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

RAG (retrieval-augmented generation, o 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 primero busca en tus documentos los fragmentos más relevantes y luego entrega esos fragmentos al modelo junto con la pregunta. El modelo escribe su respuesta a partir de ese texto, en lugar de depender solo de lo que aprendió durante el entrenamiento.

Por qué importa RAG cuando construyes 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, los tickets de soporte de la semana pasada. Además, tiene una fecha de corte en su entrenamiento, así que no sabe nada reciente. Si le preguntas igualmente, puede dar una respuesta con mucha seguridad, muy plausible y equivocada.

Hay tres grandes opciones para solucionarlo:

Enfoque	Qué hace	Ideal para
Pegarlo todo en el prompt	Enviar todos tus documentos con cada pregunta	Pequeñas cantidades de texto: unas pocas páginas
RAG	Buscar en tus documentos y enviar solo las partes relevantes	Colecciones grandes o cambiantes: centros de ayuda, manuales, notas
Fine-tuning	Entrenar más el modelo con ejemplos	Tono, formato y tareas repetitivas, no datos que cambian

Los modelos actuales aceptan prompts largos, así que para unas preguntas frecuentes breves 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 APIs de LLM).

Si estás creando una función de «chatea con nuestra documentación», un asistente de soporte o una herramienta interna de conocimiento, 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 inventar. 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 por adelantado):

Recoger el material de origen: artículos de ayuda, PDFs, políticas, datos de productos.
Fragmentar (chunking): dividir los documentos largos en piezas más pequeñas, a menudo de unos pocos párrafos, para que la búsqueda pueda devolver 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: 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 ninguna palabra.

Un ejemplo práctico: el asistente de ayuda de un gimnasio

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

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

Congelación de la membresía: los socios con planes mensuales 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 que se envía al modelo tiene un aspecto parecido a este:

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

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

Pregunta: ¿Puedo pausar mi membresía mientras viajo?

Y el modelo responde: «Sí: con un plan 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 membresía).»

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 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; por ejemplo, Postgres, mediante la extensión pgvector.
Top-k	Cuántos fragmentos se recuperan por pregunta.
Búsqueda híbrida	Combinar la búsqueda por significado con la búsqueda clásica 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	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 hay alucinaciones». Significa que hay menos. Si la recuperación no encuentra el fragmento correcto, o la respuesta no está en tus documentos, el modelo puede seguir adivinando. Indícale que diga «no lo sé» y pruébalo con preguntas cuya respuesta conozcas.
«Necesito una base de datos vectorial especial». A menudo no es así. Para cantidades moderadas de datos, una extensión vectorial en la base de datos que ya tienes, o incluso una búsqueda simple por palabras clave, puede bastar.
«Los fragmentos grandes son mejores». 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 ajustarlos.
«Sube todo y listo». 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 según quién pregunta; si no, el asistente puede citar los datos de un cliente a otro.

Cuánto cuesta

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

Qué pedir a tu constructor de IA

«Antes de construir RAG, comprueba: ¿nuestro contenido es lo bastante pequeño como para incluirlo directamente 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 y por palabras clave) para que los códigos de producto sigan encontrándose.»
«Indica al modelo que responda solo a partir de 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, en un secreto, nunca en el navegador.»
«Registra cada pregunta, los fragmentos recuperados y la respuesta para que pueda revisar las malas respuestas.»

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: tú 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 los datos. El uso del proveedor se factura a tu cuenta de proveedor, no en créditos de Mythex. La documentación recomienda empezar con una sola función de IA sencilla y añadir RAG cuando esa funcione; consulta crear una app de 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, o 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 su 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 una 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 fine-tuning?

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

¿RAG elimina las alucinaciones de la IA?

Las reduce, pero no las elimina. Si la búsqueda encuentra pasajes equivocados, o 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.