Le informazioni che contano in un'azienda raramente stanno in un posto solo. Le decisioni prese in riunione finiscono in un verbale che nessuno rilegge, le preferenze di un cliente vivono nella testa del commerciale, il motivo per cui un processo funziona in un certo modo lo ricorda solo chi c'era. Quando arriva un assistente AI, il problema si ripresenta: ogni conversazione riparte da zero.
GBrain prova a risolvere proprio questo. È un progetto open source pubblicato da Garry Tan, presidente e CEO di Y Combinator, che dà agli agenti AI una memoria persistente e consultabile. In questo articolo vediamo cos'è, come si usa per costruire un cervello aziendale e quali limiti considerare prima di metterlo al centro della conoscenza della tua impresa.
Cos'è GBrain e perché se ne parla
GBrain è stato rilasciato ad aprile 2026 con licenza MIT. Nasce come il sistema personale che Tan usa ogni giorno, poi generalizzato perché chiunque possa installarlo. L'idea di fondo è semplice: la conoscenza viene scritta in file Markdown organizzati in cartelle, e un motore di ricerca la rende interrogabile dagli agenti.
Alcuni elementi lo distinguono da un normale archivio di documenti:
- I file sono la fonte di verità. Le pagine vivono in un repository git: puoi vedere cosa ha scritto l'agente, confrontare versioni e ricostruire l'indice se il database si perde.
- Ogni pagina ha due parti. Una sintesi aggiornata ("quello che sappiamo oggi") e una cronologia datata che non viene cancellata, così resta traccia di come si è arrivati a una conclusione.
- Ricerca ibrida. Ricerca per parole chiave e ricerca semantica lavorano insieme; i risultati vengono uniti e ordinati anche in base ai collegamenti tra pagine.
- Un grafo di relazioni. Persone, aziende e progetti vengono collegati con relazioni tipizzate (per esempio "lavora presso"), estratte da regole e non da chiamate a un modello.
- Connessione via MCP. Gli agenti come Claude Code, Codex o Cursor possono interrogarlo attraverso il Model Context Protocol, lo stesso standard di cui abbiamo parlato nell'articolo sui server MCP per i SaaS.
Lo storage di default è PGLite, una versione di Postgres che gira in locale; per basi di conoscenza condivise o più grandi si usa Postgres con l'estensione pgvector.
Cervello aziendale: cosa significa in pratica
Con "cervello aziendale" si intende una base di conoscenza che si aggiorna mentre l'azienda lavora e che un assistente AI può consultare per rispondere con il contesto giusto. Non è l'ennesima cartella condivisa: la differenza sta nel fatto che l'informazione viene strutturata per entità (clienti, fornitori, progetti, decisioni) e collegata.
Qualche esempio di domande che un cervello aziendale ben costruito può gestire:
- "Cosa abbiamo concordato con questo cliente nelle ultime tre riunioni?"
- "Perché abbiamo scelto questo fornitore per la logistica?"
- "Chi in azienda ha già lavorato su un'integrazione con questo gestionale?"
La qualità delle risposte dipende interamente da cosa entra nel sistema e da come viene mantenuto. È qui che si gioca la riuscita del progetto.
Come usare GBrain per creare un cervello aziendale
Il percorso che suggeriamo parte piccolo e cresce solo dopo aver verificato che funziona.
1. Scegli un perimetro preciso
Non partire da "tutta la conoscenza aziendale". Scegli un ambito con domande ricorrenti e fonti chiare: la storia dei clienti per l'area commerciale, le decisioni tecniche di un team di sviluppo, le procedure di un reparto operativo. Un perimetro stretto ti permette di misurare se le risposte sono corrette.
2. Definisci la struttura delle pagine
GBrain usa cartelle per tipo di entità, come people/, companies/, meetings/. Per un'azienda conviene adattarle: clienti, fornitori, progetti, decisioni, procedure. Il progetto supporta degli schema pack che descrivono i tipi di pagina: è il momento di decidere quali informazioni servono davvero per ogni entità.
3. Installa e collega le fonti
L'installazione avviene da GitHub con Bun; la documentazione segnala che il pacchetto npm con lo stesso nome non è collegato al progetto. Una volta inizializzato, aggiungi le cartelle Markdown come fonti e lanci la sincronizzazione. Il comando gbrain doctor verifica che tutto sia configurato.
Le fonti tipiche sono verbali di riunione, note, documentazione interna. Se i dati stanno in un CRM o in un gestionale, servirà un passaggio di esportazione o un'integrazione dedicata: GBrain lavora su file e su un insieme definito di segnali, non si collega nativamente ai sistemi aziendali.
