RAG
Retrieval-Augmented Generation conecta un modelo de lenguaje con su propia base de conocimiento. En lugar de responder con lo que aprendió durante el entrenamiento, el modelo recupera en el momento los pasajes que hacen falta de sus documentos — y los cita.
El resultado es un asistente que habla el idioma de su casa: con sus normas, su documentación y su conocimiento — y con la referencia debajo de cada afirmación.
Todo empieza con una pregunta en lenguaje normal: «¿Cómo funciona aquí el escalado de una incidencia?». Nadie tiene que saber en qué documento está la respuesta.
Quien solo sustituye el buscador de la intranet no gana nada: la diferencia está en poder preguntar como uno piensa.
La pregunta se afina y se traduce a un vector — una serie de números que representa su significado, no sus palabras. Así «escalado» encuentra también lo que está archivado como «aviso de avería».
Sin reescritura fallan las repreguntas: «¿y en turno de noche?» por sí sola no da un vector de búsqueda con sentido.
Se busca en la base de conocimiento y vuelven los fragmentos más parecidos — chunks. No documentos enteros: trozos lo bastante pequeños para caber en el contexto.
Troceado muy grueso, la respuesta se ahoga en el relleno. Muy fino, y la frase pierde el contexto que la explica.
Un segundo modelo vuelve a puntuar los resultados y descarta lo que solo suena parecido. Lo que sigue adelante son los pocos pasajes que de verdad responden.
Este es el paso que más se ahorra — y el que convierte «más o menos correcto» en fiable.
Pregunta y contexto recuperado se unen en una instrucción, junto con las reglas: de dónde se puede responder y que no se añada nada que no esté ahí.
Sin esas reglas, el modelo rellena los huecos con lo suyo — y ahí es donde nacen las alucinaciones.
El modelo responde y dice de dónde sale cada afirmación. Quien dude, abre el documento y lee el pasaje.
Una respuesta sin fuente no vale nada en una empresa: nadie firma una frase que no puede comprobar.
Tres fuentes sostienen la mayoría de las soluciones que construimos. Ninguna tiene que estar ordenada de antemano, pero sí hay que decidir qué versión es la que vale.
Procesos internos, guías, requisitos de cumplimiento — lo que hoy vive en un PDF que nadie abre.
Manuales, especificaciones, preguntas técnicas. También las versiones que solo están en la carpeta de un departamento.
Lo que se escribió después de un fallo: causas, soluciones, decisiones. El conocimiento que si no se va con quien estuvo.
La ganancia real se llama contexto en tiempo de ejecución: como el pasaje correcto está en el prompt, el modelo no tiene que inventarse nada. Eso es lo que reduce las alucinaciones — y lo que aun así salga mal se nota, porque al lado hay una fuente.
Resuelven cosas distintas. RAG aporta conocimiento; el fine-tuning moldea el comportamiento. Para casi todo lo que una empresa necesita primero, RAG es el camino corto — aunque sin fine-tuning tampoco se llega siempre.
| Criterio | RAG | Fine-tuning |
|---|---|---|
| Actualizar el conocimiento | Cambiar el documento y listo | Hace falta volver a entrenar |
| Citar la fuente | Sí, cada afirmación comprobable | No, el saber queda dentro del modelo |
| Esfuerzo inicial | De bajo a medio | Alto, con conjunto de datos y cómputo |
| Datos sensibles | Se quedan en su repositorio, con permisos | Quedan grabados en el modelo |
| Acertar el tono y el formato | Con instrucciones y ejemplos | Más firme, pero cableado |
| Tiempo de respuesta | Se suma la búsqueda | Directo, sin rodeo |
El equipo recibe la respuesta de la documentación oficial, no de la memoria del compañero de al lado.
Quien llega accede el primer día al conocimiento de la casa, sin interrumpir a nadie.
La misma pregunta recibe la misma respuesta — según sus normas, no según el día.
Acceso a los manuales y a los post-mortems anteriores justo cuando hay prisa.
Importa menos el número que la frecuencia con la que se busca. Treinta documentos que alguien consulta a diario rinden más que tres mil que nadie abre.
Los documentos se quedan donde están; se indexa lo que usted autorice. La operación puede estar en su casa o con nosotros, con servidores en Alemania. Antes de ver un solo dato hay contrato de encargo de tratamiento según el art. 28 del RGPD.
Tienen que respetarse. Quien hoy no puede leer un documento tampoco puede recibirlo como respuesta. Por eso los permisos van en la recuperación y no solo en la interfaz — es el fallo más común en las soluciones montadas con prisa.
Menos, no nunca. Con contexto y obligación de citar, el riesgo baja mucho, y como cada afirmación lleva su fuente, un error se nota en vez de pasar desapercibido. Eso lo medimos con evaluaciones, no lo afirmamos.
Máximo dos semanas por tramo, con los datos ordenados. Lo que cuesta tiempo rara vez es la técnica, sino decidir qué documentos valen y cuáles están caducados.
Seguir leyendo
Cuéntenos en qué documentos está el conocimiento y quién lo busca hoy. Quince minutos bastan para una primera valoración — también para saber si merece la pena construirlo.
Solicitar asesoramiento