Glosario
RAG (generación aumentada por recuperación)
También: Retrieval-Augmented Generation
RAG es la técnica que consiste en buscar primero la información relevante en una fuente confiable y entregársela al modelo de lenguaje para que redacte la respuesta a partir de ella. El modelo no responde de memoria: responde sobre documentos concretos que se le acaban de dar.
El problema que resuelve es doble. Un modelo de lenguaje no conoce los documentos internos de una empresa, y cuando se le pregunta por algo que no sabe tiende a inventar una respuesta verosímil. Reentrenar el modelo con información propia es caro, lento y queda desactualizado apenas cambia un documento.
RAG evita las dos cosas. Ante una pregunta, el sistema primero busca en el repositorio de la empresa —contratos, políticas, manuales, tickets— los fragmentos relevantes, y recién entonces le pide al modelo que redacte la respuesta usando solo ese material. El modelo aporta lenguaje y razonamiento; la fuente aporta los hechos.
El beneficio operativo es la trazabilidad: como la respuesta se construye sobre fragmentos identificables, se puede mostrar de dónde salió cada afirmación. Eso convierte una respuesta imposible de auditar en una verificable, que es la condición para usarla en decisiones que importan.
RAG aplica a información en texto. Cuando la pregunta es sobre datos estructurados —ventas, inventario, cartera— la técnica adecuada no es RAG sino generar una consulta contra la base de datos.