Glosario
¿Qué es RAG (Generación Aumentada por Recuperación)?
La Generación Aumentada por Recuperación (RAG) es la técnica que usan los motores de respuesta para recuperar documentos relevantes en el momento de la consulta y dárselos al modelo, de modo que su respuesta esté fundamentada y sea citable. Tu página se vuelve una fuente RAG cuando es rastreable, relevante y está bien estructurada alrededor de la pregunta.
Por qué importa el RAG para tu contenido
El RAG es el mecanismo detrás de las respuestas fundamentadas, y entenderlo explica por qué unas páginas se citan y otras no. El modelo nunca lee todo tu sitio: recibe un puñado de pasajes recuperados, así que lo que importa es que se encuentre el pasaje adecuado de tu página y que se entienda por sí solo.
Cómo funciona el RAG, paso a paso
Primero, la pregunta se convierte en una o varias búsquedas. Segundo, un sistema de recuperación encuentra documentos candidatos, con coincidencia de palabras clave, similitud vectorial sobre embeddings o ambas. Tercero, los documentos se dividen en pasajes y se seleccionan los mejores. Cuarto, esos pasajes se insertan en el prompt del modelo. Quinto, el modelo redacta la respuesta y las citas apuntan a los pasajes de origen.
Las consecuencias prácticas: tu página debe ser accesible para los rastreadores, sus pasajes deben entenderse sin el resto de la página, y los encabezados y la redacción deben coincidir con cómo la gente formula la pregunta.
Un ejemplo hipotético
Imagina una página de preguntas frecuentes donde cada respuesta empieza con 'Como se indicó arriba, sí, dentro de 30 días'. Recuperada como pasaje aislado, esa frase no significa nada. Reescribirla como 'Sí, puedes devolver los artículos dentro de los 30 días posteriores a la entrega si no se han usado' hace el pasaje autosuficiente, de modo que un modelo puede usarlo con exactitud y citarlo.
Errores comunes
- Escribir pasajes que dependen de 'esto', 'lo anterior' o 'como dijimos' para entenderse.
- Poner datos clave solo en imágenes, PDFs o contenido que aparece tras un inicio de sesión o scripts pesados.
- Enterrar la respuesta en una página larga con encabezados vagos.
- Dejar que los datos se desactualicen, ya que la recuperación puede traer una página antigua tan fácilmente como una nueva.
Preguntas frecuentes
¿El RAG es lo mismo que el fine-tuning?
No. El fine-tuning modifica los pesos del modelo con entrenamiento adicional. El RAG deja el modelo intacto y le aporta documentos en el momento de la pregunta, así que el contenido reciente puede usarse sin reentrenar.
¿Puedo saber si mi página se usa como fuente RAG?
Solo de forma indirecta. Revisa las fuentes citadas en las respuestas a tus preguntas monitoreadas y busca solicitudes de rastreadores de IA en los registros de tu servidor.
Descubre si los asistentes de IA recomiendan tu marca
Haz un diagnóstico gratis para ver qué motores de IA mencionan tu marca y a quién citan en vez de ti.
Analizar mi sitio gratis