RAG y ajuste fino: la diferencia

Una distribuidora de recambios de Valladolid quiere preparar respuestas sobre devoluciones. Una empresa de mantenimiento de Zaragoza quiere clasificar avisos y obtener fichas con el mismo formato. Son ejemplos ilustrativos, con documentos y mensajes ficticios. En ambos casos piden ayuda a la inteligencia artificial (IA), pero necesitan corregir problemas distintos: encontrar la condición vigente o aplicar un criterio de trabajo.

Un modelo de IA es el componente que genera las respuestas; el modelo base es el que se usa como punto de partida antes de adaptarlo. RAG, siglas de retrieval-augmented generation, busca información y la añade al encargo antes de que el modelo responda. El ajuste fino, o fine-tuning, entrena con ejemplos para adaptar el comportamiento. En el entrenamiento supervisado, cada ejemplo enseña una entrada y el resultado deseado. Puede servir para clasificar, respetar formatos o seguir instrucciones; reducirlo a cambiar el tono deja fuera parte de su utilidad.

Pide partidas separadas para preparar el material, implantar la solución, consumir el servicio, revisar la calidad y mantenerlo. En RAG, acuerda quién corrige una extracción defectuosa y mantiene las fuentes. En ajuste fino, incluye preparar ejemplos, repetir entrenamientos y utilizar el modelo resultante.

Compara propuestas para la misma tarea, los mismos materiales y la misma revisión. No hay un ganador de coste demostrado para tu empresa: decide con el presupuesto completo.

Que una herramienta funcione en España no significa que guarde aquí la información. Revisa el recorrido de los datos: proveedor, cuenta, destino y servicios conectados. En una base documental, limita qué puede recuperar cada persona; entrenar tampoco concede permisos ni sustituye ese control. Una instalación propia puede seguir enviando contenido a un modelo externo. Antes de probar las devoluciones o la clasificación de avisos con documentos reales, comprueba la configuración concreta y los accesos que tendrá cada usuario.

Hay otra decisión distinta: permitir que el proveedor utilice conversaciones para mejorar sus modelos. Las condiciones de los productos personales y comerciales de Claude difieren; en los comerciales no entrena por defecto con entradas y salidas, con excepciones como autorización o comentarios voluntarios. En Pro y otros planes personales, puede haber uso de conversaciones con autorización, determinados supuestos de seguridad u otras adhesiones explícitas. La regla comercial no se traslada a una suscripción personal por el mero hecho de pagar una cuota. Usar RAG no resuelve esa política ni equivale a encargar tu propio ajuste fino. Revisa las condiciones y los ajustes de tu cuenta antes de subir documentos.