Conocimiento
Conocimiento / RAG
Respuestas contextualizadas con información relevante.
Retrieval-Augmented Generation recupera evidencia autorizada antes de generar una respuesta.
Definición directa
Qué es y qué problema resuelve.
RAG combina recuperación y generación: antes de responder, busca pasajes relevantes en fuentes autorizadas y los incorpora al contexto del modelo.
Reduce el trabajo de buscar entre fuentes dispersas y permite responder con respaldo, sin convertir documentos aislados en una promesa de verdad absoluta.
Arquitectura y límites
Diseño técnico con decisiones explícitas.
Flujo operativo
La calidad depende del recorrido completo, no solo del modelo.
- Fuentes → indexación → recuperación → reranking → contexto → generación.
- Embeddings y búsqueda híbrida para señales semánticas y exactas.
- Citas y pasajes recuperables para revisar cada respuesta.
Controles que importan
El conocimiento debe respetar los límites de la organización.
- Permisos aplicados antes de recuperar información.
- Freshness definida por fuente, propietario y ciclo de actualización.
- Evaluación con casos reales, cobertura y calidad de evidencia.
Cuándo no basta
RAG no sustituye datos correctos, procesos ni criterio experto.
- No reemplaza fine-tuning cuando se requiere cambiar un comportamiento estable del modelo.
- No resuelve relaciones complejas entre muchas entidades por sí solo.
- No elimina la necesidad de validar fuentes y respuestas críticas.
Relaciones
El sistema funciona como parte de una plataforma.
Convirtamos conocimiento en una capacidad operable.
Definimos el caso, las fuentes, los límites y la evidencia necesaria antes de construir.