Ir al contenido principal

Glosario de IA Data & Retrieval

¿Qué es la recuperación (retrieval) en RAG y en sistemas de búsqueda?

← Todos los términos del glosario
En pocas palabras

Paso de búsqueda que obtiene los documentos o pasajes más relevantes para una consulta, antes de mostrarlos o pasarlos a un modelo.

Explicación

La recuperación es el paso de RAG y de los sistemas de búsqueda que encuentra, dentro de una colección grande, los documentos o pasajes de texto más relevantes para una consulta. Suele devolver una lista corta ordenada, los k primeros resultados, a partir de un índice construido de antemano. Puede funcionar por coincidencia de palabras (recuperación dispersa), comparando embeddings en un espacio vectorial (recuperación densa) o combinando ambas. En un sistema RAG, lo que devuelve la recuperación es todo lo que el modelo ve de tu conocimiento, así que su calidad marca el techo de la calidad de la respuesta.

Dispersa, densa e híbrida

  • La recuperación dispersa compara las palabras de la consulta con las de los documentos, ponderadas según lo distintivas que sean. BM25 es el método clásico. Es rápida, transparente y buena con términos exactos como códigos y nombres.
  • La recuperación densa convierte consultas y pasajes en embeddings y busca los más cercanos en un índice vectorial. Encuentra pasajes que dicen lo mismo aunque usen otras palabras.
  • La recuperación híbrida ejecuta las dos y fusiona los resultados. En contenido de empresa, donde importan tanto los términos exactos como las paráfrasis, suele ser la opción más segura por defecto.

Reordenación y filtrado

La primera fase de recuperación está pensada para ir rápido sobre colecciones grandes, así que devuelve bastantes candidatos. Después, un reranker, normalmente un modelo que lee juntos la consulta y cada candidato, los ordena con más precisión y se queda con los mejores.

Alrededor se aplican filtros: por fecha, tipo de documento, idioma y, sobre todo, por los permisos del usuario, para que la recuperación nunca devuelva contenido que este no pueda ver.

Cómo saber si la recuperación funciona

  • Monta un conjunto de prueba con preguntas reales y los pasajes que las responden.
  • Mide el recall en k: con qué frecuencia el pasaje correcto está entre los k primeros resultados.
  • Mide la calidad del orden, por ejemplo con el rango recíproco medio.
  • Evalúa la recuperación por separado de la generación, para saber cuál de las dos arreglar.
  • Revisa los fallos a mano: suelen señalar un mal troceado, documentos que faltan o diferencias de vocabulario.

Preguntas frecuentes

¿Qué significa recuperación en RAG?

Es la R de la generación aumentada por recuperación: el paso que busca en tus documentos los pasajes relevantes para la pregunta. Esos pasajes se pasan después al modelo de lenguaje como contexto para su respuesta.

¿Qué es BM25?

BM25 es una función de ordenación para búsqueda por palabras clave. Puntúa los documentos según cuántas veces aparecen en ellos los términos de la consulta, ajustando por lo raro que es cada término en la colección y por la longitud del documento. Sigue siendo una referencia sólida y una pieza habitual de la búsqueda híbrida.

¿Qué es el top-k en recuperación?

Top-k es el número de resultados que devuelve el recuperador, por ejemplo los cinco o diez pasajes más relevantes. Un k más alto aumenta la probabilidad de incluir el pasaje correcto, pero añade ruido y coste cuando los pasajes se envían a un modelo.

¿La recuperación densa es siempre mejor que la búsqueda por palabras clave?

No. La recuperación densa encuentra mejor el significado, pero la búsqueda por palabras clave suele ganar con identificadores exactos, términos raros y nombres. Por eso muchos sistemas combinan ambas y reordenan los resultados fusionados.

¿Qué es un reranker?

Un reranker es un modelo que recibe la consulta y un conjunto de pasajes candidatos y los ordena por relevancia con más precisión que la primera fase de recuperación. Es más lento por pasaje, así que solo se aplica a la lista corta.

Guías de decisión que usan este término

Cómo llevarlo a la práctica

Dónde aparece en Thinkia

Para seguir leyendo

Fuentes

Actualizado: 2026-10-21

¿Quieres ver cómo se aplica en tu organización?

Habla con un experto en IA