Qué es RAG: respuestas con tus propios documentos
RAG (generación aumentada por recuperación) busca primero en tus documentos los fragmentos relevantes y se los da al modelo para que responda con esa información, en lugar de depender solo de lo que aprendió en su entrenamiento.
Cómo funciona
Tus documentos (catálogo, políticas, preguntas frecuentes) se dividen en fragmentos y se indexan. Cuando llega una pregunta, el sistema recupera los fragmentos más parecidos y los agrega al mensaje que recibe el modelo. El modelo redacta la respuesta con esa base.
El término viene del artículo de Lewis y otros, de 2020, que combinó un buscador con un modelo generativo.
Por qué importa
Reduce las respuestas inventadas sobre tu negocio, permite actualizar la información sin reentrenar nada y deja citar la fuente de cada respuesta.
Errores comunes
Documentos desactualizados o contradictorios, fragmentos demasiado largos o cortos y no probar con preguntas reales de clientes. La calidad de la respuesta depende de la calidad de lo que se recupera.
Qué significa para tu pyme
Antes de pensar en entrenar un modelo, ordena tus preguntas frecuentes y políticas en un documento claro. Muchas herramientas de atención al cliente ya traen RAG incorporado.
Fuentes
Casos para aplicarlo
Otros temas
LLM · Agentes · MCP · Fine-tuning · Evals · Tokens · Prompting
Explicación redactada con ayuda de un agente de IA según nuestro estándar editorial, a partir de las fuentes citadas. Si ves un error, escríbenos a hola@casosdeusoia.ai.