{"id":5609,"date":"2026-11-18T07:00:00","date_gmt":"2026-11-18T07:00:00","guid":{"rendered":"https:\/\/www.pulsiondigital.com\/blog\/?p=5609"},"modified":"2026-11-18T07:00:00","modified_gmt":"2026-11-18T07:00:00","slug":"que-es-rag-inteligencia-artificial","status":"publish","type":"post","link":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/","title":{"rendered":"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local"},"content":{"rendered":"<p><strong>Qu\u00e9 es RAG en inteligencia artificial<\/strong> es una pregunta que vale la pena hacerse si alguna vez un chatbot te respondi\u00f3 con total seguridad algo que era falso. RAG es la t\u00e9cnica que hace que la IA, antes de responder, <strong>busque en tus documentos<\/strong> y conteste apoy\u00e1ndose en lo que encontr\u00f3, en lugar de improvisar con lo que \u00abrecuerda\u00bb. En esta gu\u00eda te lo explicamos sin jerga, con un caso real que muestra por qu\u00e9 importa y con un camino pr\u00e1ctico para hacerlo en tu propia computadora, sin subir contratos ni datos sensibles a la nube \ud83d\udd0e<\/p>\n\n<div style=\"background-color:#faf8f2;border-left:6px solid #f0ec1d;padding:16px 20px;margin:24px 0\">\n<p><strong>Respuesta corta:<\/strong> RAG (<em>Retrieval-Augmented Generation<\/em>, o generaci\u00f3n aumentada por recuperaci\u00f3n) es una t\u00e9cnica en la que un modelo de lenguaje primero busca fragmentos relevantes en una colecci\u00f3n de documentos y despu\u00e9s redacta la respuesta usando esos fragmentos como base, idealmente cit\u00e1ndolos. Reduce las respuestas inventadas, permite usar informaci\u00f3n privada o actualizada y no exige reentrenar el modelo.<\/p>\n<\/div>\n\n<p>Vas a ver de d\u00f3nde sale el t\u00e9rmino, c\u00f3mo funciona paso a paso, qu\u00e9 son los embeddings y las bases de datos vectoriales, en qu\u00e9 se diferencia de ajustar un modelo, el caso de Air Canada, cu\u00e1ndo conviene hacerlo en local con Ollama, c\u00f3mo montarlo sin programar y un ejercicio para probarlo con tus propios archivos.<\/p>\n\n<p class=\"has-text-align-center\"><strong>\u00bfQuieres correr la IA en tu computadora y conectarla a tus propios documentos?<\/strong><\/p>\n\n<div class=\"wp-block-buttons is-content-justification-center\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link has-black-color has-text-color has-background\" href=\"https:\/\/www.pulsiondigital.com\/curso\/ia-local-ollama\/\" style=\"background-color:#f0ec1d\"><strong>VER EL CURSO DE IA LOCAL CON OLLAMA<\/strong><\/a><\/div>\n<\/div>\n\n<div class=\"neolo-callout\" style=\"display:flex;gap:18px;align-items:center;flex-wrap:wrap;background:linear-gradient(135deg,#0b1f3a 0%,#14407a 100%);color:#ffffff;border-radius:14px;padding:20px 24px;margin:28px 0\">\n<div style=\"flex:1 1 280px\">\n<div style=\"font-size:12px;letter-spacing:.08em;text-transform:uppercase;font-weight:700;color:#f0ec1d\">Para llevarlo a la pr\u00e1ctica \u00b7 con Neolo<\/div>\n<div style=\"font-size:21px;line-height:1.25;font-weight:800;margin:6px 0 6px;color:#ffffff\">Un servidor propio para tus proyectos<\/div>\n<div style=\"font-size:16px;line-height:1.5;color:#e3ecfb\">\u00bfQuieres que todo tu equipo consulte los documentos internos con IA? Instala Ollama y tu RAG en un servidor propio y los datos siguen bajo tu control.<\/div>\n<\/div>\n<a href=\"https:\/\/www.neolo.com\/esp\/vps-hosting\/\" target=\"_blank\" rel=\"noopener\" style=\"background:#f0ec1d;color:#111111;font-weight:800;padding:13px 22px;border-radius:10px;text-decoration:none;white-space:nowrap;display:inline-block\">Ver servidores VPS \u2192<\/a>\n<\/div>\n\n\n\n<h2>Qu\u00e9 es RAG en inteligencia artificial, sin jerga<\/h2>\n\n<p>Piensa en la diferencia entre un examen de memoria y un examen a libro abierto. Un modelo de lenguaje \u00abnormal\u00bb, como el que hay detr\u00e1s de un chatbot, responde de memoria: usa lo que aprendi\u00f3 durante su entrenamiento. Si la respuesta no estaba en esos datos, o estaba pero cambi\u00f3, puede rellenar el hueco con algo que suena bien y es falso. Es lo que se conoce como <strong>alucinaci\u00f3n<\/strong>.<\/p>\n\n<p>Con RAG, el modelo hace el examen a libro abierto. Antes de contestar, un buscador revisa tus documentos (manuales, contratos, pol\u00edticas, notas, correos), elige los fragmentos m\u00e1s relacionados con la pregunta y se los entrega al modelo junto con una instrucci\u00f3n del tipo: \u00abresponde usando solo esta informaci\u00f3n y di de d\u00f3nde sale\u00bb. El modelo sigue redactando con su capacidad de lenguaje, pero ahora con los datos correctos delante.<\/p>\n\n<p>Si quieres repasar qu\u00e9 es exactamente un modelo de lenguaje antes de seguir, tienes nuestra gu\u00eda sobre <a href=\"https:\/\/www.pulsiondigital.com\/blog\/inteligencia-artificial-que-es\/\">qu\u00e9 es la inteligencia artificial<\/a>.<\/p>\n\n<h2>De d\u00f3nde viene el t\u00e9rmino RAG<\/h2>\n\n<p>El nombre viene del art\u00edculo <em>Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks<\/em>, de Patrick Lewis y otros once autores, publicado en mayo de 2020 y presentado en la conferencia NeurIPS 2020. El trabajo sali\u00f3 de Facebook AI Research, el laboratorio de investigaci\u00f3n en IA de la actual Meta.