Qué es RAG y por qué importa

RAG (Retrieval-Augmented Generation) es una de las técnicas más útiles para construir aplicaciones de IA fiables. La idea es sencilla: en lugar de confiar solo en lo que el modelo "recuerda", se le da contexto recuperado de tus propios datos antes de que responda.

El problema

Un modelo de lenguaje no conoce tus documentos internos ni la información que cambia cada día. Si le preguntas por ellos, se lo inventa (alucina). RAG resuelve esto buscando la información relevante y pasándosela al modelo.

Cómo funciona RAG

1. Embeddings: conviertes tus textos en vectores numéricos.
2. Recuperación: ante una pregunta, buscas los fragmentos más parecidos.
3. Generación: el modelo responde usando solo ese contexto recuperado.

El paso que decide si tu RAG funciona es el 2. Juega con él: pregunta, mira qué fragmentos se recuperan y con qué puntuación, y mueve el top-k para ver cómo cambia el contexto que recibiría el modelo.

Responde solo con el contexto.

Contexto:
[1] En los siete modelos de la tabla, un token de salida cuesta cinco veces lo que uno de entrada; pedir respuestas más cortas es la optimización de coste más fácil.
[4] Un token es la unidad mínima que procesa un modelo de lenguaje: trozos de palabra, no letras ni palabras enteras.

Pregunta: ¿Cuánto cuestan los tokens?

Un ejemplo mínimo

from openai import OpenAI
 
client = OpenAI()
 
def answer(question: str, context: str) -> str:
    prompt = f"Responde solo con el contexto.\n\nContexto:\n{context}\n\nPregunta: {question}"
    res = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": prompt}],
    )
    return res.choices[0].message.content

El truco está en context: ahí va lo que recuperaste de tus datos, no todo internet.

Cuándo usarlo

Usa RAG cuando necesites respuestas ancladas en información específica y verificable (documentación, catálogos, normativa). Si solo necesitas redacción genérica, quizá no haga falta. La regla de oro: menos alucinación, más control.