Retrieval-augmented generation, o RAG, busca en una colección autorizada y entrega los fragmentos relevantes a un modelo antes de responder. No reentrena el modelo ni garantiza la verdad. Crea una ruta controlada entre pregunta y evidencia, mejorando actualidad, trazabilidad y relevancia.
Cómo funciona un sistema RAG
La ingesta lee documentos, conserva metadatos y permisos, divide texto y crea representaciones buscables. Ante una consulta, el buscador recupera candidatos, un reranker opcional selecciona evidencia y el modelo responde con instrucciones explícitas. Debe citar fuentes y abstenerse cuando no haya información suficiente.
Cuándo genera valor empresarial
Encaja en asistentes de políticas internas, soporte técnico, documentación de producto, ayuda comercial y búsqueda de contratos o procedimientos. Tiene sentido cuando el conocimiento cambia, está repartido y exige control por fuente. Empieza por un flujo caro e intensivo en búsqueda con una métrica como tiempo de resolución o precisión.
Cuándo no usarlo
No añadas RAG a cálculos deterministas, informes de bases estructuradas ni procesos donde un buscador normal resuelve mejor. Tampoco empieces si los documentos están obsoletos, nadie los mantiene o no puedes representar permisos. Para decisiones importantes, conserva revisión humana y sistemas autoritativos.
Seguridad, cumplimiento y coste
Aplica autorización antes de recuperar contenido, no solo en la interfaz. Registra IDs y versiones sin guardar prompts sensibles innecesarios. Define retención, borrado y límites de proveedores; protege ingesta y documentos frente a prompt injection. El coste incluye procesado, búsqueda, modelo, evaluación y mantenimiento, no solo tokens.
Errores comunes
- indexar todo sin propietario ni filtro de calidad
- ignorar permisos y separación entre clientes
- dividir cualquier contenido con un tamaño arbitrario
- probar solo preguntas perfectas de demostración
- aceptar respuestas fluidas sin respaldo documental
- usar un modelo mayor para ocultar mala recuperación
- no actualizar, borrar ni versionar contenido
- lanzar sin evaluación, feedback ni alternativa segura
Checklist práctico de RAG
- elige un flujo y mide su coste actual
- inventaría fuentes, propietarios, sensibilidad y frecuencia
- conserva metadatos, permisos y versiones
- crea preguntas reales con evidencia esperada
- mide recuperación y respuesta por separado
- exige citas y respuesta de evidencia insuficiente
- prueba fugas, prompt injection y acceso entre clientes
- monitoriza latencia, coste, fallos y feedback
- define plazos de actualización y borrado
- mantén revisión humana para decisiones relevantes
Cuándo contratar a una persona técnica
Contrata ingeniería de IA o liderazgo técnico cuando los datos cruzan sistemas, importan los permisos, falta un método de evaluación o el prototipo debe convertirse en producto mantenible. El trabajo real es integración, recuperación, seguridad y operación. Lee cómo crear un asistente con documentos internos y cuándo usar agentes.
Conclusión
RAG funciona cuando recupera evidencia correcta y permitida, cita sus fuentes y falla con seguridad. Revisa mis servicios de IA aplicada o contacta conmigo para definir un piloto medible.