¿Qué es RAG? La generación aumentada por recuperación explicada de forma sencilla

RAG (generación aumentada por recuperación) es una forma de que un modelo de IA responda preguntas usando tu propia información. Cuando alguien hace una pregunta, tu app busca primero en tus documentos los pasajes más relevantes y después entrega esos pasajes al modelo junto con la pregunta. El modelo escribe la respuesta a partir de ese texto, en lugar de basarse solo en lo que aprendió por casualidad durante el entrenamiento.

Por qué importa RAG cuando creas con IA

Un modelo de lenguaje grande sabe mucho del mundo en general, pero nada de tu negocio: tus precios, tus políticas, el manual de tu producto, las incidencias de soporte de la semana pasada. Además, tiene una fecha de corte en el entrenamiento, así que no conoce nada reciente. Si le preguntas igualmente, puede darte una respuesta segura, verosímil y equivocada.

Hay tres enfoques generales para solucionarlo:

Enfoque	Qué hace	Para qué sirve
Pegar todo en el prompt	Enviar todos tus documentos con cada pregunta	Cantidades pequeñas de texto: unas pocas páginas
RAG	Buscar en tus documentos y enviar solo las partes relevantes	Colecciones grandes o que cambian: centros de ayuda, manuales, notas
Ajuste fino (fine-tuning)	Entrenar más el modelo con ejemplos	Tono, formato y tareas repetidas, no datos que cambian

Los modelos actuales aceptan prompts largos, así que para un FAQ corto la primera opción suele bastar. RAG se justifica cuando tienes más texto del que quieres enviar cada vez, porque cada palabra que envías cuesta dinero y tiempo (consulta cómo se cobran las API de LLM).

Si estás construyendo una función de «chatea con nuestra documentación», un asistente de soporte o una herramienta de conocimiento interna, casi seguro que estás construyendo alguna forma de RAG.

Una analogía cotidiana

Imagina un examen con libro abierto. Un estudiante que tiene que responder de memoria puede equivocarse o inventarse algo. Un estudiante al que se le permite ir primero a las páginas correctas, leerlas y luego responder es mucho más fiable, siempre que encuentre las páginas adecuadas.

El estudiante es el modelo de lenguaje.
El libro de texto son tus documentos.
Ir a las páginas correctas es la recuperación.
Escribir la respuesta a partir de esas páginas es la generación.

RAG es la versión de libro abierto. Y, como en el examen, la calidad de la respuesta depende mucho de si se encontraron las páginas correctas.

Cómo funciona RAG, paso a paso

Una configuración típica de RAG tiene dos fases.

Preparar tus documentos (se hace de antemano):

Reunir el material de origen: artículos de ayuda, PDF, políticas, datos de productos.
Fragmentar (chunking): dividir los documentos largos en piezas más pequeñas, a menudo de unos pocos párrafos, para que la búsqueda devuelva solo la parte relevante.
Generar embeddings de cada fragmento: enviarlo a un modelo de embeddings, que convierte el texto en un embedding, una larga lista de números que captura su significado. Los textos sobre cosas parecidas acaban con números parecidos.
Almacenar los fragmentos y sus embeddings en una base de datos que pueda buscar por similitud (a menudo llamada base de datos vectorial o índice vectorial).

Responder una pregunta (se hace cada vez):

Generar el embedding de la pregunta con el mismo modelo de embeddings.
Recuperar los fragmentos cuyos embeddings están más cerca del de la pregunta, por ejemplo los cinco primeros.
Construir el prompt: las instrucciones, los fragmentos recuperados y la pregunta.
Generar: el modelo de lenguaje escribe una respuesta basada en esos fragmentos, idealmente citando cuáles usó.

Buscar por significado es lo que hace que esto funcione: una pregunta sobre «recuperar mi dinero» puede encontrar un fragmento titulado «Política de reembolsos» aunque no compartan ni una palabra.

Un ejemplo práctico: el asistente de un gimnasio

Digamos que un gimnasio tiene 40 artículos de ayuda y quiere un asistente de chat en su web. Un socio pregunta: «¿Puedo congelar mi cuota mientras viajo?»

La app genera el embedding de la pregunta y recupera los tres fragmentos más cercanos. Uno de ellos dice:

Congelación de la cuota: los socios con cuota mensual pueden congelar
su membresía hasta 2 meses al año. Solicítalo en recepción o en la
app con al menos 7 días de antelación al inicio de la congelación.

El prompt enviado al modelo tendría un aspecto parecido a este:

Eres el asistente de ayuda de Northside Gym.
Responde solo con las fuentes siguientes. Si la respuesta no está en
ellas, di que no lo sabes y sugiere contactar con recepción.
Indica qué fuente usaste.

[Fuente 1: Congelación de la cuota] Los socios con cuota mensual pueden congelar...
[Fuente 2: Cancelar tu membresía] ...
[Fuente 3: Pases de invitado] ...

Pregunta: ¿Puedo congelar mi cuota mientras viajo?

Y el modelo responde: «Sí: con la cuota mensual puedes congelar tu membresía hasta dos meses al año. Solicítalo en recepción o en la app con al menos 7 días de antelación (fuente: Congelación de la cuota).»

El gimnasio no ha reentrenado nada. Cuando cambie la política de congelación, actualiza el artículo, la app vuelve a generar el embedding de ese fragmento y la siguiente respuesta ya refleja el cambio.

