Generación aumentada por recuperación (RAG)

Técnica que combina la generación de un LLM con un paso previo de recuperación de información: antes de responder, el sistema busca los documentos o datos pertinentes en una fuente externa y se los entrega al modelo como contexto. El resultado son respuestas más precisas y ancladas en información concreta, en lugar de depender solo de lo que el modelo memorizó durante el entrenamiento.

En el curso

Módulo 5 — figura en el glosario oficial del módulo. Aparece además como pieza técnica del capítulo 3, en las plataformas de asesoría financiera sobre AWS, que usan RAG para convertir el historial de transacciones y los patrones de gasto del cliente en asesoramiento práctico en tiempo real, integrado con aplicaciones móviles y banca en línea y manteniendo transparencia regulatoria y gobernanza de datos.

Módulo 4 — el vídeo del Dr. John Williams sobre aprendizaje en contexto explica RAG como la vía para superar una limitación arquitectónica concreta: la ventana de contexto de longitud fija, que funciona como memoria a corto plazo del LLM y provoca que en tareas complejas se pierdan detalles relevantes.

Módulo 2 — el soporte de RAG figura como una de las capacidades comparadas entre plataformas: inyectar fuentes de datos externas para mejorar la respuesta del modelo.

Relacionado

LLM · Ventana de contexto · Alucinación · Ajuste fino · Agente de voz con IA · Arquitectura de agentes