AI Solutions · Análisis a fondo
Base de conocimiento RAG: respuestas ancladas en las fuentes, nunca inventadas
Construimos bases de conocimiento que responden solo desde fuentes verificadas: recuperación híbrida, anclaje en los documentos, citas trazables, control de alucinaciones y evaluación continua de la calidad de las respuestas. Cuando la fuente no basta, el sistema lo declara en lugar de inventar.
BASE DE CONOCIMIENTO · RECUPERACIÓN FUNDAMENTADA
Entra · Pregunta del usuario
Sale · Respuesta citada y verificable
Ingesta y troceado de la fuente de verdad
Normaliza los documentos de origen y los divide en fragmentos coherentes dimensionados por tipo de contenido, adjuntando a cada uno metadatos de origen — título, sección, fecha, permisos — que se convierten en la base de las citas y del control de acceso: sin una ingesta limpia, todo lo que sigue cita aire.
Recuperación híbrida (palabra clave + semántica)
Combina una búsqueda por palabras clave (BM25) que captura códigos de producto, nombres propios y términos raros exactos con una búsqueda semántica vectorial que captura reformulaciones y conceptos, fusionando los dos conjuntos de resultados por rango (RRF) para recuperar lo que ninguno de los dos encontraría por sí solo.
Reordenación sobre una lista corta
Un reordenador cross-encoder reordena solo la lista corta estrecha de los mejores candidatos evaluando pregunta y pasaje juntos en lugar de por separado, añadiendo una etapa de precisión que se mantiene precisa justamente porque trabaja sobre pocos fragmentos y no sobre el índice entero.
Generación fundamentada con citas
El modelo responde únicamente desde la cima de la lista corta y cita la fuente de cada afirmación, de modo que cada frase queda trazable hasta un documento, una versión y una sección en lugar de hundirse en la memoria de entrenamiento.
Verificación de fundamento y relevancia / abstención
Antes de la entrega, un control de anclaje y relevancia compara la respuesta con los pasajes recuperados: por debajo del umbral el sistema se abstiene, vuelve a recuperar o pasa el relevo a una persona, porque un honesto «no está en las fuentes» vale más que una invención plausible.
Evaluación de calidad de respuesta y frescura
Fidelidad, relevancia del contexto, relevancia de la respuesta, exactitud de las citas y freshness del índice se miden en continuo, porque una sola puntuación oculta dónde está el problema y una base fiable hay que mantenerla honesta mientras documentos y permisos cambian.
Las señales de una base de conocimiento que inventa
Un asistente que responde con seguridad no vale nada si esa seguridad no está anclada a una fuente. Estos son los síntomas que vemos antes de intervenir.
- Seguro pero equivocado. El sistema afirma, con tono autoritario, cosas que no aparecen en ningún documento interno: eso es anclaje ausente, no una errata.
- Sin citas verificables. El usuario no puede rastrear una frase hasta su fuente, así que no puede confiar en ella ni corregirla; cada respuesta es una caja negra.
- Contenido obsoleto presentado como actual. Una política actualizada la semana pasada todavía no está en el índice, y el sistema sigue citando la versión antigua con la misma seguridad.
- Fugas de perímetro. Un usuario recibe fragmentos de documentos que no tendría derecho a ver en el sistema de origen.
- Preguntas fuera de alcance sin freno. Cuando las fuentes no bastan, el modelo llena el vacío inventando en lugar de declarar que no lo sabe.
Para equipos que gestionan documentación crítica, soporte, cumplimiento o conocimiento interno y no pueden permitirse una respuesta inventada delante de un cliente o un auditor.
Recuperar primero, generar después
Un modelo generativo dejado a su aire predice texto plausible. Una base de conocimiento RAG invierte el orden: primero recupera la evidencia de tus fuentes y luego obliga al modelo a responder únicamente dentro de esa evidencia.
