Lo scaling che preserva la risposta è un metodo di test per sistemi di retrieval e agenti AI. L'idea è aggiungere più dati irrilevanti, a volte su larga scala, mantenendo invariata la risposta corretta. Se le prestazioni calano man mano che aumenta il rumore, il collo di bottiglia non è il ragionamento del modello ma il livello di retrieval: ranking, filtraggio, collegamento delle entità o assemblaggio del contesto.
Questo è importante nella sicurezza informatica perché i moderni sistemi RAG e agentici spesso dipendono dalla ricerca tra ticket, log, documenti e permessi. Gli aggressori possono sfruttare un retrieval debole seppellendo fatti utili nel rumore, avvelenando gli indici o causando un over-fetching che espone contesto sensibile. I difensori usano lo scaling che preserva la risposta per misurare se un sistema riesce ancora a trovare le prove giuste sotto carico, rispettare i controlli di accesso e produrre risposte verificabili. È un modo pratico per testare la resilienza, non solo l'accuratezza.