Índice del artículo
- En 30 segundos
- Una devolución cuya excepción se queda fuera
- Del documento a la respuesta
- El tamaño y la cantidad responden a preguntas distintas
- Antes del corte: texto, tabla o escaneado
- No lo confundas con
- Cómo comprobarlo con tu proveedor
- Lo que fragmentar no resuelve
- Dudas sobre la fragmentación, respuestas cortas
En 30 segundos
La fragmentación de documentos consiste en dividir su contenido en partes pequeñas para que un sistema de inteligencia artificial (IA) encuentre los pasajes relevantes al responder una pregunta.
También se llama chunking. Piensa en convertir un manual en fichas consultables: el criterio es que cada ficha conserve el sentido necesario para responder, incluida la excepción que cambia una regla.
Una devolución cuya excepción se queda fuera
Ejemplo ilustrativo con documentos ficticios: una distribuidora de Valladolid prepara un asistente para consultar su manual interno de devoluciones. En el manual, un párrafo describe cuándo se admite una devolución. El siguiente explica una excepción. La persona de atención pregunta por un caso al que se aplica esa excepción, pero la búsqueda solo trae el primer párrafo. El borrador puede parecer razonable y, aun así, quedar incompleto.
El problema está en qué información ha llegado a la respuesta. Quizá el corte separó los párrafos; quizá la búsqueda dejó fuera el fragmento que faltaba. Para distinguirlo necesitas ver el texto recuperado y compararlo con el manual. Al probar el asistente de devoluciones, encarga a la persona de atención que revise el borrador antes de enviarlo. Limita el sistema a preparar la respuesta; deja la autorización de reembolsos fuera del encargo.
Del documento a la respuesta
- Documento
- Extraer texto
- Fragmentar
- Crear índice
- Buscar pasajes
- Preparar borrador
- Revisión humana
Preparar y consultar son momentos distintos. Primero se obtiene texto utilizable, se divide y se organiza en un índice para buscarlo. Después, cada pregunta recupera los pasajes pertinentes y los aporta al modelo, el programa que genera la respuesta. Incorpora la revisión humana antes de utilizar el borrador: fragmentar no añade esa comprobación. Cada consulta busca en el contenido ya preparado.
Formas de dividir el mismo manual
Tamaño fijo
Qué hace: Limita la extensión de cada fragmento. Puede servir para contenido bastante uniforme.
Qué comprobar: Que el límite no separe la condición de su excepción ni deje una referencia fuera.
Por secciones
Qué hace: Sigue títulos, apartados y otros elementos reconocibles del documento.
Qué comprobar: Que los encabezados se hayan extraído bien y sigan unidos al contenido que describen.
Recursiva
Qué hace: Intenta conservar párrafos y pasa a unidades menores cuando no caben.
Qué comprobar: Qué separadores y unidad de medida usa. Aunque conserve párrafos, el fragmentador no interpreta por sí solo todas las relaciones del texto.
Semántica
Qué hace: Busca continuidad de significado y cambios de tema entre pasajes.
Qué comprobar: Que conserve la relación necesaria para contestar. No es superior para cualquier documento.
El *solapamiento* repite parte del texto entre fragmentos contiguos y puede combinarse con estos métodos. **Repetir tiene una contrapartida:** puede conservar contexto cerca de un corte, pero también introducir resultados casi iguales. Comprueba si aporta la información que faltaba antes de aumentarlo. Otra técnica consiste en añadir una explicación breve que sitúe cada ficha dentro del documento antes de organizarla para la búsqueda. Esa explicación aporta contexto sobre el pasaje; el solapamiento repite texto vecino. Son operaciones distintas. Que una técnica esté documentada no demuestra que todos los asistentes la apliquen a tus archivos.
El tamaño y la cantidad responden a preguntas distintas
No existe un tamaño universal. Un fragmento pequeño puede localizar un pasaje preciso y dejar fuera su explicación. Uno grande conserva más contexto, pero también arrastra contenido que quizá no responde a la pregunta. Comprueba además la unidad: los caracteres y los tokens, unidades de texto que procesa el modelo, no son equivalentes. Un ajuste expresado en caracteres no se traslada directamente a otro expresado en tokens ni a páginas del archivo.
La cantidad de fragmentos recuperados es otra decisión. Puedes dividir bien el manual y seguir aportando menos pasajes de los necesarios para contestar. Pedir más resultados tampoco demuestra que hayas recuperado los adecuados. Si la base es pequeña y cabe, puedes aportar el documento entero al modelo. Es otra forma de trabajar, que también exige revisar la respuesta contra el original; disponer de todo el texto no demuestra que se haya usado correctamente.
Antes del corte: texto, tabla o escaneado
Comprueba el contenido extraído antes de decidir dónde cortar. Revisa que los títulos sigan unidos a sus apartados y que los encabezados y pies de página no se hayan mezclado con el texto.
No lo confundas con
Base de conocimiento
La base de conocimiento es el conjunto de documentos que preparas y mantienes. Fragmentar es una operación sobre su contenido. Qué es.