<\/p>\n\n<p>El punto de partida del art\u00edculo es el mismo problema que ves hoy en cualquier chatbot: los grandes modelos de lenguaje guardan conocimiento en sus par\u00e1metros, pero su capacidad para acceder a ese conocimiento y manipularlo con precisi\u00f3n es limitada. La propuesta fue combinar dos tipos de memoria:<\/p>\n\n<ul>\n<li><strong>Memoria param\u00e9trica:<\/strong> lo que el modelo aprendi\u00f3 en su entrenamiento.<\/li>\n<li><strong>Memoria no param\u00e9trica:<\/strong> un \u00edndice de documentos externos (en el art\u00edculo, Wikipedia) al que se accede con un buscador neuronal.<\/li>\n<\/ul>\n\n<p>Seg\u00fan los autores, los modelos RAG lograron resultados de vanguardia en preguntas de dominio abierto y generaron un lenguaje m\u00e1s espec\u00edfico y m\u00e1s ajustado a los hechos que los modelos que solo usaban su memoria interna. La idea se volvi\u00f3 tan \u00fatil que hoy \u00abRAG\u00bb se usa para casi cualquier sistema que combine b\u00fasqueda y generaci\u00f3n.<\/p>\n\n<h2>C\u00f3mo funciona RAG paso a paso<\/h2>\n\n<p>Un sistema RAG tiene dos fases: preparar los documentos (una vez) y responder (cada vez que preguntas).<\/p>\n\n<h3>Fase 1: preparar los documentos (indexar)<\/h3>\n<ol>\n<li><strong>Cargar.<\/strong> Se re\u00fanen los archivos: PDF, Word, p\u00e1ginas web, notas.<\/li>\n<li><strong>Trocear.<\/strong> Cada documento se divide en fragmentos (<em>chunks<\/em>) de unos pocos p\u00e1rrafos. As\u00ed el buscador puede encontrar la parte exacta y no el documento entero.<\/li>\n<li><strong>Convertir en vectores.<\/strong> Un modelo de embeddings transforma cada fragmento en una lista de n\u00fameros que representa su significado.<\/li>\n<li><strong>Guardar.<\/strong> Esos vectores se almacenan en una base de datos vectorial, junto con el texto original y de qu\u00e9 archivo sali\u00f3.<\/li>\n<\/ol>\n\n<h3>Fase 2: responder (recuperar y generar)<\/h3>\n<ol>\n<li><strong>Tu pregunta tambi\u00e9n se convierte en vector<\/strong> con el mismo modelo de embeddings.<\/li>\n<li><strong>B\u00fasqueda por similitud.<\/strong> La base de datos devuelve los fragmentos cuyo significado se parece m\u00e1s al de tu pregunta, aunque no usen las mismas palabras.<\/li>\n<li><strong>Aumentar el prompt.<\/strong> Esos fragmentos se insertan en el mensaje que recibe el modelo, junto con tu pregunta y la instrucci\u00f3n de basarse en ellos.<\/li>\n<li><strong>Generar.<\/strong> El modelo redacta la respuesta y, si est\u00e1 bien configurado, indica de qu\u00e9 documento sale cada dato.<\/li>\n<\/ol>\n\n<figure class=\"wp-block-image size-large\"><img src=\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-pasos.png\" alt=\"C\u00f3mo funciona RAG: la pregunta se convierte en vector, se buscan fragmentos parecidos, se agregan al prompt y el modelo responde citando\" width=\"1200\" height=\"572\" loading=\"lazy\" class=\"wp-image-5606\" srcset=\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-pasos.png 1200w, https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-pasos-300x143.png 300w, https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-pasos-1024x488.png 1024w, https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-pasos-768x366.png 768w\" sizes=\"(max-width: 1200px) 100vw, 1200px\" \/><figcaption>RAG en cuatro pasos: buscar antes de responder.<\/figcaption><\/figure>\n\n<h2>Embeddings y bases de datos vectoriales, explicados f\u00e1cil<\/h2>\n\n<p>Esta es la parte que m\u00e1s asusta y la m\u00e1s sencilla de entender con una imagen. Un <strong>embedding<\/strong> es como una direcci\u00f3n en un mapa de significados. Los textos que hablan de lo mismo quedan cerca, aunque usen palabras distintas: \u00ab\u00bfpuedo devolver el producto?\u00bb y \u00abpol\u00edtica de reembolsos\u00bb terminan en el mismo barrio del mapa.<\/p>\n\n<p>La documentaci\u00f3n de Ollama lo resume as\u00ed: los embeddings convierten texto en vectores num\u00e9ricos que puedes guardar en una base de datos vectorial, buscar por similitud y usar en sistemas RAG. Una <strong>base de datos vectorial<\/strong> es simplemente un almac\u00e9n optimizado para responder r\u00e1pido a la pregunta \u00ab\u00bfqu\u00e9 fragmentos est\u00e1n m\u00e1s cerca de este punto del mapa?\u00bb.<\/p>\n\n<p>La ventaja frente a una b\u00fasqueda por palabras clave es que entiende sin\u00f3nimos y par\u00e1frasis. La desventaja es que a veces trae fragmentos parecidos pero irrelevantes, por eso conviene revisar qu\u00e9 fuentes us\u00f3 la respuesta.