Glosario
RAG (generación aumentada por recuperación)
RAG significa que la IA primero busca en fuentes fiables (tus documentos, una base de datos, la web) y luego redacta la respuesta a partir de lo que encontró. Reduce las alucinaciones y mantiene las respuestas actualizadas.
Un LLM por sí solo responde de memoria: todo lo que absorbió durante el entrenamiento, congelado en una fecha pasada. El RAG añade el paso de “libro abierto”: antes de responder, el sistema recupera las páginas relevantes de una fuente elegida y se las entrega al modelo junto con tu pregunta.
Piensa en un farmacéutico. Ante una interacción poco habitual, el bueno no recita de memoria: abre la base de datos oficial, lee y entonces responde. La misma competencia, pero respaldada por una fuente actualizada y verificable.
Para ti esto significa dos cosas. Las respuestas pueden citar documentos que el modelo nunca vio durante el entrenamiento (tus contratos, las noticias de hoy, el manual de un producto). Y las alucinaciones bajan notablemente, aunque no desaparecen: el modelo puede malinterpretar lo que ha recuperado, así que los enlaces a las fuentes siguen siendo tus mejores aliados.
Dónde te lo vas a encontrar
Cada vez que un asistente dice “buscando en la web…” antes de responderte, eso es RAG. También: los proyectos de ChatGPT y Claude que responden a partir de archivos subidos, Copilot consultando el SharePoint de tu empresa, NotebookLM trabajando sobre tus fuentes, y los bots de atención al cliente que citan de verdad la política de devoluciones real.