RAG en términos simples
RAG significa Retrieval-Augmented Generation o generación aumentada por recuperación. Ante una pregunta, el sistema busca fragmentos relacionados dentro de una base de conocimiento y los agrega como contexto para el modelo.
El objetivo no es que la IA memorice todos los documentos, sino que pueda consultar las fuentes autorizadas en el momento de responder.
Cómo se prepara una base de conocimiento
Los archivos se procesan, dividen en fragmentos o chunks y representan de forma que puedan recuperarse por similitud. La calidad depende del contenido original, su organización, metadatos, actualización y permisos.
Qué ocurre ante una consulta
Kanntraia recibe la pregunta, busca pasajes relevantes en la base habilitada para ese asistente y construye un contexto. El modelo genera la respuesta siguiendo sus instrucciones y los límites definidos.
RAG no elimina todos los errores
La recuperación puede traer información incompleta, ambigua o desactualizada. Por eso conviene revisar las fuentes, medir consultas, definir qué debe hacer el asistente cuando no encuentra evidencia suficiente y derivar los casos sensibles.
Aislamiento y permisos
En una plataforma multi-tenant, los documentos deben mantenerse separados por organización. Además, no todos los asistentes necesitan acceso a todas las fuentes. Kanntraia permite asociar bases de conocimiento y capacidades según cada caso de uso.
Cuándo conviene usarlo
RAG es útil para políticas internas, manuales, reglamentos, catálogos, procedimientos, preguntas frecuentes y documentación que cambia con el tiempo. No reemplaza una integración transaccional cuando se necesita stock en vivo, estado de pago o disponibilidad de agenda.