Definición
La generación aumentada por recuperación (RAG) es una técnica en la que un modelo de AI primero recupera fragmentos relevantes de una fuente fiable y después redacta su respuesta a partir de esos fragmentos.
Por sí solo, un modelo de lenguaje grande responde a partir de los patrones que aprendió durante el entrenamiento, y en ellos no están tu política de devoluciones ni tus precios más recientes. RAG resuelve este problema: cuando llega una pregunta, el sistema busca en tus documentos (artículos de ayuda, páginas web, PDF), pasa al modelo los fragmentos más pertinentes y le indica que responda a partir de ellos.
En los bots de soporte, RAG es la forma habitual de conseguir respuestas actualizadas y adaptadas a cada negocio: actualizas el artículo y la respuesta del bot cambia, sin reentrenar el modelo.
RAG reduce las alucinaciones, pero no las elimina. Puede que la búsqueda no encuentre el fragmento correcto o que el modelo lo interprete mal. Para evitarlo, ayuda tener contenido de partida claro y bien estructurado y mostrar el enlace a la fuente en cada respuesta.
Ejemplo
Un cliente pregunta: «¿Hacéis envíos a Noruega?». El sistema recupera el artículo sobre los países de envío y el bot responde: «Sí, la entrega en Noruega tarda entre 4 y 6 días laborables», citando ese artículo.
Cómo ayuda Yaplet
El agente de Yaplet AI responde a partir del contenido de tu sitio web y de tu base de conocimientos, así que sus respuestas se basan en tu propia información y no en conocimiento general de internet.