# rag-decline-context-windows-2025-10-08

## Veille

Il declino della RAG - Espansione delle finestre di contesto dell'IA - LinkedIn

## Titre Article

From RAG to Rigor Mortis: Why Retrieval-Augmented Generation looks like dying

## Date

2025-10-08

## URL

https://www.linkedin.com/pulse/from-rag-rigor-mortis-why-retrieval-augmented-looks-like-ensarguet-txide/

## Keywords

Retrieval-Augmented Generation (RAG), Finestre di contesto dell'IA, IA agentique, Large Language Models (LLM), Evoluzione della tecnologia IA, Strategie di ricerca contestuale

## Authors

Philippe Ensarguet

## Ton

**Profilo:** Professionale | Analitico con opinione marcata | Opinione-Analitico | Intermedio-Accessibile

Ensarguet adotta un tono più provocatorio rispetto ai suoi altri articoli su LinkedIn. Un titolo incisivo ("From RAG to Rigor Mortis") e una tesi controversa (il declino della RAG) rivelano un thought leader che assume una posizione netta. Il linguaggio resta accessibile nonostante i concetti tecnici (finestre di contesto, LLM). Stile caratteristico dei post LinkedIn volti a generare engagement attraverso tesi controintuitive piuttosto che un consenso prudente. Si rivolge a un pubblico tech curioso di analisi prospettiche.

## Pense-betes

- La RAG era una soluzione temporanea alle finestre di contesto limitate
- Le finestre di contesto si stanno evolvendo da 8K a potenzialmente milioni di token
- 5 sfide principali della RAG: chunking, embedding, hybrid search, reranking, complessità dell'infrastruttura
- Citazione chiave: "RAG was never the destination—it was a temporary detour"
- Emergere dell'IA agentique e della ricerca diretta in-context
- Le competenze per costruire sistemi di IA si stanno evolvendo rapidamente

## RésuméDe400mots

L'articolo esamina il potenziale declino della Retrieval-Augmented Generation (RAG) di fronte alla rapida evoluzione della tecnologia IA. L'autore spiega come la RAG sia emersa come soluzione alle finestre di contesto limitate dei primi modelli di IA, consentendo ai sistemi di recuperare e utilizzare frammenti di documenti pertinenti. Tuttavia, con la rapida espansione delle finestre di contesto nei moderni modelli di IA (in crescita da 8K a potenzialmente milioni di token), la RAG potrebbe diventare obsoleta.

L'articolo evidenzia cinque sfide chiave della RAG che contribuiscono al suo potenziale declino. Primo, il chunking dei documenti fa perdere significato contestuale, frammentando artificialmente l'informazione. Secondo, le tecnologie di embedding presentano limiti intrinseci nella loro capacità di catturare pienamente la ricchezza semantica dei contenuti.

Terzo, la hybrid search aggiunge una complessità superflua al processo di recupero dell'informazione. Quarto, il reranking introduce latenza e costi aggiuntivi nella pipeline di elaborazione. Infine, la gestione dell'infrastruttura RAG diventa sempre più complessa e costosa da mantenere.

L'autore sostiene che tecnologie emergenti come Claude Code dimostrano uno spostamento verso una ricerca diretta e ricca di contesto, senza meccanismi di recupero complessi. Poiché i modelli di IA possono ora gestire interi documenti all'interno delle proprie finestre di contesto, un'infrastruttura RAG elaborata potrebbe diventare superflua.

Questa evoluzione rappresenta un cambiamento di paradigma nel modo in cui i sistemi di IA vengono progettati e costruiti. Invece di frammentare e recuperare l'informazione, i sistemi futuri saranno in grado di elaborare direttamente grandi quantità di contesto, consentendo una comprensione più olistica e sfumata.

L'articolo osserva che questa transizione ha implicazioni significative per le organizzazioni e gli sviluppatori che hanno investito pesantemente nell'infrastruttura RAG. Le competenze richieste per costruire sistemi di IA si stanno evolvendo, spostandosi da un'ingegneria del recupero complessa verso la progettazione di sistemi agentici capaci di navigare in modo intelligente in ampi spazi contestuali.

L'autore suggerisce che le organizzazioni devono prepararsi a questa transizione tecnologica, riconoscendo che la RAG è stata solo una fase intermedia nell'evoluzione dell'IA. I sistemi futuri privilegeranno la comprensione a contesto pieno rispetto al recupero frammentato.

La citazione centrale riassume perfettamente questa prospettiva: "RAG was never the destination—it was a temporary detour." Questa affermazione racchiude l'idea che la RAG sia stata una soluzione pragmatica a limitazioni tecniche ormai superate dalla rapida innovazione tecnologica.

In conclusione, l'articolo invita a una rivalutazione delle attuali architetture di IA e all'anticipazione dei paradigmi emergenti che sostituiranno gli approcci RAG tradizionali.

## GrapheDeConnaissance

- Philippe Ensarguet —affirme_que→ le RAG est en déclin structurel (AFFIRMATION, 0.98)
- Nicolas Bustamante —publie→ The RAG Obituary (DOCUMENT, 0.97)
- Nicolas Bustamante —dirige→ Fintool (ORGANISATION, 0.95)
- RAG —résout→ fenêtres de contexte (CONCEPT, 0.95)
- cascade d'échecs en cinq étapes —observé_dans→ RAG (TECHNOLOGIE, 0.93)
- Claude Code —remplace→ RAG (TECHNOLOGIE, 0.88)
- Claude Code —utilise→ grep et glob (TECHNOLOGIE, 0.96)
- Anthropic —publie→ Claude Code (TECHNOLOGIE, 0.97)
- fenêtres de contexte —mesure→ passage de 8K à 2M tokens (MESURE, 0.97)
- IA agentique —remplace→ RAG (TECHNOLOGIE, 0.9)
- IA agentique —utilise→ nouvelles compétences techniques (CONCEPT, 0.92)
- Philippe Ensarguet —prédit→ l'expansion des contextes LLM rendra le RAG obsolète (AFFIRMATION, 0.85)
- Gemini 2.5 —mesure→ 1M tokens de contexte (MESURE, 0.95)

---
Canonical: https://www.thekb.eu/it/fiches/rag-decline-context-windows-2025-10-08/