# RAG (Retrieval-Augmented Generation) > Qué es RAG (Retrieval-Augmented Generation): la técnica que hace que la IA responda con los documentos de tu empresa y no se invente datos. Ejemplos de uso. URL: https://gradual.pro/glosario/rag Actualizado: 2026-09-29 **RAG (Retrieval-Augmented Generation)**: RAG (Retrieval-Augmented Generation, generación aumentada por recuperación) es una técnica en la que un sistema de IA busca primero la información relevante en tus documentos o bases de datos y después genera la respuesta usando solo ese contenido. RAG son las siglas de Retrieval-Augmented Generation, que en español se traduce como generación aumentada por recuperación. Es la técnica que usan la mayoría de asistentes de empresa para responder con información propia: antes de contestar, el sistema busca en tus documentos los fragmentos que tratan del tema y se los pasa al modelo de lenguaje junto con la pregunta. El modelo redacta la respuesta a partir de esos fragmentos. ## ¿Por qué hace falta RAG? Un [modelo de lenguaje](/glosario/llm) conoce lo que había en sus datos de entrenamiento, que son públicos y tienen fecha de corte. No sabe cuáles son tus tarifas, tu política de devoluciones ni el estado del pedido de un cliente. Si le preguntas, puede contestar algo que suena creíble y es falso. RAG resuelve ese problema sin tocar el modelo. Le das, en cada pregunta, la información exacta que necesita. ## ¿Cómo funciona RAG paso a paso? 1. **Preparación**: se trocean los documentos de la empresa en fragmentos y se guardan en un índice de búsqueda. Normalmente se usa búsqueda semántica con *embeddings*, que encuentra textos por significado y no solo por palabras exactas. 2. **Búsqueda**: cuando llega una pregunta, el sistema recupera los fragmentos más parecidos. 3. **Generación**: el modelo recibe la pregunta, los fragmentos y unas instrucciones ("responde solo con esta información; si no está, dilo"). 4. **Respuesta**: el usuario recibe la respuesta y, si se configura así, la fuente de la que sale. La calidad depende sobre todo del paso 1. Si los documentos están desactualizados, duplicados o contradicen entre sí, el asistente responderá mal aunque el modelo sea excelente. ## ¿Para qué lo usa una empresa? RAG está detrás de casi cualquier asistente que responde con datos propios: - **Atención al cliente**: un chatbot web o de WhatsApp que contesta con las condiciones reales del servicio. Es la base de la [atención al cliente con IA](/casos-de-uso/atencion-cliente-ia). - **Asistente interno**: el equipo pregunta por procedimientos, convenios o fichas técnicas y recibe la respuesta con el documento de origen. - **Soporte técnico**: buscar en manuales y en incidencias resueltas antes de escalar. - **Revisión de documentos**: localizar cláusulas en contratos o datos en expedientes largos. ## Ejemplo: una distribuidora con 2.000 referencias Imagina una distribuidora de material eléctrico con un catálogo de 2.000 productos y fichas técnicas en PDF. Los comerciales reciben cada día preguntas del tipo "¿este cable sirve para exterior?" o "¿qué alternativa tenéis a esta referencia agotada?", y tardan en encontrar la ficha. La empresa monta un asistente con RAG sobre las fichas técnicas y la tabla de stock. El comercial escribe la pregunta y el asistente devuelve la respuesta, la referencia y el enlace al PDF donde lo ha leído. Si la ficha no dice nada sobre uso en exterior, el asistente lo indica en lugar de suponer. Cuando cambia un producto, basta con sustituir su ficha: el índice se actualiza y el asistente ya responde con la versión nueva. No hay que reentrenar nada. ## RAG, agentes y otras técnicas RAG suele ser una pieza dentro de algo mayor. Un [agente de IA](/glosario/agente-ia) usa RAG para saber qué responder y herramientas para actuar: consultar el pedido, abrir una incidencia o agendar una visita. Tampoco es la única forma de dar contexto. Si la información cabe entera en la conversación (una política de dos páginas), a veces basta con incluirla en las instrucciones. RAG compensa cuando el volumen de documentos es grande o cambia a menudo. Si quieres un asistente que responda con los documentos de tu empresa, lo montamos dentro de nuestro servicio de [agentes de IA para empresas](/servicios/agentes-ia), incluida la limpieza y estructura de la información. ## Preguntas frecuentes ### ¿RAG evita que la IA se invente respuestas? Las reduce mucho, pero no las elimina. Si el documento correcto no aparece en la búsqueda, el modelo puede rellenar el hueco. Por eso se le indica que diga "no lo sé" o derive a una persona cuando no encuentra la respuesta. ### ¿Qué diferencia hay entre RAG y entrenar un modelo con mis datos? Con RAG el modelo no cambia: consulta tus documentos en cada pregunta. Actualizar la información es tan sencillo como cambiar el documento. Entrenar o ajustar un modelo es más caro, más lento de actualizar y no garantiza que cite datos exactos. ### ¿Qué documentos se pueden usar en un sistema RAG? Casi cualquier texto: PDF, Word, páginas web, preguntas frecuentes, fichas de producto, correos o registros de una base de datos. Las tablas complejas y los documentos escaneados necesitan un procesado previo para que la búsqueda funcione bien.