IA

RAG (Retrieval-Augmented Generation)

También conocido como: Generación Aumentada por Recuperación

Definición: RAG (Retrieval-Augmented Generation) es una arquitectura de IA que combina la búsqueda semántica en una base de conocimiento con la generación de texto por LLMs, permitiendo respuestas actualizadas y fundamentadas en fuentes específicas.

RAG es la tecnología detrás de Perplexity, ChatGPT Search, Google AI Overviews y la mayoría de los sistemas de IA conectados a la web. En lugar de depender solo del conocimiento del entrenamiento, el LLM consulta documentos en tiempo real y cita las fuentes en la respuesta.

Cómo funciona

  1. El usuario hace una pregunta.
  2. El sistema convierte la pregunta en un embedding (vector numérico).
  3. La búsqueda semántica en un índice vectorial encuentra los fragmentos más relevantes.
  4. Los fragmentos recuperados se inyectan en el contexto del LLM.
  5. El LLM genera la respuesta citando las fuentes.

Implicaciones para el SEO/GEO

Para ser recuperado por RAG, tu contenido necesita ser:

  • Fragmentable (chunkable): fragmentos autocontenidos de 200-500 palabras con sentido propio.
  • Semánticamente claro: una idea central por párrafo.
  • Indexable: HTML accesible, sin dependencia de JavaScript pesado.
  • Citable: la autoridad de la fuente se verifica antes de la cita.

Referencias externas

Términos relacionados

  • LLM (Large Language Model)

    LLM (Large Language Model) es un modelo de inteligencia artificial entrenado con grandes volúmenes de texto para compren…

  • GEO (Generative Engine Optimization)

    GEO (Generative Engine Optimization) es la disciplina de optimizar contenido y entidades digitales para que sean compren…

  • Semantic Chunking

    El semantic chunking es la técnica de dividir el contenido en bloques coherentes y autocontenidos, optimizados para su r…