<\/p>\n\n<h2>RAG frente a fine-tuning y frente a \u00abpegarlo todo en el prompt\u00bb<\/h2>\n\n<p>Hay tres formas habituales de darle a la IA informaci\u00f3n que no trae de f\u00e1brica. Esta tabla te ayuda a elegir:<\/p>\n\n<figure class=\"wp-block-table\"><table>\n<thead><tr><th>Enfoque<\/th><th>Qu\u00e9 hace<\/th><th>Ventajas<\/th><th>Limitaciones<\/th><th>\u00dasalo cuando<\/th><\/tr><\/thead>\n<tbody>\n<tr><td><strong>Pegar el documento en el prompt<\/strong><\/td><td>Copias el texto completo en la conversaci\u00f3n<\/td><td>Inmediato, sin montar nada<\/td><td>Solo sirve para pocos documentos; consume contexto<\/td><td>Tienes uno o dos archivos cortos<\/td><\/tr>\n<tr><td><strong>RAG<\/strong><\/td><td>Busca fragmentos relevantes y los entrega al modelo en cada pregunta<\/td><td>Escala a miles de documentos, se actualiza al instante, permite citar fuentes<\/td><td>Depende de que la b\u00fasqueda encuentre el fragmento correcto<\/td><td>Quieres consultar una base de conocimiento que cambia<\/td><\/tr>\n<tr><td><strong>Fine-tuning (ajuste fino)<\/strong><\/td><td>Reentrena el modelo con ejemplos propios<\/td><td>Cambia estilo, formato o comportamiento de forma estable<\/td><td>M\u00e1s caro y t\u00e9cnico; actualizar datos exige reentrenar; no cita fuentes<\/td><td>Quieres que el modelo escriba o se comporte de una forma concreta<\/td><\/tr>\n<\/tbody><\/table><\/figure>\n\n<p>Una regla pr\u00e1ctica: <strong>RAG para conocimiento, fine-tuning para comportamiento<\/strong>. Si lo que necesitas es que la IA sepa qu\u00e9 dice tu contrato o tu manual interno, casi siempre la respuesta es RAG.<\/p>\n\n<h2>Caso real: el chatbot de Air Canada y la pol\u00edtica inventada<\/h2>\n\n<p>En noviembre de 2022, tras la muerte de su abuela, Jake Moffatt consult\u00f3 el chatbot de la web de Air Canada sobre las tarifas por duelo. El chatbot le indic\u00f3 que pod\u00eda pedir ese descuento de forma retroactiva, despu\u00e9s de viajar. Moffatt compr\u00f3 los billetes a precio normal y luego solicit\u00f3 la diferencia. La aerol\u00ednea se neg\u00f3: su pol\u00edtica real, publicada en otra p\u00e1gina de la misma web, no admit\u00eda solicitudes una vez completado el viaje.<\/p>\n\n<p>En febrero de 2024, el Tribunal de Resoluci\u00f3n Civil de Columbia Brit\u00e1nica (Canad\u00e1) resolvi\u00f3 el caso <em>Moffatt v. Air Canada<\/em> a favor del pasajero. Air Canada argument\u00f3, en la pr\u00e1ctica, que el chatbot era responsable de sus propias acciones. El tribunal lo calific\u00f3 de \u00abargumento notable\u00bb y respondi\u00f3 que deber\u00eda ser obvio para la aerol\u00ednea que es responsable de toda la informaci\u00f3n de su web, venga de una p\u00e1gina est\u00e1tica o de un chatbot. La empresa tuvo que pagar 650,88 d\u00f3lares canadienses en concepto de da\u00f1os, m\u00e1s intereses y costas.<\/p>\n\n<p>\u00bfQu\u00e9 tiene que ver con RAG? El chatbot dio una respuesta que contradec\u00eda el documento oficial de la propia empresa. Un sistema bien dise\u00f1ado de recuperaci\u00f3n habr\u00eda buscado primero la pol\u00edtica de tarifas por duelo, la habr\u00eda puesto delante del modelo y le habr\u00eda pedido responder solo con base en ella y citarla. RAG no hace infalible a ninguna IA, pero ataca justo ese problema: <strong>que la respuesta salga de tus documentos y no de la imaginaci\u00f3n del modelo<\/strong>.<\/p>\n\n<h2>Para qu\u00e9 sirve RAG: usos concretos<\/h2>\n\n<ul>\n<li><strong>Atenci\u00f3n al cliente:<\/strong> respuestas basadas en las pol\u00edticas y manuales vigentes, con enlace a la fuente.<\/li>\n<li><strong>Documentaci\u00f3n interna:<\/strong> \u00ab\u00bfc\u00f3mo se pide un reembolso de gastos?\u00bb respondido con el procedimiento actual de la empresa.<\/li>\n<li><strong>Contratos y documentos legales:<\/strong> localizar cl\u00e1usulas, plazos y obligaciones en decenas de archivos.<\/li>\n<li><strong>Investigaci\u00f3n y estudio:<\/strong> preguntar a tu biblioteca de art\u00edculos o apuntes y obtener respuestas con referencias.<\/li>\n<li><strong>Soporte t\u00e9cnico:<\/strong> buscar en manuales de producto y registros de incidencias anteriores.<\/li>\n<li><strong>Agentes de IA:<\/strong> un <a href=\"https:\/\/www.pulsiondigital.com\/blog\/que-es-un-agente-de-ia\/\">agente<\/a> que necesita consultar informaci\u00f3n antes de actuar suele usar un paso de recuperaci\u00f3n.<\/li>\n<\/ul>\n\n<p>Herramientas como Gemini Notebook, la antigua <a href=\"https:\/\/www.pulsiondigital.com\/blog\/como-usar-notebooklm\/\">NotebookLM<\/a>, aplican esta misma l\u00f3gica en la nube: subes tus fuentes y el asistente responde cit\u00e1ndolas. La pregunta es qu\u00e9 pasa cuando esas fuentes no deber\u00edan salir de tu equipo.<\/p>\n\n<h2>Por qu\u00e9 hacer RAG en local: tus documentos no salen de tu computadora<\/h2>\n\n<p>Cuando usas un chatbot en la nube con tus archivos, esos archivos viajan a los servidores del proveedor. Para muchas tareas no es un problema, pero hay documentos que preferir\u00edas no subir: contratos con clientes, historiales m\u00e9dicos, datos financieros, informaci\u00f3n de empleados o cualquier cosa protegida por acuerdos de confidencialidad.<\/p>\n\n<p>Con un <a href=\"https:\/\/www.pulsiondigital.com\/blog\/que-es-un-llm-local\/\">LLM local<\/a>, el modelo corre en tu propia computadora. Si adem\u00e1s el modelo de embeddings y la base de datos vectorial tambi\u00e9n est\u00e1n en tu equipo, <strong>todo el circuito RAG ocurre sin conexi\u00f3n<\/strong>: tus documentos se indexan, se buscan y se resumen sin salir de tu disco.