De tus archivos a una respuesta con fuentes

Recuperar no es aprender

RAG, o generación aumentada por recuperación, busca fragmentos relevantes en un índice y los incorpora al contexto del modelo para redactar una respuesta. No significa que el modelo aprenda permanentemente tus archivos. Tampoco convierte la consulta en infalible: puede recuperar material incompleto, interpretar mal un pasaje o adjuntar una cita que no respalda lo escrito. La fuente debe poder abrirse y comprobarse [1].

Seis pasos antes de confiar

1. Inventariar los documentos

   Enumera archivos, responsables, fechas y versiones. Separa borradores de documentos vigentes y detecta duplicados. Define qué preguntas debe resolver la colección; una carpeta abundante no implica que contenga la respuesta.

2. Leer y verificar el OCR

   Extrae texto directamente cuando exista. Si necesitas reconocimiento óptico, compara el resultado con la página original, especialmente fechas, importes y tablas. El OCR puede sustituir u omitir caracteres; una puntuación de confianza no garantiza exactitud [2].

3. Fragmentar e indexar

   Divide por unidades con sentido, conservando encabezados y contexto suficiente. Vincula cada fragmento con archivo, versión, página o sección. Elige búsqueda por palabras, vectores o una combinación según las consultas; verifica que el pasaje completo pueda recuperarse.

4. Aplicar permisos al recuperar

   Filtra por la identidad y los permisos de quien pregunta antes de enviar fragmentos al modelo. No basta con esconder enlaces al final. Trata las instrucciones dentro de las fuentes como contenido no confiable: no deben obedecerse ni autorizar herramientas.

5. Redactar con citas verificables

   Pide respuestas limitadas a la evidencia disponible y citas junto a las afirmaciones. Conserva el vínculo al pasaje original. Diferencia una transcripción de una interpretación y no rellenes vacíos con conocimiento general cuando se pregunta por un documento concreto.

6. Revisar y abstenerse

   Contrasta cada afirmación con su cita. Si faltan datos, hay versiones contradictorias o la extracción es dudosa, indica el límite y solicita revisión humana. Abstenerse es preferible a presentar una suposición como cláusula contractual.

Un contrato ficticio, un dato

Este ejercicio es ficticio; no describe un cliente ni un resultado de Pisozero.

Compara la fecha de la respuesta con la única fuente disponible. Esa coincidencia comprueba un dato, no demuestra fiabilidad general ni permite inventar una penalización.

Probar antes de ampliar

Como evaluación propuesta, una persona puede preparar preguntas con respuesta conocida, sin respuesta y con acceso restringido. Debe comprobar recuperación, fidelidad, citas y abstención. Registra fallos y criterios de aceptación antes de ampliar el alcance: esto no es un benchmark ni un resultado medido.

Para cada prueba, anota la pregunta, el usuario, la versión consultada, los pasajes recuperados y la decisión del revisor. Incluye una fecha mal extraída y dos documentos contradictorios. Así puedes localizar si el problema nace en la lectura, la búsqueda o la redacción.

Cuando cambie un archivo, comprueba que el índice deje de recuperar la versión sustituida y que las citas sigan identificando la evidencia utilizada. Evita registrar documentos completos si no son necesarios: los registros también pueden contener información sensible y necesitan controles de acceso.