Glosario · técnica
RAG (generación con recuperación)
RAG combina búsqueda y generación: el sistema recupera documentos, selecciona candidatos y redacta la respuesta con fuentes. Que una página sea recuperable no significa que vaya a ser citada.
- 3
- Etapas del proceso RAG
- Recuento editorial de esta ficha: recuperación, selección y generación
- Recuento editorial de esta ficha: recuperacion, seleccion y generacion, descritas en el apartado de funcionamiento.
- 2
- Estados que no deben mezclarse
- Recuento editorial de esta ficha: recuperado y citado se registran por separado
- Recuento editorial de esta ficha: recuperado y citado se registran por separado, como explica la ficha.
Cómo funciona RAG
RAG funciona encadenando tres etapas: recuperación, selección y generación. Primero el sistema localiza documentos candidatos ante una consulta; después selecciona o reordena los más pertinentes; finalmente redacta la respuesta usando esos documentos como contexto. Google describe esta combinación de fuentes adicionales con el conocimiento previo del modelo como una forma de enriquecer el contexto y responder con más precisión documentación de RAG Engine. SAGEO Arena estudia esas etapas por separado y muestra que una misma reescritura puede comportarse de forma distinta en recuperación, reordenación y generación SAGEO Arena. Por eso un fallo de cita puede originarse en cualquiera de las tres etapas, no solo en la redacción.
Componentes de un sistema RAG
Base de documentos
La base de documentos de un sistema RAG es el conjunto de páginas y archivos que el motor puede localizar. Solo lo que está disponible y es legible para el motor puede recuperarse; una página bloqueada o inexistente en esa base nunca llega a las etapas siguientes.
Recuperación
La recuperación de RAG localiza documentos candidatos ante una consulta, a menudo reescrita en subconsultas por el propio motor. Un estudio sobre 158.099 respuestas comerciales encontró que cada página citada por ChatGPT fue una página que su propia búsqueda recuperó qué genera las citas. Sin recuperación no hay cita posible.
Selección y reordenación
La selección de RAG ordena los candidatos recuperados y decide cuáles entran en el contexto de generación. SAGEO Arena evalúa esta etapa por separado de la recuperación y la generación, porque una reescritura puede mejorar una etapa y empeorar otra SAGEO Arena.
Generación con atribución
La generación de RAG redacta la respuesta usando los documentos seleccionados como contexto e incluye las fuentes. El mismo estudio documentó que el modelo también escribe marcas desde su conocimiento previo sin ninguna página que las respalde qué genera las citas. Por eso mención sin cita y cita con URL son estados distintos.
Aplicaciones y ejemplos de RAG
RAG se usa en asistentes que responden con búsqueda web, en consultas sobre documentación interna de una organización y en respuestas que deben mostrar sus fuentes. En todos los casos el patrón es el mismo: la pregunta determina qué se recupera y lo recuperado delimita qué se puede citar.
Un ejemplo ilustrativo de esta ficha, no un caso medido: ante «¿qué cubre el plan básico?», el sistema recupera la página de precios, selecciona el apartado del plan básico y redacta la respuesta citando esa página. Si la página de precios no está en la base o no se recupera, la respuesta puede generarse igual desde el conocimiento previo del modelo, pero sin esa cita.
Límites y conceptos cercanos
RAG es útil cuando existe una base de documentos pertinente y la respuesta debe apoyarse en fuentes comprobables. No sirve cuando la pregunta no requiere consultar documentos, cuando la base está desactualizada o cuando el acceso técnico impide la recuperación.
Recuperable no significa citado. Una página puede estar disponible, ser recuperada ante una consulta y aun así no aparecer citada si la selección la descarta o la generación prescinde de ella. A la inversa, una marca puede aparecer nombrada desde el conocimiento previo del modelo sin que ninguna página la respalde qué genera las citas. Registra recuperación y cita como observaciones separadas.
RAG no es lo mismo que el entrenamiento del modelo: incorporar documentos a la base de recuperación afecta a lo que el sistema puede consultar, no a lo que el modelo recuerda de su entrenamiento. Son trabajos distintos con observaciones distintas.
Fuentes y revisión
Autoría: Equipo Visibiliza.me. Revisión del contenido y de las fuentes: 1 de noviembre de 2026. Las definiciones y el desglose en etapas son elaboración editorial propia; las fuentes sustentan los límites indicados.
- Google Cloud. RAG Engine overview. Respalda que RAG combina fuentes adicionales con el conocimiento del modelo para enriquecer el contexto y responder con más precisión; su alcance es el producto RAG Engine de Google, no todos los sistemas RAG.
- Kim, Sunghwan; Jeong, Wooseok; Kim, Serin; Lee, Sangam; Lee, Dongha. (2026). SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization. Texto completo, arXiv v2. Respalda la evaluación separada de recuperación, reordenación y generación; su límite es que evalúa un entorno reproducible, no todos los sistemas comerciales.
- Chen, Mahe; Koudas, Nick. (10 de octubre de 2026). What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization (GEO). Texto completo. Respalda que lo recuperado por la búsqueda propia del motor explica gran parte de la variación en citas y que el conocimiento previo del modelo también genera menciones sin respaldo; es un preprint sobre consultas comerciales, no una regla universal de citación.
Preguntas frecuentes sobre RAG
¿Si mi página está en el índice de un asistente, saldrá citada?
No. Estar disponible para recuperación es solo el primer paso: el motor debe recuperar la página ante esa consulta concreta, seleccionarla entre los candidatos y usarla al redactar. Una página recuperable puede no ser recuperada, y una recuperada puede no ser citada.
¿Una mención de mi marca prueba que RAG recuperó mi web?
No. El modelo puede nombrar una marca desde su conocimiento previo sin que ninguna página la respalde, según documentó el estudio de Chen y Koudas. Comprueba si la respuesta incluye una URL a tu página y abre esa URL para contrastar la afirmación.
¿RAG es lo mismo que entrenar al modelo con mis documentos?
No. RAG consulta documentos en el momento de responder; el entrenamiento incorpora contenido a los parámetros del modelo. Añadir páginas a una base recuperable no cambia lo que el modelo recuerda, y bloquear el rastreo de entrenamiento no impide necesariamente la recuperación para búsqueda.