RAG (Retrieval-Augmented Generation, o generación aumentada por recuperación) es una técnica que hace que una IA responda con los documentos de tu empresa en vez de con lo que aprendió de forma general. Antes de contestar, el sistema busca en tu documentación los fragmentos relevantes y se los pasa al modelo para que redacte la respuesta a partir de ellos. Es la forma más práctica de tener una IA con los documentos de tu empresa: tus procedimientos, tus manuales y tu normativa interna, con la fuente a la vista.
Qué es RAG, explicado para un gerente
Piensa en RAG como un empleado nuevo muy rápido al que, antes de responder cada pregunta, le das las páginas exactas del manual que tratan el tema. No contesta de memoria: lee lo que le has dado y responde a partir de ahí, indicando en qué documento lo ha encontrado.
La técnica se describió en un artículo de investigación de 2020 (Lewis et al.), que combinaba un modelo de lenguaje con una «memoria» externa de documentos consultada en cada respuesta. Los autores observaron que las respuestas generadas así eran más específicas y más ajustadas a los hechos que las de un modelo que solo usa lo que tiene aprendido. Desde entonces es la arquitectura habitual para los asistentes internos de empresa.
Por qué RAG reduce errores frente a un chat genérico
Un chat genérico como ChatGPT o Claude, sin acceso a tus documentos, responde con conocimiento general. No conoce tu procedimiento de devoluciones, tu convenio ni el protocolo de tu centro, y si le preguntas puede inventar una respuesta convincente. Con RAG cambian tres cosas:
- La respuesta se basa en tus documentos, no en lo que el modelo cree recordar.
- Cada respuesta puede citar su fuente, de modo que el usuario comprueba el dato en segundos.
- Si la información no está, el sistema puede decirlo en lugar de improvisar, si se diseña para ello.
Además, actualizar el conocimiento es tan simple como actualizar un documento. No hace falta reentrenar nada.
Los componentes de un sistema RAG
Un sistema RAG tiene cinco piezas, y la calidad final depende de todas ellas, no solo del modelo:
- Ingesta. Se recogen los documentos de donde estén (gestor documental, carpetas compartidas, intranet, PDF escaneados) y se convierten a texto limpio, conservando títulos, tablas y metadatos como la fecha o el departamento.
- Fragmentación. Los documentos se dividen en trozos manejables. Hacerlo bien importa: un fragmento como «el plazo se amplía a 30 días» no sirve si no se sabe a qué plazo se refiere. Anthropic propone añadir a cada fragmento una breve explicación de su contexto antes de indexarlo, una técnica que llama Contextual Retrieval.
- Embeddings. Cada fragmento se convierte en un vector numérico que representa su significado. Así el sistema encuentra textos relacionados aunque no usen las mismas palabras que la pregunta.
- Búsqueda. Ante una pregunta, el sistema recupera los fragmentos más relevantes. Lo más robusto es combinar la búsqueda por significado con la búsqueda por palabras exactas (útil para códigos, referencias o nombres propios) y reordenar los resultados antes de usarlos.
- Generación con citas. El modelo recibe la pregunta y los fragmentos, redacta la respuesta y enlaza los documentos de origen.
Permisos y privacidad: cada usuario ve solo lo suyo
En una empresa no todo el mundo puede ver todo, y un sistema RAG tiene que respetarlo. Si un documento de nóminas o un expediente solo es accesible para ciertas personas, la IA no debe usarlo para responder a quien no tiene permiso. Esto se resuelve filtrando la búsqueda según los permisos del usuario antes de que el modelo vea ningún fragmento, normalmente heredando los permisos de los sistemas de origen.
Otras medidas que aplicamos:
- Los documentos no entrenan el modelo. Se guardan en un índice propio y solo viajan los fragmentos necesarios en cada consulta.
- Registro de consultas para auditar el uso, con criterios de conservación definidos.
- Minimización de datos personales en la ingesta cuando no son necesarios para responder.
Todo esto encaja con los principios del Reglamento general de protección de datos, que exige proteger los datos desde el diseño y limitar su tratamiento a lo necesario.
