Come l'LLM fonde i risultati (reranking)
Dopo aver recuperato decine di passaggi, un sistema IA deve scegliere quali mantenere. Questo ordinamento, chiamato reranking, decide in gran parte chi verrà citato.
Dopo la prima ricerca, un sistema IA si ritrova tipicamente con molti più passaggi candidati di quanti possa effettivamente utilizzare in una risposta. Un meccanismo di ordinamento, chiamato reranking, valuta e gerarchizza questi passaggi per trattenere solo i più pertinenti. È in questa fase, discreta ma decisiva, che si gioca gran parte della questione "chi verrà citato e chi no". A differenza di un algoritmo di classificazione SEO, che resta complessivamente stabile nel tempo per una stessa query, il risultato del reranking può variare da una domanda all'altra anche su un argomento simile, il che rende la sua osservazione ancora più delicata.
Perché è necessario un ordinamento dopo la ricerca
La prima fase di recupero dei documenti, che passi per un motore di ricerca classico o per un database vettoriale, produce generalmente un elenco piuttosto ampio di risultati potenzialmente pertinenti, senza garanzia di precisione fine. Questa prima lista è volutamente ampia per non perdere contenuti utili, ma contiene anche rumore: passaggi appena collegati all'argomento, ridondanti tra loro, o di qualità disomogenea. Il reranking serve a raffinare questa lista, valutando ciascun passaggio in modo più fine rispetto alla domanda precisa posta dall'utente. Questa fase resta in gran parte invisibile per un sito: a differenza di una posizione nei risultati di Google, non esiste una "pagina 2" del reranking che si possa consultare per capire perché un passaggio sia stato scartato. È ciò che rende l'argomento difficile da diagnosticare senza uno strumento di misurazione dedicato.
Il principio generale del reranking
In un'architettura RAG tipica, un modello specializzato, spesso più piccolo e più veloce di un LLM completo, rivaluta ciascun passaggio candidato confrontandolo direttamente con la domanda posta, invece che con una semplice corrispondenza di parole chiave. Questo modello assegna un punteggio di pertinenza a ciascun passaggio, e solo i passaggi con il punteggio più alto vengono trasmessi al modello linguistico per la redazione della risposta finale. Alcuni sistemi combinano anche più fonti di risultati, ad esempio una ricerca per parole chiave e una ricerca per similarità semantica, e poi fondono le due classifiche in una sola; i ricercatori descrivono spesso questo tipo di fusione con il nome di "reciprocal rank fusion", un metodo che favorisce i passaggi ben classificati in più liste contemporaneamente piuttosto che quelli che dominano una sola lista. Questa scelta illustra un principio piuttosto generale del reranking: la robustezza di un passaggio, cioè la sua capacità di restare pertinente secondo più metodi di valutazione diversi, conta spesso più di una corrispondenza perfetta ma isolata con un unico criterio.
Cosa rende un passaggio più suscettibile di essere ben classificato
Senza pretendere di conoscere i criteri esatti e ponderati di ciascun sistema proprietario, si possono osservare, in generale, alcune caratteristiche che favoriscono un passaggio durante il reranking: una corrispondenza chiara e diretta con l'intento della domanda, una formulazione che risponde senza girarci intorno piuttosto che ruotare attorno all'argomento, un'autonomia di senso che permette di capire il passaggio senza aver letto il resto della pagina. Al contrario, un passaggio annegato in un contenuto generico, che richiede contesto esterno per essere capito, o che riformula vagamente una domanda senza rispondervi con precisione, ha statisticamente meno possibilità di essere trattenuto in questa fase. Prendiamo un esempio: per la domanda "qual è il termine legale di recesso per un acquisto online", un passaggio che inizia direttamente con "il termine legale di recesso è di 14 giorni dal ricevimento del prodotto" ha più possibilità di essere ben classificato rispetto a un paragrafo che inizia con "la questione dei termini è complessa e dipende da diversi fattori" prima di arrivare, qualche frase più avanti, alla stessa informazione.
Il legame con il chunking e la struttura del contenuto
Il reranking opera su passaggi, non su pagine intere. Ecco perché il modo in cui il vostro contenuto viene suddiviso a monte, un processo chiamato chunking, ha un'influenza diretta su ciò che arriva fino a questa fase di ordinamento. Un articolo in cui ogni sezione forma un'unità di senso autonoma offre al sistema più "buoni candidati" da valutare, invece di un unico lungo blocco di testo in cui l'informazione utile è diluita. Questo meccanismo di suddivisione è spiegato in dettaglio nella lezione Il chunking: come l'LLM suddivide il vostro contenuto. In altre parole, un contenuto di qualità ma mal segmentato può ritrovarsi penalizzato non nel merito, ma nella forma: il reranking semplicemente non dispone delle unità giuste da valutare.
Cosa significa questo per la scrittura dei vostri contenuti
In concreto, questo incoraggia una scrittura che va dritta al punto: rispondere a una domanda fin dalle prime frasi di una sezione, strutturare chiaramente ogni sottosezione con un sottotitolo esplicito, evitare paragrafi che richiedono di aver letto l'intero articolo per essere compresi. Questi principi di strutturazione sono approfonditi nella lezione Strutturare un articolo per il GEO, che propone uno schema tipo pensato per massimizzare le possibilità che il maggior numero possibile dei vostri passaggi sopravviva alla fase di reranking.
Ricordate che il reranking è un filtro invisibile ma determinante: il vostro contenuto può essere recuperato perfettamente alla prima fase e tuttavia non comparire mai nella risposta finale, semplicemente perché non è stato giudicato sufficientemente pertinente, chiaro o autonomo al momento dell'ordinamento. Questa constatazione depone a favore di una revisione regolare del proprio contenuto, sezione per sezione, chiedendosi onestamente se ciascun passaggio, preso isolatamente, fornirebbe una risposta chiara a qualcuno che non avesse letto nient'altro.