Qué es RAG: cómo dar sus documentos a una IA para que responda con precisión

El RAG (generación aumentada por recuperación) consiste en que la IA busque primero los pasajes útiles en sus documentos y, después, responda apoyándose solo en ellos. Es el método más habitual para tener un asistente que conozca sus procedimientos, sus contratos o su catálogo sin volver a entrenar el modelo.

El problema que resuelve el RAG

Un gran modelo de lenguaje sabe muchas cosas, pero tiene dos puntos ciegos. Primero, sus conocimientos se detienen en una fecha de corte: ignora lo ocurrido después de su entrenamiento. Segundo, nunca ha visto sus documentos privados, ya sea el reglamento interno de su empresa, sus fichas de producto o sus apuntes.

Si le pregunta por esos temas, puede responder de todos modos, con seguridad y de forma errónea: es una alucinación. El RAG cubre esas dos carencias de manera sencilla: en lugar de confiar en la memoria del modelo, se le llevan las páginas adecuadas en el momento adecuado.

El término lo popularizó un artículo de investigación de Patrick Lewis y sus coautores, publicado en arXiv en mayo de 2020. Después, el principio se generalizó con los asistentes conversacionales.

Cómo funciona un RAG, paso a paso

Un sistema RAG funciona en dos fases: una preparación, que se hace una vez y luego se actualiza, y un tratamiento en cada pregunta.

La preparación de los documentos

1. Reunir los documentos útiles: PDF, páginas web, hojas de cálculo, base de conocimiento.
2. Dividir cada documento en fragmentos de tamaño razonable, por ejemplo unos pocos párrafos: es el chunking. Un fragmento demasiado largo diluye la información; uno demasiado corto pierde el contexto.
3. Transformar cada fragmento en un embedding, una serie de números que representa su significado. Dos textos que hablan de lo mismo tienen embeddings cercanos, aunque no usen las mismas palabras.
4. Guardar esos embeddings en una base de datos vectorial, pensada para encontrar rápido los vectores más próximos a otro.

El tratamiento de una pregunta

1. La pregunta del usuario también se convierte en embedding.
2. El sistema busca los fragmentos de significado más cercano: es la búsqueda semántica.
3. Los mejores fragmentos se insertan en el prompt, con una instrucción del tipo «Responde solo a partir de los fragmentos proporcionados y cítalos; si la respuesta no está, dilo».
4. El modelo redacta su respuesta apoyándose en esos pasajes. Se habla de anclaje: la respuesta queda vinculada a fuentes comprobables.

Un ejemplo. Una pyme quiere un asistente interno para las consultas de recursos humanos. Una empleada pregunta: «¿Cuántos días tengo por mudanza?». El sistema encuentra el párrafo de la guía de permisos que lo trata, se lo pasa al modelo y la respuesta cita ese párrafo. Si la guía cambia, basta con actualizar la base: el modelo no se toca.

Póngase a prueba Un asistente RAG responde «no encuentro esa información», aunque el documento está en la base. ¿Cuál es la causa más probable?

La búsqueda no ha devuelto el pasaje correcto. Puede que el fragmento pertinente esté mal dividido (la información cortada en dos), redactado con un vocabulario muy distinto al de la pregunta o clasificado demasiado abajo entre los resultados. Casi siempre hay que mejorar la etapa de recuperación, no el modelo.

Mejorar la calidad de la búsqueda

En un RAG, la calidad de la respuesta depende ante todo de la calidad de la recuperación. Si el fragmento correcto no llega al modelo, ni el mejor modelo puede acertar. Hay cuatro técnicas frecuentes.

• La búsqueda híbrida combina la búsqueda por significado y la búsqueda por palabras clave. Ayuda con nombres propios, referencias de producto o números de artículos de una ley, que los embeddings a veces captan mal.
• El reranking (reordenación) recupera primero muchos candidatos y luego los reordena con un modelo especializado para quedarse con los más pertinentes.
• Los metadatos (fecha, departamento, tipo de documento) permiten filtrar: no tiene sentido buscar un procedimiento de 2026 en archivos de 2019.
• La reformulación de la pregunta. Una pregunta breve o ambigua («¿y para los contratos temporales?») encuentra mal sus pasajes. Pedir antes al modelo que la reescriba, teniendo en cuenta el historial de la conversación, da una consulta más completa y una búsqueda más acertada.

El cuidado de los documentos cuenta tanto como la técnica. Archivos obsoletos, contradictorios o mal escaneados producen respuestas incoherentes. Designe a una persona responsable de la base, como se haría con una intranet.

RAG, fine-tuning o contexto largo: ¿qué elegir?

El RAG no es la única forma de dar conocimientos a una IA. Hay dos alternativas habituales: el fine-tuning, que modifica el modelo con un entrenamiento adicional, y el contexto largo, que consiste en enviarle todo de una vez.