<\/p>\n\n<figure class=\"wp-block-table\"><table>\n<thead><tr><th>Criterio<\/th><th>RAG en la nube<\/th><th>RAG en local<\/th><\/tr><\/thead>\n<tbody>\n<tr><td>Privacidad<\/td><td>Los documentos se env\u00edan al proveedor<\/td><td>Los documentos no salen de tu equipo<\/td><\/tr>\n<tr><td>Calidad del modelo<\/td><td>Modelos m\u00e1s grandes y capaces<\/td><td>Depende de tu hardware; modelos m\u00e1s peque\u00f1os<\/td><\/tr>\n<tr><td>Costo<\/td><td>Suscripci\u00f3n o pago por uso<\/td><td>Sin costo por consulta; usas tu computadora<\/td><\/tr>\n<tr><td>Puesta en marcha<\/td><td>Inmediata<\/td><td>Requiere instalar y configurar<\/td><\/tr>\n<tr><td>Funciona sin internet<\/td><td>No<\/td><td>S\u00ed<\/td><\/tr>\n<tr><td>Ideal para<\/td><td>Documentos p\u00fablicos o poco sensibles<\/td><td>Contratos, datos personales, informaci\u00f3n confidencial<\/td><\/tr>\n<\/tbody><\/table><\/figure>\n\n<p>No es todo o nada: muchas personas combinan ambos mundos y usan la nube para lo general y lo local para lo sensible.<\/p>\n\n<h2>C\u00f3mo montar un RAG local con Ollama (sin programar)<\/h2>\n\n<p><a href=\"https:\/\/www.pulsiondigital.com\/blog\/como-instalar-ollama\/\">Ollama<\/a> es la forma m\u00e1s sencilla de correr modelos en tu computadora, y su documentaci\u00f3n incluye soporte para embeddings (en sus ejemplos usa el modelo <code>embeddinggemma<\/code>). Para tener una interfaz tipo chat con tus documentos, una opci\u00f3n popular es Open WebUI, que se conecta a Ollama.<\/p>\n\n<h3>1. Instala Ollama y descarga dos modelos<\/h3>\n<p>Uno para conversar y otro para embeddings. Desde la terminal, por ejemplo: <code>ollama pull embeddinggemma<\/code> y un modelo de chat que tu equipo pueda mover con soltura. Si no sabes cu\u00e1l elegir seg\u00fan tu memoria RAM, revisa nuestra comparativa <a href=\"https:\/\/www.pulsiondigital.com\/blog\/ollama-vs-lm-studio\/\">Ollama vs LM Studio<\/a>.<\/p>\n\n<h3>2. Instala una interfaz visual<\/h3>\n<p>Open WebUI ofrece una pantalla de chat en el navegador conectada a tus modelos locales. Seg\u00fan su documentaci\u00f3n, puedes subir archivos a una conversaci\u00f3n o crear una base de conocimiento reutilizable en <strong>Workspace &gt; Knowledge<\/strong>.<\/p>\n\n<h3>3. Carga tus documentos<\/h3>\n<p>Crea una base de conocimiento (por ejemplo, \u00abContratos 2026\u00bb) y sube los archivos. La herramienta los trocea, calcula los embeddings y los guarda en su base vectorial.<\/p>\n\n<h3>4. Pregunta citando la base<\/h3>\n<p>En el chat, escribe <code>#<\/code> y elige la base de conocimiento o el documento, como indica la documentaci\u00f3n de Open WebUI. Despu\u00e9s haz tu pregunta: \u00ab\u00bfQu\u00e9 plazo de preaviso tiene el contrato con el proveedor X?\u00bb.<\/p>\n\n<h3>5. Comprueba las fuentes<\/h3>\n<p>Revisa los fragmentos citados. Si la respuesta no coincide con el documento, el problema suele estar en la b\u00fasqueda (fragmentos mal cortados o pregunta ambigua), no en el modelo.<\/p>\n\n<h3>Y si quieres programarlo<\/h3>\n<p>Ollama expone una API local: el endpoint <code>\/api\/embed<\/code> en <code>http:\/\/localhost:11434<\/code> devuelve los vectores de cualquier texto. Con unas decenas de l\u00edneas de <a href=\"https:\/\/www.pulsiondigital.com\/blog\/que-es-python-para-que-sirve\/\">Python<\/a> puedes construir tu propio RAG, y con un agente como Claude Code puedes pedir que te ayude a escribirlo y explicarlo paso a paso.<\/p>\n\n<figure class=\"wp-block-image size-large\"><img src=\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-local.png\" alt=\"Comparaci\u00f3n entre un chatbot que responde de memoria y uno con RAG local que consulta tus documentos sin enviarlos a la nube\" width=\"1200\" height=\"517\" loading=\"lazy\" class=\"wp-image-5607\" srcset=\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-local.png 1200w, https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-local-300x129.png 300w, https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-local-1024x441.png 1024w, https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/que-es-rag-inteligencia-artificial-local-768x331.png 768w\" sizes=\"(max-width: 1200px) 100vw, 1200px\" \/><figcaption>Responder de memoria o a libro abierto, y sin que tus archivos salgan de tu equipo.<\/figcaption><\/figure>\n\n<h2>Errores comunes y l\u00edmites de RAG<\/h2>\n\n<ul>\n<li><strong>Creer que elimina las alucinaciones.<\/strong> Las reduce, no las hace desaparecer. El modelo todav\u00eda puede malinterpretar un fragmento o mezclar dos.<\/li>\n<li><strong>Documentos desordenados.<\/strong> Si tu base tiene tres versiones del mismo manual, la IA puede citar la vieja. Mant\u00e9n una sola versi\u00f3n vigente.<\/li>\n<li><strong>Fragmentos mal cortados.<\/strong> Si una tabla queda partida en dos fragmentos, la respuesta saldr\u00e1 incompleta. Los PDF escaneados sin texto seleccionable directamente no se pueden indexar sin pasarlos antes por reconocimiento de texto.<\/li>\n<li><strong>Preguntas demasiado vagas.<\/strong> \u00abH\u00e1blame del contrato\u00bb trae fragmentos al azar. \u00ab\u00bfQu\u00e9 penalizaci\u00f3n hay por cancelar antes de 12 meses?