Chatbot assistant FAQ (RAG)

Chatbot assistant addestrato sulla knowledge base del cliente (FAQ, manuali, policy, schede prodotto/servizio, pagine sito, PDF, articoli help center, verbali, regolamenti interni) tramite architettura RAG (Retrieval-Augmented Generation). Pipeline: ingestion contenuti con chunking semantico e metadata (categoria, lingua, data, sorgente, permessi), embedding e indicizzazione su vector store (pgvector/Qdrant/Pinecone), retrieval ibrido (semantico + BM25 + filtri), re-ranking, generazione risposta via LLM con prompt di sistema configurabile per tono/persona e citazioni inline ai documenti sorgente. **Routing LLM via Footility (NO chiamate dirette ad Anthropic/OpenAI dal frontend o backend cliente)**: il sito/app del cliente parla solo con il backend Footility, che gestisce auth, rate limiting, audit token, fallback provider (Claude/GPT/Mistral), masking PII e logging conversazioni — la chiave provider non esce mai dall'infrastruttura Footility. Widget chat embeddabile (script tag) personalizzabile per brand (colori, avatar, lingua, posizione), supporto multi-turn con memoria di conversazione, handoff a operatore umano (escalation con trascript), suggerimenti rapidi, feedback thumbs up/down per training continuo, anti-hallucination con confidence score e fallback "non lo so + apri ticket". Backoffice: dashboard conversazioni, ricerca per intent, gap analysis (domande senza risposta utile → suggerimenti nuovi contenuti KB), reindex incrementale al change di contenuti, audit costo token per conversazione, export GDPR. Integrazioni: WhatsApp Business, Messenger, Telegram, email-to-chat, webhook CRM (lead capture). Casi d'uso: customer support automatizzato, assistente prodotto pre-vendita, helpdesk interno HR/IT, onboarding clienti, navigazione siti complessi.