approfondimento

Vector database: l’infrastruttura per la memoria semantica dell’azienda

Non sostituiscono i database tradizionali, ma li affiancano quando il vero problema non è trovare una parola esatta, bensì recuperare contenuti pertinenti sul piano del significato. Alla base ci sono embedding, ricerca semantica e architetture di retrieval che oggi alimentano motori di ricerca evoluti, knowledge assistant e sistemi RAG

Pubblicato il 23 apr 2026

Giovanni Masi

Computer science engineer

Nelle aziende moderne il problema, molto spesso, non è la mancanza di informazioni: è l’eccesso. Manuali, procedure, contratti, documentazione tecnica, ticket, email, relazioni e presentazioni si accumulano nel tempo fino a creare un patrimonio enorme, ma difficile da consultare davvero. La conoscenza esiste, ma spesso rimane dispersa in archivi frammentati, cartelle disordinate e repository che solo pochi sanno navigare con precisione.

@RIPRODUZIONE RISERVATA

Giovanni Masi

Computer science engineer

Ingegnere informatico e dell’automazione, specializzato in cybersecurity e intelligenza artificiale, con oltre vent’anni di esperienza nel settore dell’Information Technology. Ha sviluppato competenze avanzate nella progettazione e nello sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di sicurezza informatica e nella creazione di modelli di intelligenza artificiale.

È Presidente della Commissione per l’intelligenza artificiale dell’Ordine degli Ingegneri della Provincia di Frosinone e Vice Delegato del Comitato Italiano Ingegneria dell’Informazione – C3i, dove fa parte anche del Gruppo di Lavoro AI (GTL AI).

Nell’ambito dell’Ordine ha ideato e condotto numerosi seminari ed è autore e docente dei corsi:

Intelligenza Artificiale per Ingegneri
Intelligenza Artificiale Generativa
Prompt Engineering.

Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus e ha tenuto seminari sull’intelligenza artificiale presso la Pontificia Università Antonianum.

Autore di numerosi articoli scientifici e divulgativi, si occupa di Generative AI e delle sue applicazioni professionali. Ha partecipato a progetti di ricerca avanzata, tra cui:

• BioGene, iniziativa supportata da NASA GeneLab per l’analisi genomica di esperimenti spaziali tramite AI

• Uno studio con l’Università Ben Gurion del Negev (Israele) sulla classificazione del livello di ossidazione degli oli mediante modelli intelligenti.

Attualmente concentra la sua attività sullo sviluppo e lo studio dei Large Language Models (LLM), con particolare attenzione alle applicazioni innovative dell’Intelligenza Artificiale Generativa in ambito tecnico e industriale.