IA fundamentada frente a RAG: qué detiene de verdad las alucinaciones

RAG es cómo se recupera una respuesta. La fundamentación es una norma sobre lo que la IA tiene permitido decir. La generación aumentada por recuperación busca en una fuente, mete lo que encuentra en el prompt y genera una respuesta. La fundamentación añade encima tres restricciones: responder solo a partir de ese material, mostrar de dónde salió y negarse cuando no cubre la pregunta. Todo sistema fundamentado usa recuperación. No todo sistema que usa recuperación está fundamentado.

Esa distinción suena académica hasta que a un cliente le dan un plazo de devolución equivocado.

Qué hace RAG en realidad

Sin recuperación, un modelo de lenguaje responde con lo que absorbió durante el entrenamiento. Nunca ha visto tu política de envíos, así que cuando le preguntan por ella produce algo con forma de política de envíos. Fluido, seguro, inventado.

RAG arregla el problema de entrada. Tu contenido se parte en pasajes y se indexa. Cuando llega una pregunta, el sistema busca los pasajes que parecen más relevantes y los mete en el prompt junto a la pregunta. Ahora el modelo tiene delante tu política real.

Es una mejora real y la mayoría de las herramientas de soporte con IA lo hacen. También es donde la mayoría se detiene.

Por qué eso no basta

Nada en RAG obliga al modelo a quedarse dentro del material que le dieron. Los pasajes recuperados son contexto, no una valla. En la práctica fallan tres cosas.

La recuperación vuelve floja. El cliente pregunta algo que tu web no cubre, así que la búsqueda devuelve los pasajes más cercanos en lugar de los correctos. El modelo, con un texto vagamente relacionado y una pregunta delante, responde igualmente. No tiene forma de señalar que el material encajaba mal.

El modelo rellena huecos. Ante un pasaje que cubre cuatro de las cinco partes de una pregunta, el modelo suele completar la quinta con conocimiento general, en el mismo tono, sin costura visible. No puedes ver dónde acabó tu contenido y empezó la invención.

La pregunta se entiende mal. Donde más duele es en las repreguntas. «¿Lo hay en azul?» se recupera solo con esa frase, y el pronombre no tiene referente, así que la búsqueda devuelve algo sin relación pero con seguridad. Luego el historial de la conversación en el prompt hace que la respuesta se lea como si el asistente hubiera entendido perfectamente.

Las tres cosas que añade la fundamentación

La fundamentación no es un recuperador mejor. Es un conjunto de normas impuestas alrededor del modelo.

Una fuente cerrada. La respuesta solo puede construirse con el material recuperado. Ni internet abierto, ni los datos de entrenamiento del modelo, ni una mezcla. Si no está en tu contenido, no está disponible para decirse.

Una respuesta atribuible. Cada respuesta lleva la página de la que salió, visible para quien la lee. Eso hace más que tranquilizar: vuelve auditable el sistema. Una respuesta equivocada deja de ser un misterio sobre el modelo y pasa a ser una página concreta que hay que corregir.

Una vía de negativa. Cuando la recuperación no encuentra nada lo bastante relevante, el sistema no responde. Lo dice y ofrece una persona. Esta es la parte que los proveedores se saltan, porque una herramienta que a veces dice «no lo sé» demuestra peor que otra que siempre tiene algo que decir.

Esa tercera norma es la que hace el trabajo de verdad. La fundamentación se define por lo que no hace.

Cómo saber cuál tienes delante

Las páginas de los proveedores usan los términos como sinónimos, así que prueba en lugar de leer.

• Pregunta algo que tu contenido no cubra. Un sistema fundamentado lo dice y ofrece un humano. Uno que solo usa RAG responde igualmente. Esta única prueba los separa.
• Comprueba que hay fuente bajo cada respuesta, no solo bajo algunas. Una cita ocasional significa que la cita es decorativa.
• Haz una repregunta con un pronombre. «¿Lo hay en azul?» después de una pregunta sobre un producto. Si la respuesta cambia de tema, la recuperación está corriendo sobre la frase en bruto, sin contexto.
• Pregunta qué ha leído. Si no puedes ver y corregir el contenido indexado, no puedes arreglar una respuesta equivocada en su origen.
• Pregunta qué pasa cuando la confianza es baja. Si no hay respuesta a esa pregunta, no hay suelo.

El coste que nadie menciona

La fundamentación responderá menos preguntas que un sistema sin ella. No es un defecto, es el intercambio, y conviene verlo con claridad. Estás eligiendo un número menor de respuestas que puedes defender frente a uno mayor que no.

Para una demo, gana el sistema sin fundamentación. Para un negocio donde una fecha de entrega equivocada es un reembolso y una afirmación médica equivocada es mucho peor, el intercambio no está ni cerca.

Y la diferencia se cierra sola, porque cada negativa se registra como una pregunta que tu contenido no respondió. Escribe esas páginas y la cobertura sube, sobre una base que sigue siendo cierta.