Soporte interno
Políticas IT, RR. HH., finanzas.
¿Qué es RAG? Definición y explicaciones
El RAG (Retrieval-Augmented Generation) combina recuperación documental y modelo generativo: el sistema obtiene primero los pasajes relevantes de sus propias fuentes y luego genera una respuesta anclada en esos extractos. La ventaja es doble — menos invenciones y respuestas trazables hasta el documento de origen. Su calidad depende sobre todo de la fase de recuperación: un modelo excelente nunca compensa unos malos extractos.
En una frase
El RAG ancla la respuesta de un modelo en pasajes recuperados de sus propias fuentes.
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