Sistemas RAG
RAG: que tu IA responda con los datos de tu empresa
Retrieval-Augmented Generation (RAG) indexa tus documentos y obliga al modelo a citar fragmentos reales. Sirve para políticas, contratos, catálogos y SOPs. En Medellín lo implementamos con Pinecone, pgvector o Weaviate, en español, con control de acceso. Un piloto medible suele costar $12–25 millones COP (USD 3.000–6.000) en 4–8 semanas.
Qué obtienes
Citas, no inventos
Cada respuesta apunta al documento y la sección usados.
Tus datos se quedan tuyos
Índice en tu nube o la nuestra con NDA. No entrenamos modelos de terceros con tu corpus.
Mejor que un chatbot genérico
El modelo general no conoce tu tarifa ni tu política interna. RAG sí.
Soporte en español
Chunking y embeddings pensados para documentos colombianos (contratos, DIAN, laborales).
Cómo trabajamos
1. Corpus
Qué documentos, permisos y frescura.
2. Indexado
Chunking, embeddings y evaluación de retrieval.
3. Piloto Q&A
Set de preguntas reales de tu equipo.
4. Canal
Web, Slack, WhatsApp o intranet con logs.
Preguntas frecuentes
¿RAG o fine-tuning?
Para conocimiento que cambia (políticas, precios, contratos) RAG gana. Fine-tuning sirve para estilo o formato rígido. Casi siempre empezamos por RAG.
¿Cuánto cuesta un RAG en Colombia?
Piloto sobre un corpus acotado: $12–25 millones COP. Bases grandes o varios departamentos se cotizan aparte. Diagnóstico gratis.
¿Funciona con PDFs escaneados?
Sí, con OCR previo. La calidad del scan define la calidad de la respuesta.
¿Lo montan en Medellín o en la nube?
Donde pidas: AWS, Azure, GCP o on-premise. El equipo de implementación está en Medellín.