Saltar al contenido
Neural Soft
Contacta English (Ver esta página en inglés)

Automatización y soluciones de IA

Curso de RAG para empresa

Asistentes que responden con la documentación de tu empresa, citando la fuente.

Solicitar información

La mayor parte del conocimiento de una empresa está en documentos: procedimientos, contratos, manuales, tickets resueltos. Con RAG (generación aumentada por recuperación) un modelo de lenguaje puede responder usando esa documentación, citando la fuente y sin necesidad de entrenar ningún modelo.

Hacer una demo de RAG es fácil; hacer que funcione bien con documentación real no lo es. Este curso se centra en lo que marca la diferencia: preparar bien los documentos, combinar búsqueda semántica y por palabras clave, respetar los permisos de cada usuario y, sobre todo, evaluar las respuestas para mejorar con datos y no a ojo.

Más contexto en el artículo cómo funciona un asistente de IA con la documentación de tu empresa.

Qué aprenderás

  • Entender la arquitectura RAG y cuándo es la solución adecuada
  • Preparar y fragmentar documentos para que se recuperen bien
  • Elegir modelo de embeddings, base vectorial y estrategia de búsqueda
  • Respetar los permisos de acceso a la información
  • Evaluar la calidad de las respuestas y reducir las invenciones

Temario

8 módulos, de los fundamentos al proyecto final.

  1. Por qué RAG

    • Límites de un modelo de lenguaje sin contexto
    • RAG frente a ajuste fino y frente a contexto largo
    • Casos de uso en empresa

  2. Preparar el conocimiento

    • Extraer texto de PDF, Office, wikis y tickets
    • Estrategias de fragmentación (chunking)
    • Metadatos, fechas y versiones

  3. Embeddings y búsqueda

    • Qué son los embeddings
    • Bases de datos vectoriales y pgvector
    • Búsqueda híbrida (semántica y por palabras clave) y reordenación

  4. Generar la respuesta

    • Instrucciones para responder solo con el contexto
    • Citas de la fuente
    • Responder "no lo sé"

  5. Permisos y seguridad

    • Filtrado por usuario y por grupo
    • Datos sensibles
    • Inyección de instrucciones en documentos

  6. Evaluación

    • Conjunto de preguntas y respuestas de referencia
    • Métricas de recuperación y de fidelidad
    • Evaluación automática con modelos

  7. Patrones avanzados

    • Reescritura de la pregunta y búsqueda en varios pasos
    • RAG con agentes
    • GraphRAG y datos estructurados

  8. Producción

    • Actualización de los índices
    • Coste, latencia y caché
    • Seguimiento de la calidad

Herramientas con las que practicarás

  • Python
  • LangChain o LlamaIndex
  • pgvector, Qdrant o Azure AI Search
  • Modelos de embeddings
  • Ragas

Proyecto práctico

Construyes un asistente RAG sobre un conjunto de documentos reales (o de ejemplo), con citas de las fuentes y control de permisos, y mides su calidad con un conjunto de evaluación antes y después de mejorarlo.

Requisitos

  • Programación básica en Python.
  • Conocimientos básicos de APIs.

Otros cursos

Dónde se aplica

  • Chatbots y asistentes internos

    Creamos chatbots y asistentes internos conectados a la información de tu empresa para responder preguntas, reducir consultas repetitivas y ayudar al equipo a encontrar lo que necesita más rápido.

  • Asistente interno con IA para documentación de empresa

    Creamos asistentes internos que permiten consultar documentos, manuales, procedimientos y bases de conocimiento en lenguaje natural, para que el equipo encuentre respuestas sin perder tiempo buscando en carpetas.

Artículos relacionados

¿Quieres este curso para tu equipo?

Adaptamos el contenido, la duración y la modalidad a tu empresa.

Solicitar información