4. Collega gli agenti
Con il server MCP l'assistente AI che il team già usa può cercare nel cervello aziendale e, se previsto, scriverci. Qui conviene decidere chi può fare cosa: un agente che scrive liberamente in una base di conoscenza condivisa va sorvegliato, almeno all'inizio.
5. Stabilisci la manutenzione
GBrain include processi notturni che riparano collegamenti e segnalano pagine orfane o obsolete. Ma non verifica che i contenuti siano corretti o completi. Serve una persona responsabile che rilegga le sintesi più importanti con una cadenza fissa.
Vuoi un assistente che conosca davvero la tua azienda? Partiamo da un ambito concreto e verifichiamo insieme se le risposte reggono sul lavoro di tutti i giorni. Parliamone
I limiti da conoscere prima di partire
GBrain è un progetto giovane, che evolve velocemente e nasce per un singolo utente. Le recensioni indipendenti concordano su alcuni punti che, in un contesto aziendale, pesano:
- Permessi. L'accesso multiutente con ambiti separati è stato aggiunto in seguito, ma non esiste un modello di permessi granulare paragonabile a quello di una piattaforma documentale aziendale. Se l'area commerciale e quella HR devono vedere cose diverse, va progettato a parte.
- Privacy e dati personali. La ricerca semantica richiede un fornitore di embedding esterno e alcune funzioni usano modelli di terze parti. Per un'azienda europea significa valutare quali dati escono, con quali contratti e in conformità al GDPR. La ricerca per parole chiave funziona anche senza chiavi API, ed è un buon punto di partenza per i contenuti sensibili.
- Correttezza. Il sistema accumula e collega, non controlla. Un'informazione sbagliata inserita una volta può essere ripresa molte volte.
- Integrazioni. CRM, ticketing e database restano fuori, a meno di costruire il collegamento.
Nessuno di questi limiti esclude GBrain da un uso aziendale, ma ne cambia il ruolo: è un ottimo motore e un ottimo modello di riferimento, non un prodotto chiavi in mano.
Errori comuni nei progetti di memoria aziendale per l'AI
Che tu usi GBrain o un'altra soluzione, gli errori ricorrenti sono gli stessi:
- Caricare tutto subito. Un archivio enorme e disordinato produce risposte vaghe e difficili da verificare.
- Non avere un responsabile. Senza qualcuno che cura i contenuti, la base di conoscenza invecchia in pochi mesi.
- Ignorare chi può vedere cosa. Un assistente che risponde a chiunque con qualsiasi informazione è un rischio, non un vantaggio.
- Confondere ricerca e verità. Un agente che cita una pagina non garantisce che la pagina sia aggiornata.
- Scegliere lo strumento prima del caso d'uso. La tecnologia giusta dipende dalle domande a cui deve rispondere.
Se vuoi capire meglio come un modello linguistico diventa un agente che usa strumenti e memoria, trovi una spiegazione nell'articolo su harness AI e differenza tra agente e LLM.
Come lo affrontiamo in Mine Consulting
Quando un'azienda ci chiede un assistente interno o una ricerca intelligente nei documenti, partiamo da un obiettivo condiviso: quali domande devono trovare risposta, per chi, e da quali fonti. Solo dopo scegliamo gli strumenti, che possono essere GBrain, un'altra soluzione open source o un componente costruito su misura.
Il passo successivo è un primo risultato da provare: un perimetro ristretto, poche fonti, un gruppo di persone che usa l'assistente nel lavoro reale e ci dice dove sbaglia. Su questa base progettiamo permessi, integrazioni con i gestionali e regole di manutenzione.
Poi il percorso continua: si aggiungono fonti e reparti, si misurano le risposte, si correggono le parti che non reggono. Trovi più dettagli su questo approccio nella pagina Come lavoriamo.
In sintesi
- GBrain è un sistema open source che dà agli agenti AI una memoria persistente basata su file Markdown, ricerca ibrida e un grafo di relazioni.
- Per costruire un cervello aziendale funziona bene come motore, a patto di partire da un perimetro preciso e di definire una struttura delle pagine.
- I limiti principali per un'azienda riguardano permessi, privacy dei dati inviati a servizi esterni, verifica dei contenuti e integrazione con CRM e gestionali.
- Il successo dipende più dalla cura della conoscenza che dallo strumento: serve un responsabile e un ciclo di verifica.
