creano ticket con il contesto della trascrizione; le conversazioni persistono nel tuo database secondo le tue regole di conservazione.
5. Testa oltre il percorso ideale
QA riproduce conversazioni scriptate — inclusi i confini dei permessi e i casi di rifiuto — prima di ogni pubblicazione.
6. Governa la superficie AI
Template di prompt, ambito di retrieval e configurazione del modello sono codice; Guardrails registra la revisione quando cambiano.
7. Lancia, osserva, stringi
Feedback e analytics di utilizzo mostrano dove falliscono le risposte; le correzioni vengono rilasciate attraverso lo stesso ciclo governato.
Checklist di sicurezza e governance
- ✓ Inferenza sotto contratti modello a conservazione zero
- ✓ Codice e contenuti del cliente non vengono mai usati per addestrare i modelli
- ✓ Retrieval consapevole dei permessi delimitato all'utente autenticato
- ✓ Opzioni own-LLM per ambienti regolamentati
- ✓ Dati delle conversazioni archiviati nel tuo backend, secondo le tue regole di conservazione
- ✓ Modifiche a prompt e retrieval revisionate tramite Guardrails prima del merge
- ✓ Replay QA che coprono i casi di rifiuto e di confine dei permessi
- ✓ Registro di controllo append-only su prompt, merge, deploy e azioni amministrative
Varianti di assistente che i team costruiscono
Assistente di supporto clienti
Risponde dalla documentazione di aiuto e dal contesto dell'account, devia la metà di routine della coda, fa escalation del resto con le trascrizioni.
Assistente per le policy interne
Risposte su policy di viaggio, spese, IT e HR con citazioni al documento sorgente — meno messaggi all'HR.
Assistente di sales enablement
Risponde ai questionari di sicurezza e alle domande di prodotto dalla documentazione approvata, abbozzando risposte che i venditori verificano.
Assistente di acquisizione documenti
Legge i documenti presentati, estrae campi strutturati e segnala le lacune per la revisione umana.
Assistente di onboarding
Guida le nuove assunzioni o i nuovi clienti nella configurazione, rispondendo dalle tue guide e controllando l'avanzamento.
Assistente Q&A sui dati
Domande in linguaggio semplice su dataset definiti, rispondendo con la query eseguita mostrata accanto al risultato.
Requisiti dell'assistente, coperti
| Requisito | Come lo copre Ciao |
|---|---|
| Rischio di dipendenza dal modello | Scala di modelli multi-provider con fallback |
| Protezione dei dati | Inferenza a conservazione zero; i contenuti non vengono mai usati per l'addestramento |
| Le risposte giuste per l'utente giusto | Retrieval consapevole dei permessi legato ai tuoi ruoli |
| Ambienti regolamentati | Opzioni own-LLM; deploy in VPC privata e on-prem |
| Gestione delle risposte sbagliate | Citazioni ancorate, argomenti delimitati, percorsi di escalation umana |
| Controllo delle modifiche sui prompt | Configurazione di prompt e retrieval versionata e revisionata tramite Guardrails |
| Qualità dopo il lancio | Raccolta di feedback e analytics di utilizzo integrate nell'app |
Domande frequenti
Quali modelli usano gli assistenti Ciao?
Ciao gestisce una scala di modelli multi-provider con fallback, che riduce la dipendenza da un singolo fornitore di modelli. Le aziende enterprise possono anche portare i propri modelli — vedi le opzioni own-LLM per le configurazioni regolamentate.
I nostri dati verranno usati per addestrare i modelli?
No. Il codice del cliente non viene usato per addestrare i modelli, e l'inferenza gira sotto contratti modello a conservazione zero. Lo storico delle conversazioni vive nel tuo backend secondo le tue regole di conservazione.
Come gestite le risposte sbagliate?
Per progettazione, non per promesse: le risposte sono ancorate ai tuoi contenuti approvati con citazioni, l'ambito dell'assistente è limitato ad argomenti definiti, i casi di rifiuto sono testati nei replay QA, e tutto ciò che è incerto fa escalation verso un umano con la trascrizione allegata. La raccolta di feedback poi ti mostra dove falliscono le risposte così contenuti e prompt migliorano.
L'assistente può rispettare i nostri permessi esistenti?
Sì. Il retrieval è delimitato a ciò che l'utente autenticato può vedere, usando lo stesso modello di ruoli del resto dell'applicazione, e le sonde di controllo degli accessi testano quei confini sull'app live.
Possiamo integrare l'assistente nel nostro prodotto esistente?
Sì. L'assistente è React e TypeScript standard, integrabile nel tuo prodotto o portale, e le immagini sandbox personalizzate permettono al lavoro di integrazione circostante di avvenire contro backend Rails, Java, Go, Python e Node.
Quanto costa un assistente di produzione?
Prototipa self-serve con i crediti. Gli assistenti rivolti ai clienti con governance, escalation e analytics sono programmi di produzione — quelli partono da 10.000 USD all'anno, e le vendite possono dimensionare con te i costi di utilizzo dei modelli.