Información con contexto
Las fuentes deben ser pertinentes, estar al día y conservar la información necesaria para interpretarlas. También hay que saber quién puede consultarlas.
Datos e inteligencia artificial
Inteligencia artificial: entender qué hace con tus datos.
Un asistente puede responder con seguridad y equivocarse. Para valorar su utilidad conviene mirar qué información recibe, cómo la busca, qué acciones puede realizar y cómo comprobamos el resultado.
En pocas palabras
¿Qué significa conectar datos e IA?
Significa diseñar cómo una aplicación accede a la información y la utiliza para resolver una tarea. Hay que preparar las fuentes, respetar los permisos y evaluar las respuestas. El modelo es una pieza de ese conjunto, junto con las reglas y las comprobaciones que necesita la aplicación.
El mapa del tema
Tres claves para comprenderlo.
Una tarea bien definida
Responder una pregunta, resumir un expediente y modificar un registro son tareas distintas. Cada una necesita instrucciones, permisos y límites propios.
Respuestas comprobables
Conviene preparar preguntas representativas, revisar las fuentes utilizadas y comprobar qué sucede cuando falta información o una herramienta falla.
RAG: buscar antes de responder
RAG significa generación aumentada por recuperación. La aplicación busca información relacionada con una pregunta y la incorpora al contexto que recibe el modelo. Por ejemplo, puede recuperar un apartado del manual de una empresa antes de redactar una explicación.
Que exista un documento no garantiza que se encuentre el fragmento adecuado ni que se interprete bien. Importan la actualidad de las fuentes, cómo se organizan, la búsqueda y los permisos. Las respuestas siguen necesitando comprobación.
Una secuencia fija y un agente no trabajan igual
Una cadena sigue una secuencia definida: buscar información, preparar el contexto y pedir una respuesta. Un agente puede elegir qué herramienta utilizar o qué paso dar después según la tarea y los resultados anteriores. Esa autonomía exige controlar qué acciones tiene permitidas.
RAG y agentes no son categorías excluyentes. La recuperación de información puede formar parte de una cadena o ser una herramienta que utiliza un agente. La pregunta útil es cuánta autonomía necesita la tarea y cómo revisaremos sus resultados.
Un ejemplo: preguntar por un procedimiento interno
Imagina que conviven dos versiones de un procedimiento. Además, algunos apartados solo pueden consultarlos determinadas personas. El asistente debe encontrar la versión aplicable y respetar el acceso a la información. Una respuesta fluida puede ocultar que ha mezclado instrucciones de ambas versiones.
Para evaluarlo, prepararía preguntas habituales, casos con información incompleta y situaciones en las que deba pedir una aclaración. También comprobaría que las fuentes sostienen lo que afirma y que la aplicación sabe indicar cuándo no dispone de información suficiente.
La discusión tecnológica también necesita precisión
Al debatir sobre IA conviene distinguir qué hace un sistema, qué pruebas tenemos y qué interpretación estamos proponiendo. Una experiencia concreta puede abrir una buena pregunta; convertirla en una conclusión general requiere más argumentos.
En el cuaderno hay guías para entender conceptos y artículos de opinión sobre tecnología y sociedad. Las opiniones llevan su contexto y sus fuentes para que el lector pueda formar su propio criterio.
Preguntas frecuentes
Respuestas directas.
¿Usar RAG es entrenar un modelo con mis documentos?
No. En un sistema RAG, la información recuperada se incorpora al contexto de una petición. El ajuste fino —fine-tuning— modifica parámetros del modelo mediante entrenamiento. Son mecanismos diferentes que pueden combinarse.
¿Cuándo puede tener sentido un agente?
Cuando los pasos o las herramientas necesarios varían según la tarea y su resultado. Si el recorrido es conocido, una secuencia definida puede ser suficiente. La elección debe tener en cuenta la utilidad, los permisos y la posibilidad de comprobar lo que ocurre.
¿Qué hay que evaluar además de si la respuesta suena bien?
Si responde a la pregunta, si respeta las fuentes y los permisos, y qué hace cuando falta información. También cuentan el tiempo de respuesta y el coste. Conviene revisar casos concretos de la tarea para la que se ha construido.
Seguir leyendo
Lecturas relacionadas
01Publicado02Publicado03En preparación
Automatización y supervisión humana
Human in the Loop, Out of Context
De los triggers a los agentes de IA: deuda cognitiva, deuda de intención y continuidad de contexto. Con Bainbridge, Endsley, Elish y Storey.
Opinión y tecnología
El «tecno-wokismo» es primo del «tecno-fascismo»
Una réplica a Thais Ruiz de Alda sobre género y tecnología, y una crítica a la censura de la discrepancia en el debate público.
Datos e inteligencia artificial
RAG no consiste en conectar unos PDF a una inteligencia artificial
Qué hace falta para que un asistente encuentre información útil y permita comprobar sus respuestas.
Del contenido a la práctica
Practicar los conceptos de IA generativa.
El Mini-Lab de Databricks GenAI ofrece estudio por temas, preguntas con explicación, glosario y simulacros en español e inglés. Puedes conocer el recurso antes de abrir el laboratorio.
Conocer el Mini-Lab