\u00bb trae el correcto.<\/li>\n<li><strong>No pedir citas.<\/strong> Pide siempre que indique de qu\u00e9 documento sale cada dato. Si no puede citarlo, desconf\u00eda.<\/li>\n<li><strong>Contexto corto en modelos locales.<\/strong> Los modelos locales pueden trabajar con ventanas de contexto peque\u00f1as por defecto; si los fragmentos recuperados no caben, se pierde informaci\u00f3n. Revisa esa configuraci\u00f3n en tu herramienta.<\/li>\n<\/ul>\n\n<p>Escribir bien la pregunta importa tanto como el sistema. Si quieres afinar esa parte, mira nuestra gu\u00eda sobre <a href=\"https:\/\/www.pulsiondigital.com\/blog\/que-es-un-prompt-guia-ejemplos\/\">qu\u00e9 es un prompt<\/a>.<\/p>\n\n<h2>Ejercicio pr\u00e1ctico: tu primer \u00abchatea con tus documentos\u00bb<\/h2>\n\n<figure class=\"wp-block-table\"><table>\n<thead><tr><th>Paso<\/th><th>Qu\u00e9 haces<\/th><th>Qu\u00e9 observas<\/th><\/tr><\/thead>\n<tbody>\n<tr><td>1<\/td><td>Elige 5 documentos que conozcas bien (por ejemplo, contratos, manuales o tus apuntes).<\/td><td>As\u00ed podr\u00e1s detectar si la IA se equivoca.<\/td><\/tr>\n<tr><td>2<\/td><td>Escribe 10 preguntas cuya respuesta sepas y anota en qu\u00e9 documento y p\u00e1gina est\u00e1.<\/td><td>Es tu \u00abexamen de control\u00bb.<\/td><\/tr>\n<tr><td>3<\/td><td>Haz las 10 preguntas a un modelo local <strong>sin<\/strong> documentos.<\/td><td>Cu\u00e1ntas inventa o deja sin responder.<\/td><\/tr>\n<tr><td>4<\/td><td>Carga los 5 documentos en una base de conocimiento y repite las preguntas.<\/td><td>Cu\u00e1ntas acierta y si cita la fuente correcta.<\/td><\/tr>\n<tr><td>5<\/td><td>Reformula las preguntas que fall\u00f3 para que sean m\u00e1s concretas.<\/td><td>Cu\u00e1nto mejora con preguntas precisas.<\/td><\/tr>\n<tr><td>6<\/td><td>Anota tus conclusiones: qu\u00e9 tipo de pregunta funciona y cu\u00e1l no.<\/td><td>Tu propia gu\u00eda de uso.<\/td><\/tr>\n<\/tbody><\/table><\/figure>\n\n<p>Este peque\u00f1o experimento vale m\u00e1s que cualquier explicaci\u00f3n: vas a ver con tus propios ojos la diferencia entre una IA que responde de memoria y una que consulta antes de hablar.<\/p>\n\n<h2>C\u00f3mo lo aprendes en Pulsi\u00f3n Digital<\/h2>\n\n<p>En Pulsi\u00f3n Digital creemos que la IA es m\u00e1s \u00fatil cuando t\u00fa controlas d\u00f3nde vive y qu\u00e9 datos ve. El curso <a href=\"https:\/\/www.pulsiondigital.com\/curso\/ia-local-ollama\/\">IA Local con Ollama<\/a> te lleva desde la instalaci\u00f3n hasta un sistema integrado en tu trabajo diario:<\/p>\n\n<ul>\n<li>Por qu\u00e9 correr un modelo de IA en tu propia computadora.<\/li>\n<li>Instalar Ollama paso a paso y correr tu primer modelo.<\/li>\n<li>El tama\u00f1o del modelo y el hardware que necesitas.<\/li>\n<li>Usar el modelo local desde una interfaz visual, no solo la terminal.<\/li>\n<li>Conectar el modelo local a tus propios documentos.<\/li>\n<li>Cu\u00e1ndo conviene lo local y cu\u00e1ndo seguir con la nube.<\/li>\n<\/ul>\n\n<p>Lo haces <strong>a tu propio ritmo<\/strong>, con <strong>examen en cada clase<\/strong>, un <strong>tutor con IA<\/strong> que te ayuda cuando algo no funciona en tu equipo, una <strong>comunidad<\/strong> de personas con intereses parecidos y <strong>certificado<\/strong> al terminar.<\/p>\n\n<div class=\"wp-block-buttons is-content-justification-center\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link has-black-color has-text-color has-background\" href=\"https:\/\/www.pulsiondigital.com\/curso\/ia-local-ollama\/\" style=\"background-color:#f0ec1d\"><strong>QUIERO CONOCER EL CURSO<\/strong><\/a><\/div>\n<\/div>\n\n<p>Si quieres programar tu propio RAG, el curso de <a href=\"https:\/\/www.pulsiondigital.com\/curso\/python-con-ia\/\">Python con IA<\/a> te da las bases. Y si te interesa convertirlo en un agente que trabaje solo, el de <a href=\"https:\/\/www.pulsiondigital.com\/curso\/claude-code-agentes-ia\/\">Claude Code<\/a> es el siguiente paso.<\/p>\n\n<h2>Preguntas frecuentes sobre RAG<\/h2>\n\n<h3>\u00bfQu\u00e9 significa RAG en inteligencia artificial?<\/h3>\n<p>Significa Retrieval-Augmented Generation, en espa\u00f1ol generaci\u00f3n aumentada por recuperaci\u00f3n. Es una t\u00e9cnica en la que la IA busca primero informaci\u00f3n relevante en documentos y luego redacta la respuesta bas\u00e1ndose en ella.<\/p>\n\n<h3>\u00bfPara qu\u00e9 sirve RAG?<\/h3>\n<p>Sirve para que un modelo de lenguaje responda con informaci\u00f3n de tus documentos, privada o actualizada, en lugar de depender solo de su entrenamiento. Reduce las respuestas inventadas y permite citar las fuentes.<\/p>\n\n<h3>\u00bfCu\u00e1l es la diferencia entre RAG y fine-tuning?<\/h3>\n<p>RAG le da al modelo informaci\u00f3n externa en cada consulta, sin modificarlo. El fine-tuning reentrena el modelo con ejemplos propios. RAG es mejor para conocimiento que cambia; el fine-tuning, para ajustar estilo o comportamiento.<\/p>\n\n<h3>\u00bfRAG elimina las alucinaciones de la IA?<\/h3>\n<p>No las elimina, pero las reduce mucho, porque el modelo responde con los fragmentos encontrados delante. Conviene pedir siempre que cite la fuente y revisarla.