Un principio fondamentale resta sempre lo stesso: il modello di IA viene eseguito localmente sul sistema dell’utente. Le modalità Offline, Hybrid e Online non stabiliscono dove gira il modello, ma soltanto quali connessioni aggiuntive Rainbow può utilizzare. In modalità Offline, Rainbow funziona senza connessioni esterne. In modalità Hybrid, il modello resta locale e può utilizzare API in modo mirato, ad esempio per ottenere informazioni meteo aggiornate. In modalità Online, il modello rimane comunque locale e, in aggiunta, può essere attivato il Rainbow Apex Router integrato.

RAG fa già parte delle funzioni per gli utenti privati. Quando necessario, i propri documenti e le informazioni fornite possono essere utilizzati come fonte di conoscenza aggiuntiva. Se, ad esempio, occorre analizzare un PDF, un file Word o un altro documento, i contenuti pertinenti possono essere utilizzati per la richiesta specifica senza dover riaddestrare il modello. Il modello locale resta la base; RAG lo integra quando servono informazioni aggiuntive o aggiornate. Allo stesso tempo, il controllo sui propri dati rimane un elemento centrale di Rainbow. I dati archiviati localmente sono protetti con AES-256, con Argon2id come ulteriore misura di protezione. Per l’utente privato il punto essenziale è semplice: il modello rimane sul proprio sistema, i dati personali possono essere gestiti localmente e le connessioni aggiuntive vengono utilizzate solo quando sono realmente desiderate.

Per le aziende, Rainbow va decisamente oltre. Il modello aziendale Rainbow non è una classica edizione Business e non è semplicemente l’accesso a un servizio di IA generalista. L’azienda riceve un modello proprio, adattato individualmente alla propria realtà. È l’azienda stessa a decidere quali conoscenze devono far parte di questa IA. Le informazioni previste vengono preparate e integrate in modo mirato nel processo di addestramento e adattamento del proprio modello. La base linguistica tedesca e il contesto specifico della Germania sono già inclusi e non vengono conteggiati come token aziendali. Il modello cliente finale, insieme agli artefatti di addestramento e ai componenti del modello specifici che ne derivano, è destinato esclusivamente a quell’azienda.

RAG completa il modello aziendale, ma non lo sostituisce. Le conoscenze aziendali che devono rimanere disponibili in modo permanente possono diventare parte del modello proprietario. Le informazioni nuove o aggiornate possono inoltre essere utilizzate tramite RAG. Se, ad esempio, è disponibile un nuovo file Word, un PDF o un rapporto e occorre usarne subito le informazioni, non è necessario riaddestrare il modello aziendale. Il documento può essere messo a disposizione come fonte di conoscenza aggiuntiva per la richiesta corrente. La distinzione resta chiara: il modello aziendale contiene le conoscenze destinate a far parte in modo permanente dell’IA dell’azienda; RAG le integra in modo flessibile con documenti e informazioni aggiornati.

Anche il modello aziendale viene eseguito localmente e può funzionare all’interno dell’infrastruttura dell’azienda. L’azienda determina quindi non solo quali conoscenze entrano nel modello, ma anche su quale infrastruttura viene eseguito e quali connessioni esterne sono consentite. L’hardware esistente viene valutato prima dell’implementazione. Le dimensioni del modello e la configurazione tecnica vengono quindi adattate all’infrastruttura reale. Il risultato non è una soluzione standard pronta all’uso, ma un ambiente progettato in funzione delle risorse tecniche disponibili.

Dal punto di vista tecnico, il modello aziendale comprende molto più della sola interfaccia visibile. Include architettura del modello e del sistema, tokenizzazione, preparazione delle conoscenze aziendali, addestramento o adattamento del modello, RAG e inferenza locale. Il tokenizer suddivide il testo in unità elaborabili chiamate token. L’inferenza è il funzionamento effettivo del modello completato: il momento in cui un input viene elaborato e viene generato un output. La cifratura AES-256 e la protezione basata su Argon2id di Rainbow restano parte integrante del sistema. Rainbow persegue così due obiettivi chiari sulla stessa base tecnica: per i privati, uno spazio di lavoro digitale ordinato con modello di IA locale, RAG e connessioni controllate; per le aziende, in aggiunta, un modello proprietario adattato alle conoscenze e all’infrastruttura aziendali. Il principio resta identico in entrambi i casi: il modello rimane locale. L’utente privato decide quali proprie informazioni e quali connessioni esterne utilizzare; l’azienda decide inoltre quali conoscenze entrano nel proprio modello e su quale infrastruttura viene eseguito.