GuíasEntender la IA

RAG o fine‑tuning: cuál elegir para tu IA

Por el equipo de Banzai LabsActualizado el 3 min de lectura

Al responderEl modelo se reentrenaRAG: le das tus documentosFine-tuning: lo modificas
El RAG da tus documentos al modelo en cada pregunta. El fine-tuning modifica el propio modelo.

La diferencia en una línea

Dos formas de aportar tu conocimiento
RAG
  • Se busca en tus documentos
  • Se adjuntan los pasajes a la pregunta
  • El modelo no cambia

Bueno para hechos que se mueven.

Fine-tuning
  • Se reúnen ejemplos
  • Se reentrena el modelo
  • El modelo cambia

Bueno para un estilo, un formato, una tarea repetida.

La tabla de elección

Criterio RAG Fine-tuning
Datos que cambian Se actualizan reindexando Nuevo entrenamiento
Fuente citada Sí No
Tono, formato impuesto Por el prompt Aprendido
Coste inicial Bajo Conjunto de ejemplos que preparar
Coste de uso Más tokens de entrada Prompts más cortos

Cómo decidir

En este orden
  1. 1Un buen promptA menudo basta para el tono y el formato. Mira el prompt de sistema.
  2. 2Un RAGEn cuanto la respuesta depende de tus documentos.
  3. 3Un fine-tuningSi un formato muy preciso o un volumen enorme lo justifica.

Para ir más lejos: RAG, la IA con tus documentos y los embeddings.

Preguntas frecuentes

¿El fine-tuning enseña mis documentos al modelo?
Mal. Sobre todo fija una manera de responder. Para hechos precisos y actualizados, el RAG es más fiable y cita su fuente.
¿Se pueden combinar los dos?
Sí. Un modelo ajustado para el tono y el formato, alimentado por un RAG para los hechos. Rara vez hace falta al principio.
¿Por dónde empezar?
Por un buen prompt y un RAG. El fine-tuning llega después, si una necesidad de estilo o formato sigue mal cubierta.

Para leer después

Todas las guías