<\/p>\n\n<h3>\u00bfSe puede hacer RAG con Ollama en mi computadora?<\/h3>\n<p>S\u00ed. Ollama permite correr un modelo de chat y uno de embeddings en local, y herramientas como Open WebUI a\u00f1aden una interfaz para subir documentos y preguntar sobre ellos sin enviarlos a la nube.<\/p>\n\n<h3>\u00bfQui\u00e9n invent\u00f3 RAG?<\/h3>\n<p>El t\u00e9rmino se populariz\u00f3 con el art\u00edculo de Patrick Lewis y otros once autores, surgido de Facebook AI Research, publicado en 2020 y presentado en la conferencia NeurIPS 2020.<\/p>\n\n<h2>Conclusi\u00f3n<\/h2>\n\n<p>RAG es, en el fondo, una idea de sentido com\u00fan aplicada a la IA: <strong>antes de responder, consulta<\/strong>. En lugar de fiarse de lo que el modelo recuerda, el sistema busca en tus documentos, le entrega los fragmentos relevantes y le pide que responda con ellos y cite de d\u00f3nde salen. El caso de Air Canada muestra lo que cuesta un chatbot que contradice los documentos de su propia empresa. Y hacerlo en local con Ollama te permite aplicar esta t\u00e9cnica a contratos y datos sensibles sin que salgan de tu computadora. Haz el ejercicio con cinco documentos que conozcas y vas a entender, en una tarde, por qu\u00e9 RAG se volvi\u00f3 una de las t\u00e9cnicas m\u00e1s usadas de la IA aplicada.<\/p>\n\n<h2>Fuentes consultadas<\/h2>\n\n<ul>\n<li>Lewis, P. et al. (2020). <a href=\"https:\/\/arxiv.org\/abs\/2005.11401\" target=\"_blank\" rel=\"noopener nofollow\">Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks<\/a>. NeurIPS 2020.<\/li>\n<li>Sookman, B. (16 de febrero de 2024). <a href=\"https:\/\/barrysookman.com\/2024\/02\/16\/moffatt-v-air-canada-a-misrepresentation-by-an-ai-chatbot\/\" target=\"_blank\" rel=\"noopener nofollow\">Moffatt v. Air Canada: a misrepresentation by an AI chatbot<\/a> (reproduce la decisi\u00f3n 2024 BCCRT 149).<\/li>\n<li>Mondaq. <a href=\"https:\/\/www.mondaq.com\/canada\/trials-appeals-compensation\/1430132\/whose-responsibility-is-it-anyway-chatbots-and-legal-issues-in-moffatt-v-air-canada\" target=\"_blank\" rel=\"noopener nofollow\">Whose responsibility is it anyway? Chatbots and legal issues in Moffatt v. Air Canada<\/a>.<\/li>\n<li>Ollama. <a href=\"https:\/\/docs.ollama.com\/capabilities\/embeddings\" target=\"_blank\" rel=\"noopener nofollow\">Embeddings<\/a>. Documentaci\u00f3n oficial.<\/li>\n<li>Open WebUI. <a href=\"https:\/\/docs.openwebui.com\/features\/chat-conversations\/rag\/\" target=\"_blank\" rel=\"noopener nofollow\">Retrieval Augmented Generation (RAG)<\/a>. Documentaci\u00f3n oficial.<\/li>\n<\/ul>\n\n<script type=\"application\/ld+json\">{\"@context\":\"https:\/\/schema.org\",\"@type\":\"FAQPage\",\"mainEntity\":[\n{\"@type\":\"Question\",\"name\":\"\u00bfQu\u00e9 significa RAG en inteligencia artificial?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Significa Retrieval-Augmented Generation, en espa\u00f1ol generaci\u00f3n aumentada por recuperaci\u00f3n. Es una t\u00e9cnica en la que la IA busca primero informaci\u00f3n relevante en documentos y luego redacta la respuesta bas\u00e1ndose en ella.\"}},\n{\"@type\":\"Question\",\"name\":\"\u00bfPara qu\u00e9 sirve RAG?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"Sirve para que un modelo de lenguaje responda con informaci\u00f3n de tus documentos, privada o actualizada, en lugar de depender solo de su entrenamiento. Reduce las respuestas inventadas y permite citar las fuentes.\"}},\n{\"@type\":\"Question\",\"name\":\"\u00bfCu\u00e1l es la diferencia entre RAG y fine-tuning?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"RAG le da al modelo informaci\u00f3n externa en cada consulta, sin modificarlo. El fine-tuning reentrena el modelo con ejemplos propios. RAG es mejor para conocimiento que cambia; el fine-tuning, para ajustar estilo o comportamiento.\"}},\n{\"@type\":\"Question\",\"name\":\"\u00bfRAG elimina las alucinaciones de la IA?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"No las elimina, pero las reduce mucho, porque el modelo responde con los fragmentos encontrados delante. Conviene pedir siempre que cite la fuente y revisarla.\"}},\n{\"@type\":\"Question\",\"name\":\"\u00bfSe puede hacer RAG con Ollama en mi computadora?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"S\u00ed. Ollama permite correr un modelo de chat y uno de embeddings en local, y herramientas como Open WebUI a\u00f1aden una interfaz para subir documentos y preguntar sobre ellos sin enviarlos a la nube.\"}},\n{\"@type\":\"Question\",\"name\":\"\u00bfQui\u00e9n invent\u00f3 RAG?\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"El t\u00e9rmino se populariz\u00f3 con el art\u00edculo de Patrick Lewis y otros once autores, surgido de Facebook AI Research, publicado en 2020 y presentado en la conferencia NeurIPS 2020.\"}}\n]}<\/script>\n","protected":false},"excerpt":{"rendered":"<p>Qu\u00e9 es RAG en inteligencia artificial, explicado sin jerga: c\u00f3mo funciona, diferencia con fine-tuning, el caso Air Canada y c\u00f3mo chatear con tus documentos en local.