Alojamiento en la UE y cuándo usar modelos abiertos
Un sistema RAG puede alojarse íntegramente en la Unión Europea, y es lo que hacemos en Hive Mind Solutions en todos los proyectos. El índice de documentos, la aplicación y el modelo se despliegan en infraestructura de la UE, cumpliendo el RGPD.
Para la mayoría de los casos usamos modelos comerciales como Claude u OpenAI, que dan la mejor calidad de respuesta. Los modelos abiertos, desplegados en infraestructura dedicada, tienen sentido cuando:
- La documentación es especialmente sensible (datos de salud, expedientes, secretos industriales) y no debe salir de un entorno controlado.
- Hay requisitos contractuales o normativos que impiden usar un proveedor externo.
- El volumen de consultas es tan alto que compensa tener la infraestructura propia.
Es lo que llamamos IA privada para empresas: la misma arquitectura RAG, pero con el modelo bajo tu control.
Casos de uso de RAG en empresas
RAG funciona bien allí donde las personas pierden tiempo buscando información que ya existe por escrito. Algunos casos habituales:
- Residencias y centros de atención a la dependencia. Consultar protocolos asistenciales, procedimientos internos y normativa autonómica de forma inmediata. En Hive Mind Solutions tenemos RAG funcionando en grupos de residencias líderes en España, de los más grandes del sector; puedes ver más en IA y software para residencias.
- Asesorías y despachos. Responder con la normativa, los criterios internos y los modelos de documento del despacho.
- Atención al cliente. Dar a los agentes, humanos o de IA, respuestas basadas en fichas de producto, condiciones y políticas actualizadas. Si además quieres que la IA actúe, mira qué es un agente de IA.
- Recursos humanos. Resolver dudas de la plantilla sobre convenio, vacaciones, beneficios o procedimientos.
- Industria y mantenimiento. Consultar manuales técnicos, fichas de seguridad e históricos de averías.
Qué documentos sirven para un sistema RAG
Sirve casi cualquier documento con texto: manuales, procedimientos, protocolos, contratos, normativa, preguntas frecuentes, fichas técnicas, actas o correos de referencia, en PDF, Word, hojas de cálculo o páginas de una intranet. Los PDF escaneados también, tras un paso de reconocimiento de texto.
Lo que más influye en el resultado no es el formato, sino el estado de la documentación:
- Actualizada. Si conviven tres versiones de un procedimiento, la IA puede citar la antigua. Conviene marcar o retirar lo obsoleto.
- Con dueño. Alguien debe ser responsable de mantener cada bloque de documentos.
- Bien estructurada. Títulos claros y secciones definidas mejoran la fragmentación y las citas.
Cómo se mide la calidad de un sistema RAG
La calidad de un sistema RAG se mide con un conjunto de preguntas reales y sus respuestas correctas, preparado con las personas que conocen el negocio. Con ese conjunto se evalúan dos cosas por separado:
- Recuperación: si el sistema encuentra los fragmentos que contienen la respuesta.
- Generación: si la respuesta es correcta, se apoya solo en las fuentes recuperadas, cita bien y admite cuando no sabe algo.
Separarlas permite saber dónde está el fallo. Si la recuperación falla, se ajusta la fragmentación o la búsqueda; si falla la generación, las instrucciones o el modelo. Después de la puesta en marcha, las valoraciones de los usuarios y la revisión periódica de consultas sin respuesta muestran qué documentación falta o hay que mejorar.
Cómo te ayudamos en Hive Mind Solutions
En Hive Mind Solutions desarrollamos RAG propio: IA que responde con los documentos de tu empresa, cita la fuente y respeta los permisos de cada usuario. Lo alojamos todo en la UE y cumpliendo el RGPD, con Claude, OpenAI o modelos abiertos según la sensibilidad de tus datos, y lo tenemos funcionando en entornos tan exigentes como grandes grupos de residencias.
Trabajamos en remoto con empresas de toda España y empezamos por un piloto con una parte de tu documentación para medir resultados. Conoce nuestro servicio de IA privada para empresas o cuéntanos qué documentación quieres aprovechar.