Soporte interno
Políticas IT, RR. HH., finanzas.
¿Qué es RAG? Definición y explicaciones
RAG (Retrieval-Augmented Generation) combina recuperación documental y modelo generativo: el sistema obtiene pasajes relevantes de sus fuentes y genera una respuesta anclada en esos extractos. Menos alucinaciones, más trazabilidad.
En una frase
El RAG hace que la IA responda desde sus documentos, no solo desde su memoria entrenada.
Para recordar
- Dos fases: recuperación (vectorial + keywords) y generación condicionada.
- Calidad según chunking, metadatos y control de acceso.
- Las citas permiten verificar afirmaciones sensibles.
- Sin garantía si las fuentes están incompletas u obsoletas.
- Complementa fine-tuning y prompts de sistema.
Ficha del término
- RAG
- Retrieval-Augmented Generation · Generación aumentada por recuperación
- Término en inglés
- Retrieval-Augmented Generation (RAG)
- Dominio
- Inteligencia artificial
- Categoría
- IA generativa aplicada
- Nivel
- Intermedio a avanzado
Por qué RAG es esencial
La calidad depende de la indexación, el troceado de documentos y el ranking de pasajes.
A menudo se citan fuentes para que el usuario pueda verificar.
Es el enfoque preferido para bases de conocimiento internas o políticas RH.
Pipeline RAG
- 01
Curar fuentes
Docs aprobados, versiones fechadas.
- 02
Indexar bien
Chunks coherentes y pruebas de recall.
- 03
Asegurar consultas
Filtrar por usuario; registrar preguntas.
- 04
Evaluar
Faithfulness, cobertura FAQ, feedback experto.
Ejemplo RAG
Un empleado pregunta el procedimiento de reembolso; el sistema encuentra la página RH actualizada y responde con el enlace a la fuente.
Casos de uso
Ventas
Specs desde PIM/ERP.
Cumplimiento
Consultas con traza de auditoría.
Investigación legal asistida
Triaje inicial, no consejo legal.
Ventajas y límites
- Actualizable sin reentrenamiento caro
- Trazabilidad por citas
- Varios repositorios
- Mal índice → errores silenciosos
- Latencia extra
- Gobernanza documental
¿RAG o fine-tuning?
| RAG | Fine-tuning | |
|---|---|---|
| Objetivo | Hechos y docs al día | Estilo o comportamiento |
| Coste de actualización | Reindexar | Entrenamientos |
| Trazabilidad | Alta con citas | Baja |
| Datos | Corpus buscable | Ejemplos etiquetados |
Valor empresarial
Convierte un LLM genérico en interfaz de su patrimonio documental si este es fiable. Empezar con alcance estrecho y evaluación semanal.
Preguntas frecuentes
¿Elimina alucinaciones?
Las reduce si las fuentes cubren la pregunta; puede extrapolar.
¿Base vectorial obligatoria?
A menudo sí; a veces con BM25.
¿RAG y agentes?
Sí, el retriever como herramienta del agente.
Términos relacionados
Fuentes y referencias
¿Asistente interno que cite sus docs?
Diseñar su RAG