RAG es la sigla que aparece en cuanto alguien pregunta «¿y esto puede consultar los documentos de mi empresa?». Qué es RAG cabe en una frase: buscar primero en tus documentos y responder después con lo que se ha encontrado. Aquí va cómo funciona sin jerga, en qué se diferencia de entrenar un modelo, qué mejora y qué no, y por qué Claude ya lo hace sin que montes nada.
Qué es RAG, explicado con un contrato
Claude sabe muchísimo, pero no conoce tus contratos. Es un modelo de lenguaje: aprendió leyendo una cantidad enorme de texto, y tu contrato con Construcciones Martínez no estaba ahí.
Si le preguntas por el plazo de garantía de ese contrato, tiene dos opciones. Inventárselo, o que alguien le ponga el contrato delante antes de contestar. RAG es la segunda opción, hecha de forma automática.
La sigla viene del inglés retrieval-augmented generation, que se traduce como generación aumentada por recuperación. Dicho en claro: primero se recupera la información y después se genera la respuesta con ella.
Anthropic, la empresa que hace Claude, lo define igual en su glosario: los documentos se buscan en el momento de la pregunta y se le pasan al modelo junto con ella. Así responde con tu información y no de memoria.
Cómo funciona RAG en tres pasos
Cuando preguntas «¿cuál es el plazo de garantía en el contrato de Construcciones Martínez?», pasa esto:
- Se busca. El sistema mira en tus documentos qué fragmentos tienen que ver con la pregunta.
- Se pega. Esos fragmentos se colocan delante de tu pregunta, sin que tú lo veas.
- Se responde. Claude contesta usando ese material.
Es exactamente lo que harías tú a mano: buscar el contrato, copiar la cláusula y pegarla en el chat. RAG solo automatiza el buscar y el pegar.
¿Y por qué no mete el archivo entero? Te cuento. Todo lo que se pega ocupa sitio en la ventana de contexto (lo que Claude puede tener delante a la vez), y con cientos de documentos no cabría. Por eso se escogen solo los trozos que parecen útiles.
Hay un detalle que conviene saber: la búsqueda no es por palabras exactas, como en el buscador de tu ordenador. Es por significado. Si preguntas «cuánto tardan en pagar», encuentra la cláusula de «plazos de abono» aunque no comparta ni una palabra con tu pregunta.
RAG o entrenar un modelo con tus datos
Es la duda que sale siempre: ¿no sería mejor entrenar a la IA con los documentos de la empresa? A eso se le llama fine-tuning (volver a entrenar un modelo con datos propios), y para una pyme casi nunca tiene sentido.
| Entrenar un modelo (fine-tuning) | RAG | |
|---|---|---|
| Qué hace | Cambia lo que el modelo «sabe» | Le pone el documento delante al preguntar |
| Cuando cambia un documento | Hay que volver a entrenar | Basta con cambiar el archivo |
| ¿Dice de dónde sale la respuesta? | No | Sí, puede citar el documento y el párrafo |
| Coste y tiempo | Alto, y hacen falta técnicos | Bajo; en Claude, a veces cero |
| Para qué sirve de verdad | Un estilo o una tarea muy concreta, a gran escala | Responder con información tuya y al día |
La regla que sale de la tabla: si lo que quieres es que responda con tus datos, lo que buscas es RAG, no entrenar nada. Y desde Claude, entrenar el modelo no es algo que vayas a hacer tú.
Qué mejora RAG y qué no arregla
Conoce tus documentos. Los que le hayas dado, y en su última versión. Es la razón de ser de todo esto.
Puede decir de dónde sale cada cosa. Es su mayor ventaja en una empresa. «Me lo ha dicho la IA» pasa a ser «está en la cláusula 7 del contrato», y eso se comprueba en diez segundos.