Retrieval-Augmented Generation
Antes de responder, el sistema busca en los documentos los pasajes relevantes y los entrega al modelo como contexto, con la instrucción de responder solo desde ahí. El modelo deja de recurrir a la memoria de entrenamiento y recurre a tu fuente de referencia.
Anclaje ≠ corrección
El anclaje comprueba que la respuesta es fiel al texto recuperado, no que sea verdadera en lo absoluto. Si la recuperación trae el fragmento equivocado, una puntuación de anclaje alta solo significa que el modelo repitió fielmente lo equivocado — por eso recuperación y evaluación deben tratarse como dos problemas distintos.
Fuente de verdad, no una copia
El índice no sustituye tus sistemas de origen; los refleja. Cuando un documento cambia en el origen, el índice tiene que cambiar con él, o la base de conocimiento miente con seguridad sobre lo que es cierto hoy.
Abstenerse es una función, no un defecto
Una base de conocimiento fiable sabe decir «esto no está en las fuentes». Una abstención honesta supera a una respuesta inventada: el valor para la empresa está en no equivocarse, no en responder siempre.
De la fuente a la respuesta citada
Cada capa restringe lo que el modelo puede decir. El pipeline no es un único modelo: es una cadena de controles, cada uno con una tarea medible.
Los documentos se normalizan y se dividen en fragmentos coherentes, dimensionados por tipo de contenido: una política se segmenta distinto que una ficha técnica. Cada fragmento lleva metadatos de origen — título, sección, fecha, permisos — que se convierten en la base de las citas y del control de acceso.
Una búsqueda por palabras clave (BM25) captura códigos de producto, nombres propios y términos raros exactos; una búsqueda semántica vectorial captura reformulaciones y conceptos. Los dos conjuntos de resultados se fusionan por rango (RRF), recuperando lo que ninguno de los dos encontraría por sí solo.
Un reordenador cross-encoder ordena los pocos mejores candidatos evaluando pregunta y pasaje juntos, no por separado. Es una segunda etapa de precisión que opera sobre una lista corta, no sobre el índice completo — por eso es preciso sin ser lento.
El modelo responde solo desde la cima de la lista corta y cita la fuente de cada afirmación. Antes de la entrega, un control de anclaje y relevancia compara la respuesta con los pasajes: por debajo del umbral, el sistema se abstiene o vuelve a recuperar en lugar de publicar.
De la fuente a la respuesta citada en milisegundos, con cada afirmación trazable hasta un pasaje.
Las métricas que separan una base fiable de una plausible
Una base de conocimiento se juzga por dimensiones separadas, porque una sola puntuación oculta dónde está el problema. Estas son las palancas que monitorizamos en continuo.
| Dimensión | Qué verifica | Por qué importa |
|---|---|---|
| Faithfulness (fidelidad) | Cada afirmación de la respuesta está respaldada por los pasajes recuperados | El freno directo a las alucinaciones: sin fuente, sin afirmación |
| Relevancia del contexto | Los pasajes recuperados son realmente pertinentes a la pregunta | Mide la recuperación: si es pobre, hasta una respuesta fiel es fiel a lo equivocado |
| Relevancia de la respuesta | La respuesta aborda de verdad la pregunta planteada, sin divagar | Distingue lo pertinente de lo genéricamente correcto pero inútil |
| Exactitud de las citas | Cada cita apunta al pasaje que de verdad respalda la frase | Hace la respuesta verificable: el usuario remonta a la fuente y comprueba |
| Freshness | El índice refleja el estado actual de los documentos de origen | Un índice rancio produce respuestas seguras pero equivocadas hoy |
Los controles que mantenemos encendidos en producción
Construir el pipeline es la mitad del trabajo. La otra mitad es mantenerlo honesto con el tiempo, mientras documentos, permisos y preguntas cambian.
Control de acceso en la recuperación
Los permisos son un filtro sobre los metadatos en el momento de la búsqueda: un documento que un usuario no puede ver en el origen nunca aparece entre los resultados. El perímetro de seguridad viaja con el dato.