<\/p>\n","protected":false},"author":2,"featured_media":5608,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[45],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v18.3 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local - Pulsi\u00f3n Digital<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local - Pulsi\u00f3n Digital\" \/>\n<meta property=\"og:description\" content=\"Qu\u00e9 es RAG en inteligencia artificial, explicado sin jerga: c\u00f3mo funciona, diferencia con fine-tuning, el caso Air Canada y c\u00f3mo chatear con tus documentos en local.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/\" \/>\n<meta property=\"og:site_name\" content=\"Pulsi\u00f3n Digital\" \/>\n<meta property=\"article:published_time\" content=\"2026-11-18T07:00:00+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/cover-que-es-rag-inteligencia-artificial.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"630\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@pulsiondigital\" \/>\n<meta name=\"twitter:site\" content=\"@pulsiondigital\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Editor Pulsi\u00f3n Digital\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"16 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#organization\",\"name\":\"Pulsi\u00f3n Digital\",\"url\":\"https:\/\/www.pulsiondigital.com\/blog\/\",\"sameAs\":[\"https:\/\/www.instagram.com\/pulsiondigital\/?hl=es\",\"https:\/\/www.linkedin.com\/company\/pulsion-digital\/\",\"https:\/\/www.youtube.com\/channel\/UCLJMxu6u_zj5hR4hADOnU4w\",\"https:\/\/twitter.com\/pulsiondigital\"],\"logo\":{\"@type\":\"ImageObject\",\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#logo\",\"inLanguage\":\"es\",\"url\":\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2022\/03\/logo_pd_amarillo.png\",\"contentUrl\":\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2022\/03\/logo_pd_amarillo.png\",\"width\":397,\"height\":297,\"caption\":\"Pulsi\u00f3n Digital\"},\"image\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#logo\"}},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#website\",\"url\":\"https:\/\/www.pulsiondigital.com\/blog\/\",\"name\":\"Pulsi\u00f3n Digital\",\"description\":\"Blog\",\"publisher\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.pulsiondigital.com\/blog\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"ImageObject\",\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#primaryimage\",\"inLanguage\":\"es\",\"url\":\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/cover-que-es-rag-inteligencia-artificial.png\",\"contentUrl\":\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/cover-que-es-rag-inteligencia-artificial.png\",\"width\":1200,\"height\":630,\"caption\":\"Qu\u00e9 es RAG en inteligencia artificial: la IA que consulta tus documentos antes de responder\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#webpage\",\"url\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/\",\"name\":\"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local - Pulsi\u00f3n Digital\",\"isPartOf\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#primaryimage\"},\"datePublished\":\"2026-11-18T07:00:00+00:00\",\"dateModified\":\"2026-11-18T07:00:00+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\/\/www.pulsiondigital.com\/blog\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local\"}]},{\"@type\":\"Article\",\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#webpage\"},\"author\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#\/schema\/person\/5a476d2ae1a6db0b67d6152618c5c3f8\"},\"headline\":\"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local\",\"datePublished\":\"2026-11-18T07:00:00+00:00\",\"dateModified\":\"2026-11-18T07:00:00+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#webpage\"},\"wordCount\":3144,\"publisher\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#organization\"},\"image\":{\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/cover-que-es-rag-inteligencia-artificial.png\",\"articleSection\":[\"Inteligencia artificial\"],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#\/schema\/person\/5a476d2ae1a6db0b67d6152618c5c3f8\",\"name\":\"Editor Pulsi\u00f3n Digital\",\"image\":{\"@type\":\"ImageObject\",\"@id\":\"https:\/\/www.pulsiondigital.com\/blog\/#personlogo\",\"inLanguage\":\"es\",\"url\":\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/08\/pulsion_digital_logo-150x150.jpeg\",\"contentUrl\":\"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/08\/pulsion_digital_logo-150x150.jpeg\",\"caption\":\"Editor Pulsi\u00f3n Digital\"},\"description\":\"Pulsi\u00f3n Digital https:\/\/www.pulsiondigital.com\",\"sameAs\":[\"https:\/\/www.pulsiondigital.com\/\"],\"url\":\"https:\/\/www.pulsiondigital.com\/blog\/author\/estebanneolo-net\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local - Pulsi\u00f3n Digital","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/","og_locale":"es_ES","og_type":"article","og_title":"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local - Pulsi\u00f3n Digital","og_description":"Qu\u00e9 es RAG en inteligencia artificial, explicado sin jerga: c\u00f3mo funciona, diferencia con fine-tuning, el caso Air Canada y c\u00f3mo chatear con tus documentos en local.","og_url":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/","og_site_name":"Pulsi\u00f3n Digital","article_published_time":"2026-11-18T07:00:00+00:00","og_image":[{"width":1200,"height":630,"url":"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/cover-que-es-rag-inteligencia-artificial.