RAG

RAG significa retrieval-augmented generation, o generación aumentada por recuperación. Es una técnica que busca información en fuentes externas y la incorpora al contexto de un modelo para preparar una respuesta. Permite trabajar con documentación específica sin confundirla con el conocimiento aprendido durante el entrenamiento.

¿Cómo funciona RAG?

El sistema organiza los documentos, recupera fragmentos pertinentes y los entrega al modelo junto con la pregunta. La calidad depende de encontrar evidencia adecuada y de generar una respuesta fiel a ella.

¿Cómo se aplica en marketing?

Un asistente de soporte puede recuperar la política de devoluciones vigente de una tienda. La respuesta debe reflejar sus condiciones y mostrar la fuente, sin convertir una excepción en una regla general.

Preguntas frecuentes sobre RAG

¿RAG es lo mismo que buscar en Google?

No. Puede recuperar información de un repositorio empresarial o de otras fuentes configuradas. La búsqueda web es una opción.

¿Necesitas actualizar los documentos?

Sí. Define responsables, versiones y fechas de vigencia para evitar que el sistema recupere políticas obsoletas.

¿RAG garantiza respuestas correctas?

No. Evalúa recuperación, fidelidad a la fuente y capacidad de reconocer que no encontró información suficiente.

¿Puede respetar permisos internos?

El sistema debe aplicar controles de acceso al recuperar información. La arquitectura no los garantiza por sí sola.

¿Cómo se mide su calidad?

Usa preguntas con respuestas verificadas. Comprueba fuentes recuperadas, exactitud y casos en los que el asistente debe abstenerse.

RAG: límites que debes conocer

RAG no elimina automáticamente los errores. Una búsqueda incompleta, una fuente antigua o un fragmento fuera de contexto pueden producir respuestas incorrectas. Comprueba permisos de acceso y comportamiento ante información ausente.

Para ampliar el contexto, compara este concepto con Embeddings, Grounding y LLM.

Fuente de referencia: cloud.google.com. Glosario de AMD Agencia Digital.