Crear un sistema RAG en la empresa: proceso, costes, errores típicos

Un sistema RAG (Retrieval Augmented Generation) responde preguntas basándose en sus propios documentos: divide los documentos en fragmentos breves, los hace accesibles mediante Embeddings buscable por contenido y permite que un modelo de lenguaje responda solo a partir de los fragmentos encontrados – con indicación de la fuente. La estructura sigue seis pasos. Los errores más frecuentes son mala calidad de los datos, permisos de acceso faltantes y no hacer pruebas con preguntas reales.

Cómo funciona un sistema RAG

La idea básica: en lugar de “enseñarle” al modelo de lenguaje el conocimiento de su empresa, se le proporcionan en cada consulta los fragmentos de texto adecuados. El modelo formula la respuesta, y los hechos proceden de sus documentos. Más sobre el término en el glosario en RAG; por qué esto suele ser mejor que el reentrenamiento se explica en RAG o Fine-Tuning?.

La estructura en seis pasos

1. Aclarar el objetivo y las preguntas

¿Quién debe preguntar qué? Personal de atención al cliente, de administración, nuevas compañeras? Reúna de 30 a 50 preguntas reales del día a día. Usted determina qué documentos se necesitan y, más adelante, sirven como prueba.

2. Seleccionar y depurar las fuentes de datos

Manuales, directrices, contratos, información de productos, FAQ. Elimine las versiones obsoletas y los duplicados: los documentos contradictorios generan respuestas contradictorias.

3. Preparar los documentos

Los textos se leen desde archivos PDF, documentos de Word o escaneos (en el caso de escaneos, mediante reconocimiento de texto) y se dividen en secciones. El tamaño de las secciones influye mucho en la calidad: si son demasiado pequeñas, falta contexto; si son demasiado grandes, la búsqueda se vuelve imprecisa.

4. Hacerlo buscable

Cada sección se convierte en un embedding y se almacena en una base de datos vectorial — junto con la fuente y los permisos de acceso.

5. Generar respuestas

Cuando se formula una pregunta, se buscan los pasajes adecuados y se entregan al modelo de lenguaje con reglas claras: responder solo sobre esa base, citar las fuentes y admitir cuando no se sabe algo. Más información: Respuestas de IA con indicación de fuentes.

6. Probar, implementar, mantener

Hacer que se respondan las preguntas recopiladas, evaluar las respuestas y ajustarlas. Después, incorporar nuevos documentos con regularidad y analizar las preguntas abiertas.

Cuánto cuesta un sistema RAG

No existen precios fijos; los principales factores de coste son:

• Volumen y calidad de los datos: La limpieza y preparación suele ser el mayor esfuerzo.
• Número de fuentes: Cada integración (unidad, Nextcloud, DMS, wiki) requiere configuración.
• Concepto de permisos:¿Quién puede ver qué? Cuanto más granular, más complejo.
• Modelo y operación: servidor GPU propio, servicio de modelo en Alemania o en la nube – véase Alojar modelos de IA conforme al RGPD.
• Mantenimiento: lectura continua de nuevos documentos y evaluación.

Los errores más frecuentes

• «Todo dentro»: Unidades sin filtrar con versiones antiguas empeoran las respuestas.
• Sin permisos: Si el sistema muestra expedientes de personal o documentos de la dirección a cualquiera, eso es un problema de protección de datos.
• Sin prueba: Sin preguntas reales, nadie sabe si el sistema ayuda.
• Sin indicación de fuentes: Sin fuentes, los empleados no pueden verificar las respuestas.
• Solo tecnología, sin proceso: ¿Quién mantiene los documentos? ¿Quién evalúa las preguntas abiertas?
• PDF escaneados sin reconocimiento de texto: El contenido permanece invisible.

¿Solución lista para usar o desarrollo propio?

Muchas herramientas ya incluyen RAG, por ejemplo Nextcloud Context Chat, Open WebUI o Paperless-ngx. Para empresas con muchas fuentes y requisitos de permisos, merece la pena una solución bien pensada como nuestra búsqueda de documentos con IA. Cómo se realiza la configuración en detalle lo describe configurar la búsqueda de documentos con IA.

bettersorted apuesta para sus clientas y clientes por módulos abiertos y transparentes – operados en servidores en Alemania y agrupados en el automaisa Hub. Asesoramos de forma neutral respecto a fabricantes, estamos registrados en el BAFA como consultores y somos coaches autorizados de INQA. Asesoramiento e introducción acompañada pueden subvencionarse a través del INQA-Coaching con un 80 %; el camino adecuado lo muestra el Förder-Check. Para una primera conversación sin compromiso: Contacto.

Ejemplo: RAG en el servicio de atención al cliente de un distribuidor

Un escenario ilustrativo: un mayorista técnico tiene cientos de fichas técnicas, instrucciones de montaje y condiciones de garantía. El equipo de atención interna busca a diario respuestas a las consultas de los clientes. Un sistema RAG ingiere los documentos, tiene en cuenta qué materiales son solo internos y responde a las preguntas con referencia a la ficha técnica y la página. Tras cuatro semanas de prueba con 50 preguntas reales, se libera para el equipo de atención interna; las preguntas abiertas se evalúan semanalmente.

Medir el éxito

• Proporción de preguntas de prueba respondidas correctamente
• Proporción de respuestas con fuente correcta
• Ahorro de tiempo en tareas de búsqueda típicas
• Preguntas más frecuentes sin respuesta: indicios de documentos faltantes

Costes y financiación

Los costes de un sistema RAG se componen de tres partes: Configuración (planificación, instalación, conexión, pruebas), operación continua (servidor o alojamiento, actualizaciones, supervisión, copias de seguridad) y acompañamiento de los empleados (formación, normas, personas de contacto). No indicamos precios fijos porque el alcance y la situación de partida varían mucho. El software en sí no genera costes de licencia en las soluciones de código abierto.

No se subvenciona la tecnología, sino el Asesoramiento e introducción acompañada: A través de INQA-Coaching el Estado cubre en todo el país el 80 % de los costes de coaching (hasta 11.520 €, vales hasta el 30.06.2028). Un análisis previo puede subvencionarse mediante la BAFA-Beratungsförderung — con un 80 % en los nuevos estados federados, Lüneburg y Trier, y en caso contrario un 50 %, para solicitudes hasta el 31.12.2026. Para inversiones, algunos estados ofrecen sus propios programas — véase Posibilidades de financiación para empresas en Alemania.

Preguntas frecuentes

¿Qué es un sistema RAG?

Un sistema que responde preguntas basándose en documentos propios: busca pasajes de texto adecuados y deja que un modelo de lenguaje formule una respuesta solo a partir de ellos, idealmente con indicación de la fuente.

¿Cuánto tiempo lleva la implementación de un sistema RAG?

Un piloto con pocas fuentes bien mantenidas suele ser posible en unas pocas semanas. El mayor factor de tiempo suele ser la limpieza y preparación de los documentos.

¿Puede un sistema RAG tener en cuenta los permisos de acceso?

Sí, si los permisos se guardan al importar los datos y se comprueban en cada búsqueda. Eso debe planificarse desde el principio.

¿Necesita un sistema RAG una IA propia?

No. El modelo de lenguaje puede ejecutarse de forma local, en un servicio de modelos alemán o en la nube. Para documentos sensibles, se recomienda un procesamiento local o alojado en Alemania.

Estado: octubre de 2026.