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_creator":"@pulsiondigital","twitter_site":"@pulsiondigital","twitter_misc":{"Escrito por":"Editor Pulsi\u00f3n Digital","Tiempo de lectura":"16 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Organization","@id":"https:\/\/www.pulsiondigital.com\/blog\/#organization","name":"Pulsi\u00f3n Digital","url":"https:\/\/www.pulsiondigital.com\/blog\/","sameAs":["https:\/\/www.instagram.com\/pulsiondigital\/?hl=es","https:\/\/www.linkedin.com\/company\/pulsion-digital\/","https:\/\/www.youtube.com\/channel\/UCLJMxu6u_zj5hR4hADOnU4w","https:\/\/twitter.com\/pulsiondigital"],"logo":{"@type":"ImageObject","@id":"https:\/\/www.pulsiondigital.com\/blog\/#logo","inLanguage":"es","url":"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2022\/03\/logo_pd_amarillo.png","contentUrl":"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2022\/03\/logo_pd_amarillo.png","width":397,"height":297,"caption":"Pulsi\u00f3n Digital"},"image":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/#logo"}},{"@type":"WebSite","@id":"https:\/\/www.pulsiondigital.com\/blog\/#website","url":"https:\/\/www.pulsiondigital.com\/blog\/","name":"Pulsi\u00f3n Digital","description":"Blog","publisher":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.pulsiondigital.com\/blog\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"ImageObject","@id":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#primaryimage","inLanguage":"es","url":"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/cover-que-es-rag-inteligencia-artificial.png","contentUrl":"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/cover-que-es-rag-inteligencia-artificial.png","width":1200,"height":630,"caption":"Qu\u00e9 es RAG en inteligencia artificial: la IA que consulta tus documentos antes de responder"},{"@type":"WebPage","@id":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#webpage","url":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/","name":"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local - Pulsi\u00f3n Digital","isPartOf":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#primaryimage"},"datePublished":"2026-11-18T07:00:00+00:00","dateModified":"2026-11-18T07:00:00+00:00","breadcrumb":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/www.pulsiondigital.com\/blog\/"},{"@type":"ListItem","position":2,"name":"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local"}]},{"@type":"Article","@id":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#article","isPartOf":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#webpage"},"author":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/#\/schema\/person\/5a476d2ae1a6db0b67d6152618c5c3f8"},"headline":"Qu\u00e9 es RAG en inteligencia artificial y c\u00f3mo usarlo en local","datePublished":"2026-11-18T07:00:00+00:00","dateModified":"2026-11-18T07:00:00+00:00","mainEntityOfPage":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#webpage"},"wordCount":3144,"publisher":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/#organization"},"image":{"@id":"https:\/\/www.pulsiondigital.com\/blog\/que-es-rag-inteligencia-artificial\/#primaryimage"},"thumbnailUrl":"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/11\/cover-que-es-rag-inteligencia-artificial.png","articleSection":["Inteligencia artificial"],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/www.pulsiondigital.com\/blog\/#\/schema\/person\/5a476d2ae1a6db0b67d6152618c5c3f8","name":"Editor Pulsi\u00f3n Digital","image":{"@type":"ImageObject","@id":"https:\/\/www.pulsiondigital.com\/blog\/#personlogo","inLanguage":"es","url":"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/08\/pulsion_digital_logo-150x150.jpeg","contentUrl":"https:\/\/www.pulsiondigital.com\/blog\/wp-content\/uploads\/2026\/08\/pulsion_digital_logo-150x150.jpeg","caption":"Editor Pulsi\u00f3n Digital"},"description":"Pulsi\u00f3n Digital https:\/\/www.pulsiondigital.com","sameAs":["https:\/\/www.pulsiondigital.com\/"],"url":"https:\/\/www.pulsiondigital.com\/blog\/author\/estebanneolo-net\/"}]}},"_links":{"self":[{"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/posts\/5609"}],"collection":[{"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/comments?post=5609"}],"version-history":[{"count":0,"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/posts\/5609\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/media\/5608"}],"wp:attachment":[{"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/media?parent=5609"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/categories?post=5609"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.pulsiondigital.com\/blog\/wp-json\/wp\/v2\/tags?post=5609"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}