RAG (Retrieval-Augmented Generation, generación aumentada por recuperación) es una técnica en la que, antes de responder, el sistema busca los fragmentos relevantes en tus documentos o bases de datos y se los entrega al modelo de lenguaje para que responda basándose en esa información. Así la IA puede contestar sobre tus productos, políticas o procesos con mucha menos probabilidad de inventar.
Cómo funciona paso a paso
- Preparación: tus documentos (manuales, políticas, catálogos, preguntas frecuentes) se dividen en fragmentos y se indexan para poder buscarlos por significado.
- Búsqueda: cuando llega una pregunta, el sistema encuentra los fragmentos más relevantes.
- Respuesta: el modelo recibe la pregunta junto con esos fragmentos y responde usándolos como fuente.
- Cita: opcionalmente, la respuesta indica de qué documento salió.
Por qué importa
Sin RAG, un LLM solo sabe lo que aprendió en su entrenamiento: no conoce tus precios, tus plazos de entrega ni tu política de devoluciones. Con RAG, la información se actualiza cuando actualizás tus documentos, sin reentrenar ningún modelo.
Ejemplos de uso
- Asistente de atención al cliente que responde con tus políticas vigentes.
- Buscador interno que responde preguntas sobre procedimientos de la empresa.
- Asistente para vendedores que consulta fichas técnicas y condiciones comerciales.
Límites
RAG reduce mucho los errores, pero no los elimina: si los documentos están desactualizados o son contradictorios, la respuesta también lo será. La calidad de un sistema RAG depende tanto de la tecnología como de ordenar bien la información de origen.
Relacionado
Preguntas frecuentes
¿RAG es lo mismo que entrenar un modelo con mis datos?
¿Qué tipo de documentos se pueden usar?
¿Se puede limitar qué información ve cada usuario?
¿Tenés dudas sobre cómo aplicar esto a tu empresa?
Agendá una reunión gratuita de 30 minutos y lo vemos juntos.