Glosario de IA Data & Retrieval
¿Qué es una base de datos vectorial?
← Todos los términos del glosarioBase de datos pensada para guardar embeddings y devolver, rápido y a escala, los vectores más parecidos a un vector de consulta.
Explicación
Una base de datos vectorial guarda embeddings: listas de números que representan el significado de un texto, una imagen u otro elemento. Con una consulta convertida en embedding, devuelve los elementos cuyos vectores están más cerca, que suelen ser los más parecidos en significado. Para hacerlo rápido sobre millones de elementos usa índices de vecinos más cercanos aproximados, como HNSW, que sacrifican un poco de precisión a cambio de velocidad. Es una pieza básica de la búsqueda semántica y de la generación aumentada por recuperación (RAG), y casi todos los productos guardan también metadatos para filtrar por fecha, origen o permisos.
Cómo funciona
- Cada documento, o cada fragmento, se convierte en un embedding con un modelo de embeddings.
- Los vectores se guardan con un índice pensado para buscar vecinos cercanos, a menudo un grafo (HNSW) o una estructura particionada y comprimida.
- Al consultar, la pregunta se convierte en embedding con el mismo modelo y el índice devuelve los vectores más próximos según una medida de distancia, como la similitud coseno.
- Los filtros de metadatos acotan el resultado, por ejemplo a los documentos que el usuario puede ver.
Para qué se usa
Hoy el uso principal es la recuperación en aplicaciones con modelos de lenguaje: encontrar los fragmentos que el modelo debe leer antes de responder. También sirve para búsqueda semántica en documentos y productos, recomendaciones, detección de duplicados o búsqueda de imágenes y casos parecidos.
La calidad del resultado depende tanto del modelo de embeddings y de cómo se trocean los documentos como de la propia base de datos.
¿Base de datos vectorial dedicada o índice vectorial en tu base actual?
- Muchas bases relacionales y motores de búsqueda ya admiten columnas e índices vectoriales, y así evitas montar otro sistema.
- Una base vectorial dedicada tiene sentido con colecciones muy grandes, mucho volumen de consultas o necesidades avanzadas de filtrado y búsqueda híbrida.
- En ambos casos, permisos, altas y bajas tienen que ir sincronizados con los sistemas de origen; si no, el índice devolverá contenido obsoleto o que el usuario no debería ver.
Preguntas frecuentes
¿Para qué sirve una base de datos vectorial?
Sobre todo para encontrar elementos parecidos en significado a una consulta: los fragmentos relevantes para un asistente RAG, productos relacionados, casos de soporte similares o documentos casi duplicados. Responde a «qué se parece más a esto», no a «qué coincide exactamente».
¿Qué diferencia hay entre una base de datos vectorial y una relacional?
Una base relacional está hecha para coincidencias exactas, joins y transacciones sobre filas estructuradas. Una vectorial está hecha para búsquedas aproximadas por similitud sobre vectores de muchas dimensiones. Muchas relacionales ya añaden índices vectoriales, así que la frontera se difumina.
¿Necesito una base de datos vectorial para RAG?
Necesitas algún tipo de búsqueda vectorial, pero no por fuerza un producto aparte. Con volúmenes moderados suelen bastar las funciones vectoriales de tu base de datos o de tu buscador. Una dedicada compensa cuando pesan la escala, la latencia o el filtrado.
¿Qué es un embedding en una base de datos vectorial?
Un embedding es el vector numérico que un modelo genera para un contenido, de forma que los contenidos parecidos quedan cerca. La base de datos vectorial guarda esos vectores y busca sobre ellos.
¿Es precisa la búsqueda vectorial?
Es aproximada por diseño: los índices ceden algo de exhaustividad a cambio de velocidad, y el resultado depende del modelo de embeddings. Para términos exactos, como códigos de producto o nombres, suele funcionar mejor combinarla con búsqueda por palabras clave (búsqueda híbrida).
Guías de decisión que usan este término
Cómo llevarlo a la práctica
Dónde aparece en Thinkia
Para seguir leyendo
Términos relacionados
Fuentes
- Malkov and Yashunin · Hierarchical Navigable Small World graphs (arXiv) (en inglés)
- Meta Engineering · Faiss: a library for efficient similarity search (en inglés)
- Johnson, Douze and Jégou · Billion-scale similarity search with GPUs (arXiv) (en inglés)
Actualizado: 2026-10-21