RAG son tres letras que significan «generación aumentada por recuperación». Suena complicado, pero la idea es muy parecida a cómo trabaja una persona bien informada: primero consulta sus notas y luego contesta con sus palabras.
En nuestra web ocurre así. Cuando alguien pregunta «¿cuánto cuesta una tienda online?», el sistema no improvisa. Busca en las fichas de servicio los fragmentos que hablan de tiendas y precios, los ordena por parecido con la pregunta y se los entrega al modelo como contexto. Después, el modelo redacta una respuesta en lenguaje normal.
- Preparar los contenidos. Las fichas se dividen en trozos pequeños y se convierten en vectores numéricos.
- Recuperar. La pregunta se convierte también en un vector y se comparan con los anteriores.
- Redactar. El modelo recibe solo esos fragmentos y las instrucciones: responder en el idioma del visitante y citar la fuente.
- Mostrar el rastro. Debajo de la respuesta aparecen las fichas consultadas, con enlace.
La diferencia con un chatbot genérico es que aquí puedes verificar. Si la respuesta dice 90 €/mes, puedes abrir la ficha y comprobarlo. Y si el contenido cambia, se reindexa y la respuesta cambia con él, sin reentrenar nada.
No es infalible: necesita contenidos claros, límites de contexto y pruebas con preguntas reales. Pero es, con diferencia, la forma más sensata de poner IA en una web comercial sin convertirla en una fuente de desinformación.