# RAG (Retrieval-Augmented Generation)

> Què és RAG (Retrieval-Augmented Generation): la tècnica que fa que la IA respongui amb els documents de la teva empresa i no s’inventi dades. Exemples d’ús.

URL: https://gradual.pro/ca/glossari/rag

Actualitzat: 2026-09-29

**RAG (Retrieval-Augmented Generation)**: RAG (Retrieval-Augmented Generation, generació augmentada per recuperació) és una tècnica en què un sistema d’IA busca primer la informació rellevant als teus documents o bases de dades i després genera la resposta fent servir només aquest contingut.

RAG són les sigles de Retrieval-Augmented Generation, que en català es tradueix com a generació augmentada per recuperació. És la tècnica que fan servir la majoria d’assistents d’empresa per respondre amb informació pròpia: abans de contestar, el sistema busca als teus documents els fragments que tracten del tema i els passa al model de llenguatge juntament amb la pregunta. El model redacta la resposta a partir d’aquests fragments.

## Per què cal RAG?

Un [model de llenguatge](/ca/glossari/model-de-llenguatge) coneix el que hi havia a les seves dades d’entrenament, que són públiques i tenen data de tall. No sap quines són les teves tarifes, la teva política de devolucions ni l’estat de la comanda d’un client. Si li ho preguntes, pot contestar alguna cosa que sona creïble i és falsa.

RAG resol aquest problema sense tocar el model. Li dones, a cada pregunta, la informació exacta que necessita.

## Com funciona RAG pas a pas?

1. **Preparació**: es trossegen els documents de l’empresa en fragments i es desen en un índex de cerca. Normalment es fa servir cerca semàntica amb *embeddings*, que troba textos per significat i no només per paraules exactes.
2. **Cerca**: quan arriba una pregunta, el sistema recupera els fragments més semblants.
3. **Generació**: el model rep la pregunta, els fragments i unes instruccions ("respon només amb aquesta informació; si no hi és, digues-ho").
4. **Resposta**: l’usuari rep la resposta i, si es configura així, la font de la qual surt.

La qualitat depèn sobretot del pas 1. Si els documents estan desactualitzats, duplicats o es contradiuen entre ells, l’assistent respondrà malament encara que el model sigui excel·lent.

## Per a què l’utilitza una empresa?

RAG és al darrere de quasi qualsevol assistent que respon amb dades pròpies:

- **Atenció al client**: un xatbot web o de WhatsApp que contesta amb les condicions reals del servei. És la base de l’[atenció al client amb IA](/ca/casos-d-us/atencio-client-ia).
- **Assistent intern**: l’equip pregunta per procediments, convenis o fitxes tècniques i rep la resposta amb el document d’origen.
- **Suport tècnic**: buscar en manuals i en incidències resoltes abans d’escalar.
- **Revisió de documents**: localitzar clàusules en contractes o dades en expedients llargs.

## Exemple: una distribuïdora amb 2.000 referències

Imagina una distribuïdora de material elèctric amb un catàleg de 2.000 productes i fitxes tècniques en PDF. Els comercials reben cada dia preguntes del tipus "aquest cable serveix per a l’exterior?" o "quina alternativa teniu a aquesta referència esgotada?", i triguen a trobar la fitxa.

L’empresa munta un assistent amb RAG sobre les fitxes tècniques i la taula d’estoc. El comercial escriu la pregunta i l’assistent retorna la resposta, la referència i l’enllaç al PDF on ho ha llegit. Si la fitxa no diu res sobre ús a l’exterior, l’assistent ho indica en lloc de suposar-ho.

Quan canvia un producte, n’hi ha prou de substituir-ne la fitxa: l’índex s’actualitza i l’assistent ja respon amb la versió nova. No cal reentrenar res.

## RAG, agents i altres tècniques

RAG sol ser una peça dins d’alguna cosa més gran. Un [agent d’IA](/ca/glossari/agent-ia) fa servir RAG per saber què respondre i eines per actuar: consultar la comanda, obrir una incidència o concertar una visita.

Tampoc no és l’única manera de donar context. Si la informació cap sencera a la conversa (una política de dues pàgines), de vegades n’hi ha prou d’incloure-la a les instruccions. RAG compensa quan el volum de documents és gran o canvia sovint.

Si vols un assistent que respongui amb els documents de la teva empresa, el muntem dins del nostre servei d’[agents d’IA per a empreses](/ca/serveis/agents-ia), inclosa la neteja i l’estructura de la informació.

## Preguntes freqüents

### RAG evita que la IA s’inventi respostes?

Les redueix molt, però no les elimina. Si el document correcte no apareix a la cerca, el model pot omplir el buit. Per això se li indica que digui "no ho sé" o derivi a una persona quan no troba la resposta.

### Quina diferència hi ha entre RAG i entrenar un model amb les meves dades?

Amb RAG el model no canvia: consulta els teus documents a cada pregunta. Actualitzar la informació és tan senzill com canviar el document. Entrenar o ajustar un model és més car, més lent d’actualitzar i no garanteix que citi dades exactes.

### Quins documents es poden fer servir en un sistema RAG?

Quasi qualsevol text: PDF, Word, pàgines web, preguntes freqüents, fitxes de producte, correus o registres d’una base de dades. Les taules complexes i els documents escanejats necessiten un processament previ perquè la cerca funcioni bé.