Generación aumentada por recuperación (RAG)
La generación aumentada por recuperación (RAG) es una forma de hacer que una IA responda solo a partir de un conjunto concreto de documentos. Primero busca en ellos las partes que importan y luego escribe la respuesta usando solo eso. Así baja mucho los datos inventados.
Los modelos de IA normales responden con lo que aprendieron durante su entrenamiento. Suena bien hasta que afirman algo falso con total seguridad. RAG lo arregla dándole al modelo unas fuentes fijas para leer primero. En vez de adivinar de memoria, saca los fragmentos correctos y construye la respuesta sobre ellos.
Cada vez que preguntas pasan dos cosas. Primero el sistema encuentra las partes de tus documentos que encajan con tu pregunta. Luego se las pasa al modelo y le dice: responde a partir de esto. El modelo arma los datos en lugar de inventarlos él solo, y por eso las respuestas se quedan más cerca de la verdad.
Algo a tener en cuenta: RAG es tan bueno como lo que logra encontrar. Si nunca da con el fragmento correcto, o tus documentos no cubren la pregunta, la respuesta puede salir floja o equivocada igual. Baja mucho los datos inventados. No los borra del todo.
Maya está estudiando para un examen de bioquímica. Le pide a su herramienta de IA que le explique el ciclo de Krebs. Con RAG, saca los párrafos exactos de sus diapositivas de clase y se lo explica con esos términos, en vez de meter detalles sueltos de internet que su profesor nunca dio.