Enfoque	Principio	Ideal para	Límites
RAG	Recuperar fragmentos y adjuntarlos a la pregunta	Información abundante, cambiante y que hay que citar	Depende de la calidad de la búsqueda
Fine-tuning	Reentrenar el modelo con sus ejemplos	Estilo, formato, vocabulario profesional estable	Caro de actualizar, no cita sus fuentes
Contexto largo	Enviar todos los documentos en cada pregunta	Colecciones pequeñas, análisis puntual de un expediente	Factura alta si se repite, atención diluida

Las ventanas de contexto han crecido mucho. Según models.dev, al 22 de octubre de 2026, varios modelos recientes aceptan alrededor de un millón de tokens, como muestra el gráfico.

Ventana de contexto (tokens)

• Claude Sonnet 5.51 M
• Gemini 4 Argon1,05 M
• GPT-6.1 Sol1,05 M
• Mistral Large 41,05 M
• Grok 4.7500 k
• Kimi K2.6262 k

Para hacerse una idea de lo que significan estas cifras en páginas de texto, pruebe nuestra herramienta de ventana de contexto.

Las herramientas para construir un RAG

No hace falta programarlo todo. Existen varias familias de herramientas, del low-code al código.

Herramienta	Tipo	Licencia	MCP	Multiagente	Nivel
LlamaIndex	Código	MIT	Sí	Sí	Intermedio
Haystack	Código	Apache-2.0	Sí	Sí	Intermedio
LangChain	Código	MIT	Sí	Sí	Intermedio
Dify	Low-code	Dify Open Source License	Sí	—	Intermedio
n8n	Low-code	fair-code	Sí	Sí	Intermedio

• LlamaIndex nació en noviembre de 2022 con el nombre de GPT Index, precisamente para conectar un modelo de lenguaje con sus propios datos. Según nuestra ficha, la empresa concentra ahora sus esfuerzos en LlamaParse, su plataforma comercial de análisis de documentos, mientras el framework sigue siendo de código abierto.
• Haystack, de deepset, monta pipelines explícitos: división, embeddings, búsqueda, llamada al modelo. Su versión 3 salió en julio de 2026, según nuestra ficha.
• Dify ofrece un enfoque visual: se suben documentos, la plataforma los divide y los indexa, y se construye un chatbot que responde a partir de ellos.

Si quiere ir más allá y convertir el RAG en una herramienta de un agente que decide cuándo buscar, nuestra guía para crear un agente de IA, del no-code al código presenta el proceso completo.

Por dónde empezar: un método en cinco pasos

Un primer RAG útil no necesita ser ambicioso: mejor un perímetro pequeño y bien controlado que una base enorme y descuidada.

1. Elegir un perímetro reducido. Un solo tema, por ejemplo las consultas sobre permisos o sobre un catálogo de productos, en lugar de toda la documentación de la empresa.
2. Limpiar los documentos. Retire versiones caducadas y duplicados, compruebe que los PDF escaneados se leen como texto y anote la fecha de cada documento.
3. Redactar sus preguntas de referencia. Unas veinte preguntas reales, hechas por usuarios reales, con la respuesta correcta y el documento donde se encuentra. Este pequeño juego de pruebas le servirá en cada ajuste.
4. Montar una primera versión sencilla. División por párrafos, búsqueda semántica e instrucción que obligue a citar las fuentes y a reconocer cuando falta la información.
5. Medir y luego mejorar. Localice las preguntas falladas y busque la causa: documento ausente, mala división, pasaje mal clasificado o modelo que se aparta de los fragmentos. Corrija una cosa cada vez y repita las pruebas.

Evite la tentación de acumular técnicas avanzadas desde el primer día. Una base limpia y una instrucción clara suelen aportar más que un ajuste sofisticado.

Lo que cuesta un RAG

Un RAG tiene tres partidas de coste: la creación de los embeddings (una vez y luego en cada actualización), el alojamiento de la base vectorial y, sobre todo, los tokens enviados al modelo con cada pregunta. Como solo se transmiten unos pocos fragmentos, el coste por pregunta suele ser mucho menor que si se envía el documento completo. Nuestra guía sobre los precios de las API de IA detalla el cálculo y las palancas para reducir la factura.

Los límites que conviene conocer

Otros riesgos son menos visibles.

• La seguridad. Un documento de la base puede contener instrucciones ocultas redactadas para desviar al asistente: es una forma de inyección de prompt indirecta. Nuestra guía sobre seguridad de agentes de IA describe las salvaguardas.
• Los permisos de acceso. Un empleado no debe obtener, a través del asistente, un documento que no tiene derecho a leer. Los permisos deben aplicarse en el momento de la búsqueda, no solo en la intranet.
• La confidencialidad. Los fragmentos se envían al proveedor del modelo. Para datos personales o sensibles, revise sus condiciones o valore un modelo alojado en sus propios equipos.
• La medición. Sin un juego de preguntas de referencia, es imposible saber si un cambio mejora o empeora las respuestas. Nuestra guía para evaluar un agente de IA propone un método de pruebas propias.