Definición
RAG (Retrieval-Augmented Generation, o generación aumentada por recuperación) es una técnica que combina un modelo de lenguaje con la búsqueda de información en fuentes propias, como una base de conocimiento, documentos o el CRM. Antes de responder, el sistema recupera los fragmentos más relevantes y se los entrega al modelo como contexto, para que la respuesta se base en datos de la empresa y no solo en su entrenamiento general. Reduce las alucinaciones y permite responder con información actualizada. Su calidad depende de que las fuentes estén ordenadas, actualizadas y bien segmentadas.
¿Qué significa RAG (Retrieval-Augmented Generation) y cómo funciona?
Imagina un examen a libro abierto: en lugar de responder de memoria, el estudiante busca la página correcta y luego responde. RAG hace eso con la inteligencia artificial.
Así funciona
- Alguien hace una pregunta al asistente o agente.
- El sistema busca en tus documentos los fragmentos más relevantes.
- Entrega esos fragmentos al modelo junto con la pregunta.
- El modelo responde usando esa información y, si se configura, cita la fuente.
Así las respuestas son más precisas y propias de tu empresa. La clave está en que tus documentos estén ordenados y al día: si la fuente está mal, la respuesta también. Por eso mantener la base de conocimiento al día es tan importante como elegir el modelo.
Términos relacionados
Preguntas frecuentes
Otras preguntas de los usuarios
¿Qué es RAG (Retrieval-Augmented Generation)?
Técnica que hace que un modelo busque en tus documentos antes de responder, para ser más preciso.
¿Para qué sirve RAG en una empresa?
Sirve para que asistentes y agentes de IA respondan con información propia de la empresa, como políticas, catálogos, procesos o historial de clientes. Se usa en atención al cliente, soporte interno, ventas y búsqueda de documentos. Reduce las respuestas inventadas y permite citar la fuente de cada respuesta.
¿Qué diferencia hay entre RAG y entrenar un modelo?
Entrenar o ajustar un modelo modifica su comportamiento con nuevos datos, lo que es costoso y requiere repetirse cuando la información cambia. RAG no modifica el modelo: busca información actualizada en el momento de responder. Para la mayoría de los casos de negocio, RAG es más práctico y fácil de mantener.
¿Qué necesito para implementar RAG?
Necesitas fuentes de información ordenadas y actualizadas, una forma de dividirlas en fragmentos y buscarlas por significado, un modelo de lenguaje y reglas de acceso. Muchas plataformas, incluidos los agentes de HubSpot, ya aplican este enfoque usando tu base de conocimiento y el contenido que les indicas.
