GuíasRAG
RAG: hacer que una IA responda a partir de tus documentos
El problema que resuelve el RAG
Un modelo de lenguaje no conoce tus contratos, tu documentación ni tus tarifas. Si se le pregunta de todos modos, responde con lo que le parece verosímil. Es falso, y lo dice con aplomo.
El RAG cambia el orden de las operaciones: primero buscar, después redactar.
Cómo funciona
- 1DividirTus documentos en pasajes.
- 2IndexarEsos pasajes en un buscador, a menudo semántico.
- 3Ante cada preguntaRecuperar los pasajes más cercanos.
- 4Dárselos al modeloCon una consigna: responder solo a partir de ellos y citar.
- 5La respuestaLlega con sus fuentes.
El modelo ya no hace de memoria. Hace de redactor, sobre documentos que se le acaban de poner delante.
Lo que da la calidad: los documentos
Nueve de cada diez problemas vienen del contenido, no del modelo.
- Documentos al díaDos versiones contradictorias dan dos respuestas contradictorias.
- Una división que respete el sentidoUn pasaje cortado en mitad de una regla no significa nada.
- MetadatosFecha, autor, producto, idioma. Permiten filtrar.
- Tablas y PDF tratados con cuidadoUna tabla mal extraída se convierte en ruido.
Lo que da la calidad: la búsqueda
- Búsqueda semántica y por palabras clave juntasLa primera entiende el sentido, la segunda encuentra una referencia exacta.
- ReordenaciónDe los resultados antes de dárselos al modelo.
- Un umbralPor debajo de cierta pertinencia, no se responde.
Decir «no lo sé»
Es la regla más importante. Cuando ningún pasaje responde, el sistema lo dice y propone otro camino. Una respuesta ausente hace menos daño que una respuesta inventada.
En Votons, el asistente responde a las preguntas sobre los programas apoyándose en el texto exacto. En un tema tan sensible, la fuente mostrada forma parte de la respuesta.
Los derechos de acceso
Un RAG de empresa debe respetar quién tiene derecho a leer qué. La búsqueda filtra según el usuario: un comercial no debe obtener un extracto de un documento de recursos humanos. Este filtrado se diseña en el momento de la indexación.
Medir la calidad
- Un conjunto de preguntas reales con la respuesta esperada y el documento de origen.
- Dos medidas: si se ha encontrado el pasaje correcto y si la respuesta es fiel al pasaje.
- El conjunto se repite en cada cambio de modelo, de división o de consigna.
Cuándo no basta el RAG
- Preguntas que exigen un cálculo sobre datos: hace falta una herramienta, no pasajes.
- Preguntas que exigen leer todo un corpus: un resumen preparado lo hace mejor.
- Acciones: para actuar hace falta un agente con herramientas. Consulta Agentes de IA y Servidor MCP.
El uso más habitual del RAG se describe en Chatbot de IA para tu web.
Preguntas frecuentes
- ¿Qué significa RAG?
- Retrieval-Augmented Generation, es decir, generación aumentada por recuperación. El sistema busca primero los pasajes pertinentes en una base documental y después pide al modelo que responda a partir de ellos.
- ¿Hay que entrenar un modelo con tus documentos?
- No. Con el RAG, el modelo no se modifica. Tus documentos se le proporcionan en el momento de la pregunta. Basta con actualizarlos para que las respuestas cambien.
- ¿El RAG elimina los errores de la IA?
- Los reduce mucho cuando la búsqueda encuentra el pasaje correcto. Quedan por gestionar los casos en que nada encaja: el sistema debe decir entonces que no lo sabe en lugar de rellenar el hueco.
