¿Cuál es la diferencia entre RAG y fine-tuning?
RAG entrega al modelo documentos pertinentes en el momento de responder, por lo que sirve para información que cambia y permite citar fuentes. El ajuste fino modifica el modelo con ejemplos para cambiar su estilo o comportamiento. Para que un asistente responda con las políticas vigentes de una empresa, casi siempre conviene RAG.
En concreto:
- RAG: Recuperación de páginas o documentos para fundamentar la respuesta (Google, optimización para IA generativa).
- Ajuste fino: Adaptación del modelo con datos propios (ISO/IEC 22989).
- Riesgo de RAG: Debilidades de vectores y embeddings (OWASP, LLM08).
- Riesgo del ajuste: Envenenamiento de datos de entrenamiento (OWASP, LLM04).
Muchas soluciones combinan ambos: ajuste para el formato y RAG para el contenido.
Fuente: guía de Google de optimización para la búsqueda con IA generativa (Google Search Central); norma ISO/IEC 22989:2022 (ISO); OWASP Top 10 para LLM y aplicaciones de IA generativa 2025 (OWASP). Consultadas el 3 de octubre de 2026.
Contenido informativo. No constituye asesoría legal; para su caso, consulte con un abogado habilitado.
