Qué es RAG
Retrieval Augmented Generation combina dos etapas. Primero recupera fragmentos relevantes de fuentes autorizadas y después entrega ese contexto a un modelo que redacta la respuesta. Así puede utilizar conocimiento empresarial sin depender solo de lo aprendido durante su entrenamiento.
La presencia de documentos no garantiza una respuesta correcta. La calidad depende tanto de la búsqueda como de la generación.
Preparación de las fuentes
Los documentos se dividen siguiendo títulos, temas y unidades de significado. Metadatos como idioma, fecha, producto y propietario ayudan a seleccionar el contexto correcto. Versiones antiguas se retiran del índice para evitar respuestas basadas en información desactualizada.
Búsqueda y permisos
La recuperación puede combinar significado, palabras y filtros. Cada consulta respeta permisos antes de mostrar fragmentos al modelo. Un resultado técnicamente parecido no sirve si pertenece a otro cliente, periodo o tipo de documento.
Generación con evidencia
El modelo recibe instrucciones para responder únicamente con el contexto permitido, indicar incertidumbre y no completar vacíos mediante suposiciones. Las referencias internas permiten revisar de dónde procede una afirmación, aunque también deben comprobarse.
Cómo evaluar RAG
Se mide si aparecen los documentos correctos, si la respuesta está respaldada, si la información es actual y qué ocurre cuando no existe una fuente adecuada. La evaluación separa fallos de recuperación, comprensión y redacción para corregir la causa real.
Enfoque de PAR HOUSE Agency
Comenzamos por ordenar conocimiento, responsables y accesos. Diseñamos índices según la estructura real del negocio, medimos recuperación y respuesta por separado y permitimos que el sistema reconozca honestamente cuándo no dispone de evidencia suficiente.
