RAG (retrieval-augmented generation, o generación aumentada por recuperación) es la técnica en la que la IA busca fragmentos relevantes en una base de conocimiento de la empresa — políticas, precios, preguntas frecuentes — y responde a partir de ellos. Reduce las respuestas inventadas y permite actualizar lo que sabe la IA sin entrenar un modelo nuevo.
Es lo que hay detrás de un agente de atención que responde sobre tu plazo de entrega, y no sobre un plazo cualquiera.
Cómo funciona
Llega la pregunta del cliente, el sistema busca en la base los fragmentos más parecidos a ella y se los entrega al modelo de lenguaje junto con la pregunta. El modelo escribe la respuesta usando lo que recibió.
La calidad depende de la base: información desactualizada o contradictoria se convierte en una respuesta desactualizada o contradictoria.
Dónde se usa en ventas y atención al cliente
En cualquier respuesta que dependa de información de la propia empresa:
Dudas sobre producto, condiciones y plazos en la atención al cliente
Respuestas del agente de ventas durante la calificación
Apoyo al vendedor, que consulta políticas y materiales sin salir de la conversación
Preguntas frecuentes
¿RAG elimina las respuestas inventadas?
Las reduce, pero no las elimina. Por eso el agente también necesita una regla para decir que no sabe y pasar el caso a una persona.
¿Necesito entrenar un modelo propio para usar RAG?
No. RAG usa un modelo existente y solo cambia lo que consulta antes de responder.
¿Quieres un agente que responda con la información de tu empresa?
El diagnóstico gratuito de Nexo muestra qué vale la pena automatizar primero.
Usamos cookies esenciales para que el sitio funcione y, con tu permiso, cookies de marketing (Meta, TikTok, Microsoft Clarity) para entender qué funciona en nuestras campañas. Más información en la Política de Privacidad.