Términos clave

Término	Significado
LLM	Modelo de lenguaje grande: la IA que escribe la respuesta. Consulta qué es un LLM.
Embedding	Lista de números que representa el significado de un texto.
Modelo de embeddings	Modelo que produce embeddings. Suele ser distinto del modelo de chat y mucho más barato.
Fragmento (chunk)	Parte de un documento, con un tamaño que permite recuperarla por sí sola.
Base de datos vectorial / búsqueda vectorial	Almacenamiento que encuentra elementos con embeddings parecidos. Algunas bases de datos normales también lo ofrecen; Postgres, por ejemplo, mediante la extensión pgvector.
Top-k	Cuántos fragmentos se recuperan por pregunta.
Búsqueda híbrida	Combinar la búsqueda por significado con la búsqueda por palabras clave, lo que ayuda con términos exactos como códigos de producto.
Ventana de contexto	La cantidad máxima de texto que un modelo puede recibir en una sola petición.
Anclaje / citas (grounding)	Vincular la respuesta a fuentes recuperadas concretas y mostrarlas.

Malentendidos habituales

«RAG entrena el modelo con mis datos». No es así. El modelo no cambia; simplemente lee texto adicional en el momento de la pregunta.
«RAG significa que no habrá alucinaciones». Significa que habrá menos. Si la recuperación no encuentra el fragmento correcto, o si la respuesta no está en tus documentos, el modelo puede seguir adivinando. Indícale que diga «no lo sé» y prueba con preguntas cuya respuesta conozcas.
«Necesito una base de datos vectorial especial». Muchas veces no. Para cantidades de datos moderadas, una extensión vectorial de la base de datos que ya tienes, o incluso una búsqueda simple por palabras clave, puede bastar.
«Cuanto más grandes los fragmentos, mejor». Si son demasiado grandes, envías mucho texto irrelevante (más coste y más confusión); si son demasiado pequeños, un fragmento pierde el contexto que le daba sentido. Espera tener que ajustarlo.
«Basta con subir todo». Los documentos desactualizados, duplicados o contradictorios producen respuestas contradictorias. Limpiar el material de origen suele ser la mejora más grande que puedes hacer.
«Cualquiera puede ver cualquier documento». Solo si lo construyes así. Si algunos documentos son privados para ciertos usuarios, la búsqueda debe filtrar por quién pregunta; de lo contrario, el asistente puede citar datos de un cliente a otro.

Cuánto cuesta

Una función de RAG suele tener tres costes continuos: generar embeddings de tus documentos (pequeño y casi siempre puntual), generar embeddings de cada pregunta (mínimo) y la llamada al modelo de lenguaje (el coste principal, que crece con el número de fragmentos que envías). A esto se suma el almacenamiento en tu base de datos. Tu proveedor de IA lo factura en tu propia cuenta, así que configura un límite de gasto allí.

Qué pedir a tu creador de apps con IA

«Antes de montar RAG, comprueba: ¿nuestro contenido es lo bastante pequeño para incluirlo entero en el prompt?»
«Divide los artículos de ayuda en fragmentos de unos pocos párrafos, conserva el título y el enlace de origen de cada fragmento y guarda los embeddings en nuestra base de datos.»
«Usa búsqueda híbrida, por significado más palabras clave, para que los códigos de producto también coincidan.»
«Indica al modelo que responda solo con las fuentes recuperadas, que diga cuándo no sabe algo y que muestre las fuentes debajo de cada respuesta.»
«Busca solo en los documentos que el usuario conectado tiene permiso para ver.»
«Vuelve a generar el embedding de un documento automáticamente cada vez que se edite.»
«Guarda la clave del proveedor de IA en el servidor, como secreto, nunca en el navegador.»
«Registra cada pregunta, los fragmentos recuperados y la respuesta para que pueda revisar las respuestas malas.»

RAG en Mythex

Mythex no incluye un producto de base de conocimiento ni de RAG ya hecho. Lo que hace es escribir el código de uno dentro de tu app: aportas tus documentos y tu propia clave del proveedor de IA, guardada como secreto del proyecto, y el agente construye las partes de recuperación y de chat, usando la base de datos Postgres del proyecto para almacenar. El uso del proveedor se factura en su cuenta, no en los créditos de Mythex. La documentación recomienda empezar con una única función de IA sencilla y añadir RAG cuando eso funcione: consulta crear una app con IA, y nuestras guías sobre cómo crear una app de chatbot con IA y cómo añadir funciones de IA a tu app.

Preguntas

¿Qué es RAG en pocas palabras?

RAG (retrieval-augmented generation, generación aumentada por recuperación) es una forma de que un modelo de IA responda con tu propia información. Antes de que el modelo conteste, tu app busca en tus documentos los pasajes más relevantes para la pregunta y los incluye en el prompt, de modo que la respuesta se basa en ese texto y no solo en lo que el modelo aprendió durante el entrenamiento.

¿RAG entrena la IA con mis datos?

No. RAG no cambia el modelo en absoluto. Busca el texto relevante en el momento en que se hace la pregunta y lo pasa al modelo junto con la pregunta. Si actualizas un documento, la siguiente respuesta puede usar la versión nueva de inmediato.

¿RAG es lo mismo que el ajuste fino (fine-tuning)?

No. El ajuste fino cambia el comportamiento de un modelo entrenándolo con más ejemplos, lo que es más lento y va mejor para el estilo o el formato. RAG da al modelo datos para leer en el momento de la pregunta, lo que es mejor para conocimientos que cambian o que deben citarse con exactitud.

¿RAG evita las alucinaciones de la IA?

Las reduce, pero no las elimina. Si la búsqueda encuentra los pasajes equivocados, o si la respuesta no está en tus documentos, el modelo puede seguir adivinando. Las buenas apps con RAG indican al modelo que diga cuándo no sabe algo y muestran las fuentes que usaron.