Embeddings
Los embeddings representan el texto con números para compararlo. Dividirlo y representarlo son pasos diferentes. Cómo funcionan.
RAG
RAG es recuperar información y aportarla al modelo para responder. La fragmentación prepara las piezas que podrá buscar ese proceso. Qué es RAG.
Cómo comprobarlo con tu proveedor
Elige una pregunta difícil
Usa material ficticio parecido al que quieres consultar. Escribe una pregunta cuya respuesta dependa de una condición y de su excepción. Señala en el original los pasajes que debería utilizar el sistema. Así tendrás una referencia concreta para evaluar el resultado, sin confundir una respuesta fluida con una respuesta completa.
Pide ver lo recuperado
Solicita los fragmentos que llegaron al modelo, con su documento de origen. Comprueba si contienen toda la evidencia necesaria, no solo palabras parecidas a la consulta. Si el proveedor solo enseña el mensaje final, todavía no puedes distinguir si falta texto en la extracción, en el corte o en la búsqueda.
Compara sin cambiar la pregunta
Mantén la misma pregunta y fuente al comparar configuraciones. Observa qué información llega en cada intento y comprueba la cita abriendo el original. Una referencia generada puede apuntar a un pasaje que no respalda la afirmación. Anota qué falta y pide corregir ese fallo antes de usar el sistema con documentos reales.
Lo que fragmentar no resuelve
Dividir no protege los datos. Una ficha puede conservar íntegra información sensible, y el corte no asigna permisos de acceso. Tampoco destruye el original ni vuelve a entrenar el modelo con cada documento. Instalar el fragmentador en tu equipo no demuestra que los servicios conectados procesen allí los datos. Antes de usar documentos reales en tu asistente de consulta, acuerda quién accede y qué información puede utilizar.
Si necesitas implantar una consulta documental, prepara un encargo con criterios de aceptación: qué preguntas debe resolver y quién comprueba las respuestas antes de utilizarlas. Puedes plantearlo en consultoría de Ciade. Para entender qué debe respaldar cada afirmación, sigue con la fundamentación con citas. Ese será el criterio de entrega, por encima del nombre del método elegido para cortar.
Dudas sobre la fragmentación, respuestas cortas
¿Hay un tamaño de fragmento que funcione con cualquier documento?
No hay un tamaño universal. Los fragmentos pequeños pueden localizar un pasaje preciso y perder su explicación; los grandes conservan más contexto, pero pueden arrastrar contenido ajeno a la pregunta. Comprueba la unidad de medida y prueba con tus documentos, manteniendo la misma pregunta al comparar configuraciones.
¿Cuánto solapamiento necesito para no perder información?
El solapamiento repite texto entre fragmentos contiguos y puede conservar contexto cerca de un corte. No asegura que llegue toda la información necesaria y puede producir resultados repetidos. Comprueba si la condición y su excepción aparecen en los pasajes recuperados antes de aumentar la repetición.
¿Las tablas se pueden fragmentar igual que los párrafos?
Antes de elegir el corte, revisa la relación entre valores y encabezados en el texto extraído. Fragmentar no reconstruye una tabla mal leída. Compara el contenido con el original y comprueba que cada dato conserva su significado. Si la extracción es incorrecta, detén el uso de esa ficha.
¿Qué debo comprobar si el documento es un PDF escaneado?
Comprueba que el reconocimiento óptico de caracteres, u OCR, haya obtenido texto utilizable. Compáralo con las páginas originales: pueden faltar apartados o mezclarse elementos. La extracción y la fragmentación son pasos distintos. Corrige primero la lectura del documento; cambiar los cortes no repara un texto que se ha extraído mal.
Fuentes
Fuentes oficiales, consultadas el 4 de noviembre de 2026
- Microsoft Learn · Estrategias de fragmentación para RAG
- LangChain · División recursiva y solapamiento
- Anthropic · Contexto de los fragmentos y recuperación
- OpenAI · Recuperación de fragmentos y documento de origen
- OpenAI · Resultados de búsqueda y referencias al archivo
- Microsoft Learn · Extracción de texto, tablas y estructura
- OpenAI · Estado de procesamiento de archivos
- n8n · Fragmentación, embeddings y recuperación de contexto
Cómo lo comprobamos. Fuentes oficiales consultadas el 4 de noviembre de 2026. Los ejemplos de Valladolid y Zaragoza no son casos de clientes ni resultados medidos. Ciade no ha probado la calidad de sus fragmentos, búsquedas o citas.
Qué ha cambiado.
- 3 de noviembre de 2026: Reescritura v2: se distinguen extracción, fragmentación y recuperación; se matizan el corte fijo y el uso del documento entero; se añaden comprobaciones y dudas frecuentes.
Términos relacionados
Aprende a usar la IA en tu trabajo, con criterio.
El nivel 0 es gratis: cuarenta minutos para entender qué pedirle a la IA y qué revisar. El programa completo enseña a implementarla en tu propio negocio, tarea a tarea.
