RAG

¿Qué es RAG?

RAG (Retrieval-Augmented Generation) es un patrón arquitectónico que combina un modelo de lenguaje grande (LLM) con la búsqueda dinámica en documentos y datos corporativos. En lugar de que el modelo responda únicamente a partir de lo que aprendió durante el entrenamiento (lo que lleva a “alucinaciones” e información desactualizada), RAG primero encuentra los fragmentos relevantes en los documentos internos y solo después los envía al modelo como contexto para generar la respuesta.

Arquitectura técnica de RAG:

1. Indexación — los documentos se dividen en fragmentos más pequeños (chunks, típicamente de 200-500 palabras)
2. Vectorización (embeddings) — cada fragmento se convierte en un vector numérico
3. Almacenamiento — los vectores se guardan en una base de datos vectorial (Pinecone, Qdrant, pgvector)
4. Consulta — la pregunta del usuario también se convierte en un vector
5. Recuperación (retrieval) — se encuentran los top-K fragmentos más similares
6. Generación — el LLM genera una respuesta con el contexto de los fragmentos encontrados

En el contexto B2B, RAG resuelve preguntas como “¿dónde está la política de dietas y gastos de viaje?” o “¿qué precios facturamos a la empresa XYZ en los últimos 3 años?”: la respuesta se genera directamente a partir de los documentos corporativos, con cita de la fuente.

Cuándo se usa

RAG es una tecnología clave para:

• Chatbots corporativos que responden a partir de documentos internos
• Búsqueda semántica en contratos, políticas y wikis
• Automatización del soporte — primera línea que responde a partir de la base de conocimiento
• Análisis de grandes archivos (auditorías de derecho de supresión GDPR)

Ver módulo Archivos, módulo Contratos y página AI.

Términos relacionados

• AI Agent — el agente a menudo usa RAG como una de sus herramientas. Ver /es/glosario/ai-agent.
• MCP — protocolo para conectar el sistema RAG con el agente. Ver /es/glosario/mcp.
• OCR — los documentos escaneados deben procesarse con OCR antes de la indexación RAG. Ver /es/glosario/ocr.

En Modulario

Modulario utiliza RAG sobre los documentos del módulo Archivos y Contratos: quien necesite una respuesta la formula en lenguaje natural y el sistema responde con referencias a documentos concretos. La indexación se realiza automáticamente tras subir un archivo.

La infraestructura RAG interna de Modulario garantiza que los datos del cliente nunca se usan para entrenar modelos ni salen de la infraestructura de la UE. El cliente puede ver de qué documentos extrajo información la IA y puede restringir las fuentes mediante RBAC o ReBAC.