Indexación incremental
Cuando una fuente cambia, solo se reprocesa lo que cambió y el índice se actualiza con identificadores estables. Sin reconstrucciones totales, sin ventanas en las que la base responda desde versiones antiguas.
Umbrales de abstención
Por debajo del umbral de anclaje o relevancia, la respuesta no sale: el sistema declara que no sabe, vuelve a recuperar o pasa el relevo a una persona. La regla de alcance es explícita, no se deja al azar.
Procedencia y fuente de verdad
Cada respuesta lleva consigo el origen de sus afirmaciones — qué documento, qué versión, qué sección — en el espíritu de los estándares abiertos de procedencia de contenidos como C2PA: la historia de una afirmación es verificable.
Una base de conocimiento fiable no es la que siempre responde — es la que no responde cuando no debe.
Lo que los equipos nos preguntan antes de empezar
¿El RAG elimina del todo las alucinaciones?
No, y desconfía de quien lo prometa. Las reduce de forma sustancial anclando cada respuesta a fuentes reales, y los controles de anclaje más los umbrales de abstención frenan las respuestas no respaldadas antes de que salgan. El objetivo es una respuesta verificable, no un acto de fe.
¿Qué pasa cuando la respuesta no está en los documentos?
El sistema lo declara. Definimos contigo la regla de alcance: abstención explícita, nueva recuperación o escalado a una persona. Un honesto «no está en las fuentes» supera a una invención plausible.
¿Cómo se mantienen actualizadas las respuestas?
Mediante indexación incremental: cuando un documento cambia en el origen, el índice se actualiza solo para la parte modificada, sin reconstrucción completa. La freshness es una métrica que monitorizamos, no un evento esporádico.
Casos
Del problema al resultado — anonimizados.
Pólizas citadas, no imaginadas
Problema El asistente de soporte respondía con seguridad sobre cláusulas y límites de cobertura recurriendo a versiones de póliza superadas, sin forma de que el agente rastreara una frase hasta su fuente.
Método Ingesta fuente de verdad con metadatos de versión y sección, recuperación híbrida sobre las condiciones del contrato, generación anclada que cita cada cláusula y umbral de abstención cuando el pasaje no respalda la respuesta.
Resultado Cada respuesta lleva consigo su documento, versión y sección; cuando la información no está en las fuentes el sistema lo declara en lugar de inventar, y el agente puede verificar antes de hablar con el cliente.
Fichas técnicas sin fugas de perímetro
Problema La base de conocimiento interna devolvía, a técnicos de distintos departamentos, fragmentos de documentación restringida que no habrían tenido derecho a ver en el sistema de origen.
Método Control de acceso como filtro sobre los metadatos en el momento de la recuperación — el perímetro de seguridad viaja con el dato — más troceado por tipo de contenido que segmenta una ficha técnica distinto que un procedimiento.
Resultado Un documento que un usuario no puede ver en el origen nunca aparece entre los resultados; las respuestas siguen citadas y verificables sin exponer material fuera de perímetro.
Procedimientos actuales a la semana correcta
Problema Los procedimientos clínicos cambiaban a menudo, pero un índice reconstruido por calendario dejaba ventanas en las que el sistema citaba la versión antigua con la misma seguridad que la actual.
Método Indexación incremental con identificadores estables que reprocesa solo lo que cambia en el origen, más la freshness tratada como métrica monitorizada en continuo junto a la fidelidad y la exactitud de las citas.
Resultado Sin reconstrucciones totales y sin ventanas de desfase: el índice refleja el estado actual de los documentos y las respuestas dejan de ser seguras pero equivocadas hoy.
Profundiza más
Del índice a un producto en producción→
La recuperación anclada es una capa — las otras cinco que sobreviven al tráfico real.
Gobernar la adopción, no solo el pipeline→
Quién puede pedir qué, con qué permisos y qué reglas de alcance explícitas.
Procedencia verificable de las afirmaciones→
Rastrear el origen de un output en el espíritu de los estándares abiertos como C2PA.