¿Qué es RAG en inteligencia artificial?
Respuesta corta
RAG (Retrieval-Augmented Generation) es la técnica que permite a una IA como ChatGPT o Claude responder usando los documentos de tu empresa. Antes de contestar, el sistema busca los fragmentos relevantes en tu documentación y se los pasa al modelo junto con la pregunta. Así responde con tus datos, cita la fuente y no depende de lo que el modelo memorizó al entrenarse.
Cuando una empresa dice "queremos una IA que responda con nuestra documentación", lo que necesita casi siempre es RAG. Son las siglas de Retrieval-Augmented Generation, generación aumentada por recuperación, y es la técnica estándar para que un modelo de lenguaje responda con información que no estaba en su entrenamiento: vuestros manuales, contratos, catálogos, procedimientos.
El problema que resuelve
Un modelo como GPT o Claude sabe mucho de todo y nada de tu empresa. Si le preguntas cuál es vuestra política de devoluciones, se la inventará con buena pinta. Hay dos formas de arreglarlo:
- Reentrenar el modelo con vuestros datos. Caro, lento y se queda viejo en cuanto cambia un documento.
- Darle los documentos en el momento de preguntar. Eso es RAG. Barato, se actualiza al instante y permite citar la fuente.
Cómo funciona, en cuatro pasos
- Preparación. Vuestros documentos se trocean en fragmentos y cada fragmento se convierte en una representación numérica (un embedding) que captura su significado. Se guardan en una base de datos preparada para buscar por significado, no por palabras exactas.
- Pregunta. El usuario pregunta "¿cuántos días tiene un cliente para devolver un producto?".
- Recuperación. El sistema busca los fragmentos cuyo significado se parece más a la pregunta y selecciona los mejores (por ejemplo, el apartado de devoluciones de las condiciones de venta).
- Generación. Se envía al modelo la pregunta junto con esos fragmentos, con la instrucción de responder solo con esa información y citar de dónde sale. El modelo redacta la respuesta.
El usuario ve una respuesta en lenguaje natural con el enlace al documento original.
Ejemplos en pymes
- Asistente interno de procedimientos. "¿Cómo se tramita una baja?" respondido con el manual de RRHH, para que nadie tenga que preguntar al de siempre.
- Soporte técnico con los manuales de producto y el histórico de incidencias.
- Comercial. Respuestas sobre catálogo, condiciones y plazos con los documentos vigentes, no con la versión que recuerda cada vendedor.
- Legal y licitaciones. Buscar cláusulas y requisitos en cientos de páginas en segundos.
Un GPT personalizado con documentos subidos es una versión simplificada de RAG. Un agente de IA suele llevar RAG dentro como una de sus herramientas.
Lo que hace que un RAG funcione bien o mal
La calidad no está en el modelo sino en la preparación:
- Documentos limpios y actualizados. Si hay tres versiones de la misma política, el sistema puede recuperar la antigua.
- Troceado inteligente. Fragmentos que respeten secciones y tablas; cortar por número de caracteres rompe el sentido.
- Búsqueda híbrida. Combinar búsqueda por significado con búsqueda por palabras exactas (referencias, códigos de producto).
- Reordenación. Un segundo paso que elige los mejores fragmentos entre los recuperados mejora mucho la precisión.
- Evaluación. Un conjunto de preguntas con respuesta conocida para medir si el sistema acierta, antes y después de cada cambio.
- Permisos. Que cada persona solo pueda obtener respuestas de los documentos que tiene derecho a ver.
Límites
- RAG responde sobre lo que está escrito. Si la respuesta no está en ningún documento, un buen sistema dice "no lo sé"; uno malo se lo inventa.
- No sustituye a una base de datos: para "cuántos pedidos tuvimos en marzo" hace falta consultar el sistema, no un documento.
- Los datos salen hacia el proveedor del modelo en cada consulta: hay que usar cuentas de empresa o modelos desplegados en vuestra infraestructura.
Preguntas frecuentes
¿Necesito mucha documentación para que valga la pena?
No. Basta con que la que tengáis esté viva y se consulte. Un RAG sobre 30 documentos bien mantenidos funciona mejor que uno sobre 3.000 desordenados.
¿Se puede hacer con Google Drive o SharePoint?
Sí. Los sistemas RAG se conectan a las carpetas y se sincronizan cuando cambian los documentos, respetando permisos.
¿Cuánto tarda en montarse?
Un piloto con un conjunto de documentos y un grupo de usuarios suele estar en pocas semanas. Lo que lleva tiempo es afinar la recuperación con preguntas reales.
Escrito por el equipo de Búho AI, que implanta IA, agentes y automatizaciones en pymes y forma a sus equipos. Si algo ha cambiado o quieres que ampliemos un punto, escríbenos.