¿Qué es RAG? Cómo la IA deja de adivinar y empieza a citar

Qué es realmente RAG

Un modelo de lenguaje por sí solo es un examen a libro cerrado. Todo lo que puede contarte quedó fijado cuando terminó su entrenamiento, y preguntarle sobre tu contrato, tu código o las noticias de ayer te da o bien una negativa o bien una suposición confiada. Por qué la IA se equivoca cubre este problema de adivinar en profundidad.

RAG convierte el examen a libro cerrado en uno a libro abierto. Antes de que el modelo escriba una respuesta, el sistema busca en una fuente de conocimiento, como tus archivos subidos, una wiki de empresa o la web en vivo, recupera los pasajes más relevantes y los pega en el prompt junto a tu pregunta. El modelo entonces responde a partir de ese texto recuperado en lugar de basarse solo en su memoria.

Esa es la idea completa. El nombre intimida; el mecanismo es "buscarlo primero". Todo lo demás en la ingeniería de RAG consiste en hacer que ese paso de búsqueda encuentre los pasajes correctos.

Por qué los modelos necesitan un paso de recuperación

Dos límites duros crean esta necesidad.

El entrenamiento tiene una fecha límite. Un modelo entrenado hasta principios de 2026 no sabe nada de lo que pasó después, y reentrenar un modelo de frontera es un proyecto de meses y enormemente costoso. La recuperación es cómo un producto de IA responde sobre el anuncio de esta mañana sin que nadie reentrene nada.

Los datos de entrenamiento eran públicos. Tus facturas, tickets y documentos internos nunca estuvieron en ellos, y ninguna cantidad de prompting ingenioso recupera información que el modelo nunca vio. La recuperación es la única forma en que un modelo general puede responder desde datos privados.

También hay una tercera razón más sutil: la fundamentación. Cuando la respuesta debe venir de un pasaje suministrado, el modelo puede citar su fuente, y tú puedes comprobarla. Una respuesta producida desde la memoria no ofrece nada contra qué verificar, que es exactamente el modo de fallo que hace peligrosas las alucinaciones.

Cómo funciona un pipeline de RAG, paso a paso

Todo sistema RAG, desde una función de chat con PDF hasta un producto de búsqueda empresarial, ejecuta los mismos cinco pasos.

1. División en fragmentos. Los documentos fuente se dividen en pasajes, típicamente de unos pocos cientos de palabras cada uno, porque la recuperación funciona sobre pasajes en lugar de archivos completos.
2. Indexación. Cada fragmento se convierte en un embedding, una lista de números que representa su significado, y se almacena en una base de datos vectorial para que significados similares queden cerca entre sí.
3. Recuperación. Tu pregunta se convierte en embedding de la misma forma, y el sistema extrae los fragmentos cuyos embeddings quedan más cerca, normalmente los 3 a 10 pasajes principales.
4. Aumento. Esos pasajes se insertan en el prompt, envueltos en instrucciones como "responde solo a partir del contexto siguiente".
5. Generación. El modelo escribe la respuesta a partir del prompt aumentado, idealmente citando qué pasaje respalda cada afirmación.

Cuando subes un documento largo a una herramienta de chat y le haces preguntas, esto es más o menos lo que se ejecuta. La guía de chat con PDF muestra cómo se ve esto en la práctica dentro de Whizi.

RAG frente a contexto largo frente a ajuste fino

Estos tres se confunden porque los tres "le enseñan al modelo sobre tus datos". Lo hacen de formas incompatibles entre sí.

La economía decide más que la teoría. Una ventana de contexto de 1M de tokens, que modelos de frontera como Gemini y la familia GPT-5.6 ya ofrecen, cabe aproximadamente 1.500 páginas, así que de verdad puedes pegar un manual completo. Pero a la tarifa de GPT-5.6 Terra de $2 por millón de tokens de entrada, enviar 300.000 tokens de manual con cada pregunta cuesta unos $0.60 por pregunta, mientras que recuperar los 2.000 tokens correctos cuesta menos de medio centavo. Haz tres preguntas y el contexto largo resulta 100 veces más caro para las mismas respuestas. Qué es una ventana de contexto explica el límite subyacente.

El ajuste fino es el caso aparte: cambia cómo se comporta el modelo, no lo que sabe. Los equipos lo usan para el tono y el formato de salida, y luego siguen añadiendo RAG para los hechos.

Dónde ya usas RAG sin notarlo

Búsqueda web en chatbots. Cuando ChatGPT, Gemini o Perplexity buscan en la web y responden con enlaces, eso es RAG con internet como fuente de conocimiento.

Chat con tus archivos. Sube un PDF y haz preguntas: la división en fragmentos, el embedding y la recuperación se ejecutan detrás de escena para cualquier documento demasiado largo para caber cómodamente en el contexto.

Bots de soporte al cliente. Los que responden desde un centro de ayuda real y citan el artículo son sistemas RAG. Los que improvisan no lo son, y se nota.

Asistentes de IA que responden sobre eventos actuales. Cualquier respuesta correcta sobre algo posterior a la fecha de corte del entrenamiento del modelo llegó por recuperación, no por memoria.

Dónde falla RAG, y cómo detectarlo

RAG reduce la alucinación; no la elimina, y añade sus propios modos de fallo.

Fallos de recuperación. Si el paso de búsqueda extrae los pasajes equivocados, el modelo responde con fluidez desde un contexto irrelevante. Síntoma: una respuesta que cita tu documento pero aborda una pregunta ligeramente distinta.

Índices desactualizados. La base de datos vectorial solo conoce los documentos tal como estaban en su última indexación. Un sistema RAG sobre las políticas del trimestre pasado da respuestas obsoletas con confianza y con citas adjuntas, lo que resulta más convincente que una alucinación simple y por tanto peor.

Fuentes contradictorias. Cuando los pasajes recuperados no están de acuerdo, los modelos tienden a mezclarlos en un párrafo fluido y erróneo en lugar de señalar el conflicto.

La defensa práctica es la misma que para cualquier respuesta de IA: comprueba el pasaje citado, no solo que la cita exista. Una respuesta RAG cuya fuente no diga en realidad lo que la respuesta afirma es el fallo grave más común en los sistemas de producción.