← Todos los temas

Artículos: RAG

19 artículos y 1 vídeo sobre este tema.

Reranker en RAG: qué es el reranking y el cross-encoderConceptos

Reranker en RAG: qué es el reranking y el cross-encoder

Un reranker reordena los pasajes que encuentra un RAG antes de pasarlos al LLM. Cross-encoder, bi-encoder, RRF, coste y latencia: cuándo compensa usarlo.

Evaluación y auditoría de un RAG: mejorarlo o sustituirloGuía

Evaluación y auditoría de un RAG: mejorarlo o sustituirlo

¿Tu RAG interno decepciona? Plantilla de auditoría en 7 capas, pruebas para tu herramienta, método de evaluación RAG y criterios para mejorarlo o sustituirlo.

¿Qué es un Forward Deployed Engineer (FDE)? SignificadoConceptos

¿Qué es un Forward Deployed Engineer (FDE)? Significado

Qué es un Forward Deployed Engineer (FDE): un ingeniero de software que trabaja en casa del cliente. Origen en Palantir, funciones, salarios y diferencias.

10 min
M&A data room e IA: Datasite, Intralinks, iDeals y MCPGuía

M&A data room e IA: Datasite, Intralinks, iDeals y MCP

Usar la propia IA en la data room de M&A de Datasite, Intralinks o iDeals: IA integrada, MCP o acceso a los archivos. Lo que permite cada una y sus límites.

8 min
Agentic search en due diligence: encontrar el documento correctoConceptos

Agentic search en due diligence: encontrar el documento correcto

En FinanceBench, un mismo modelo pasa del 27 % al 86 % de aciertos según el software que busca. En due diligence, el reto es encontrar el documento correcto.

8 min
Agentic RAG: ¿cuántos documentos puede tratar un RAG?Conceptos

Agentic RAG: ¿cuántos documentos puede tratar un RAG?

Un RAG casero se queda en unos pocos miles de documentos por agente, menos si se parecen. Un agentic RAG que filtra antes de buscar trata más de 100.000.

Mistral OCR: dividir la factura por 10 con open weightGuía

Mistral OCR: dividir la factura por 10 con open weight

Mistral OCR cuesta 4 $ por cada 1.000 páginas. Un OCR open weight en una GPU europea baja a 0,15 $ y sigue siendo soberano. Benchmark, umbral y trampas.

11 min
Reranking RAG con Jev: nuestro uso real en producciónGuía

Reranking RAG con Jev: nuestro uso real en producción

Jev como reranker en un RAG: nuestro uso en producción del modelo de TypeSafe, notas asignadas, extractos conservados, tiempo de respuesta y coste.

8 min
Cómo funciona la IA: 10 conceptos antes de firmarGuía

Cómo funciona la IA: 10 conceptos antes de firmar

¿Cómo funciona la IA? Red neuronal, token, entrenamiento, fine-tuning, alucinación, LLMOps: los conceptos que explican adónde va tu presupuesto de IA.

25 min
Hybrid search: las 6 formas de encontrar informaciónConceptos

Hybrid search: las 6 formas de encontrar información

Hybrid search explicada: búsqueda semántica, palabras clave, herramientas de negocio, consulta a base de datos, catálogo y tratamiento a medida para un agente.

Chatbot interno de empresa: cómo plantear bien el proyectoGuía

Chatbot interno de empresa: cómo plantear bien el proyecto

Chatbot interno de empresa: para qué sirve realmente, en qué se diferencia de un chatbot web, los errores habituales y las condiciones para que funcione.

Gestión del conocimiento: por qué fracasa y qué cambia la IAGuía

Gestión del conocimiento: por qué fracasa y qué cambia la IA

Por qué fracasa tan a menudo la gestión del conocimiento en las empresas, qué cambia de verdad la IA y qué no cambiará nunca. Con un caso práctico.

SLA de IA en la empresa: un solo proveedor de IA no bastaGuía

SLA de IA en la empresa: un solo proveedor de IA no basta

Por qué un solo proveedor no basta para un SLA de IA en la empresa: compromisos comparados, LLM gateway multiproveedor y fallback para RAG y asistentes de IA.

IA y productividad: 6 mejoras concretas en la empresaGuía

IA y productividad: 6 mejoras concretas en la empresa

IA y productividad: 6 mejoras concretas que una IA contextualizada con RAG aporta a una empresa al estructurar y compartir mejor su conocimiento interno.

RAG pipeline: 5 errores que llegan después del POCGuía

RAG pipeline: 5 errores que llegan después del POC

Un RAG pipeline se prototipa rápido; convertirlo en un producto útil y estable es otra historia. Los 5 errores más habituales en producción y cómo anticiparlos.

IA para bases de datos: tus datos son una mina de oroProducto

IA para bases de datos: tus datos son una mina de oro

IA para bases de datos: tus datos de referencia son fiables pero difíciles de consultar. La IA los interroga en lenguaje natural y los cruza con tus documentos.

3 min
LLM local en la empresa: lo que permiten de verdad 60.000 €IA

LLM local en la empresa: lo que permiten de verdad 60.000 €

LLM local y RAG on premise en 2026: precio de las GPU, memoria por modelo, coste total y umbral de rentabilidad frente al mismo modelo por API, en cifras.

14 min
Build your agents in a few clicksDemo3:41

Build your agents in a few clicks

Deploy an enterprise chatbot in 3 minutes.

Embeddings: lo que nos enseñó una demo fallidaConceptos

Embeddings: lo que nos enseñó una demo fallida

API de embeddings lentas y dependencia de un proveedor: nuestra experiencia en producción y por qué ATG llama en paralelo a Qwen 3 Embedding 8B.

4 min
RAG en IA: qué es y cómo conectar un LLM a tus documentosTutorial

RAG en IA: qué es y cómo conectar un LLM a tus documentos

¿Qué es el RAG en IA? Retrieval Augmented Generation explicado: funcionamiento, elección del LLM, búsqueda híbrida, RAG agéntico y experiencia en producción.