No deja de inventarse cosas del todo. Lo reduce mucho, porque trabaja sobre material real. Pero puede malinterpretar un fragmento o rellenar un hueco, así que lo verificable se sigue verificando. Por qué pasa está en alucinaciones de la IA.
Si preguntas mal, recupera mal. Busca lo que se parece a tu pregunta. Si la pregunta es ambigua, trae el fragmento equivocado y responde sobre él con toda la seguridad del mundo. Anthropic lo avisa: el resultado depende de la calidad de los documentos y de lo que se recupera.
Claude ya hace RAG sin que montes nada
Esto es lo que casi ningún artículo sobre RAG con documentos te cuenta. Si subes archivos a un Proyecto de Claude (un espacio con sus documentos y sus instrucciones), Claude los lee directamente mientras quepan.
Cuando el Proyecto se acerca al límite, en los planes de pago se activa RAG solo. Según la ayuda de Anthropic, eso permite guardar hasta diez veces más contenido, y un indicador te avisa de que está activo. No configuras nada.
La otra vía son los conectores. Con MCP Claude busca directamente en tu Drive o en tu correo, sin subir nada; los pasos están en conectar Claude a Google Drive.
¿Cuándo tiene sentido un sistema RAG hecho a medida? Con miles de documentos que cambian cada semana, o cuando las respuestas tienen que salir en otra aplicación (la web de atención al cliente, por ejemplo). Los tres niveles, del Proyecto al sistema propio, están en RAG en la empresa con tus documentos.
Hay consultoras que presupuestan un «RAG corporativo» para veinte PDF. Para veinte PDF basta un Proyecto.
Antes de subir documentos: los datos
Meter los documentos de la empresa en cualquiera de estas opciones es una decisión sobre datos, no un ajuste técnico. Contratos, nóminas y correos llevan datos personales de terceros.
Con una cuenta de empresa y el contrato que lo cubre, se puede. Con una cuenta personal, mejor no. Qué se puede subir y qué no, en datos confidenciales e IA en la empresa.
RAG es buscar antes de responder. No convierte a Claude en experto en tu empresa: le pone delante el documento correcto en el momento justo, que resulta ser casi todo lo que hacía falta.
Por dónde empezar
Por los veinte documentos que consultas cada semana. Súbelos a un Proyecto, escribe dos líneas de instrucciones («responde solo con estos documentos y di de cuál sale cada dato») y hazle tres preguntas que le harías a un compañero. Si responde bien, ya tienes lo que RAG promete.
Trabajar con tus propios archivos sin montar nada es parte de Claude para principiantes. Para un equipo con documentación que consultar a diario, desde la página de empresas.
Preguntas frecuentes
¿Qué es RAG en inteligencia artificial?
Son las siglas en inglés de generación aumentada por recuperación. Antes de responder, el sistema busca en tus documentos los fragmentos que vienen al caso y se los pone delante al modelo, que responde con tu información y no de memoria.
¿Qué diferencia hay entre RAG y fine-tuning?
El fine-tuning vuelve a entrenar el modelo con tus datos: es caro, lento y hay que repetirlo cuando algo cambia. RAG deja el modelo como está y le pasa el documento en el momento de la pregunta, así que actualizar es cambiar el archivo.
¿RAG evita que la IA se invente cosas?
Lo reduce bastante, porque responde con documentos reales delante. Pero puede recuperar el fragmento equivocado o malinterpretar el correcto, así que lo verificable se sigue comprobando.
¿Claude usa RAG?
Sí. En los planes de pago, cuando los documentos de un Proyecto se acercan al límite, Claude activa RAG solo y puede trabajar con hasta diez veces más contenido. Con los conectores también busca en tu Drive o tu correo sin que montes nada.
¿Necesito RAG en mi empresa?
Casi nunca hace falta montarlo. Si son unas decenas de documentos, un Proyecto de Claude resuelve lo mismo. Un sistema a medida compensa con miles de documentos que cambian a menudo o si las respuestas tienen que salir en otra aplicación.