¿Qué son los embeddings en IA?

Un modelo de embeddings convierte una frase en un vector: cientos o miles de números. Lo útil es la distancia entre vectores: «cómo cambio mi contraseña» y «me olvidé la clave» quedan cerca aunque no compartan palabras, y «receta de empanadas» queda lejos.

Con eso se hacen búsquedas por significado (y no por palabras exactas), recomendaciones y agrupamientos de textos parecidos. Los vectores se guardan en una base de datos vectorial para encontrarlos rápido.

Son la pieza que hace funcionar RAG: por cercanía de embeddings se busca qué partes de tus documentos tienen que ver con la pregunta.

Términos relacionados

• RAG (generación aumentada por recuperación): RAG es una técnica que busca información relevante en tus documentos y se la pasa al modelo junto con la pregunta, para que responda con datos reales y al día.
• LLM (modelo de lenguaje grande): Un LLM (modelo de lenguaje grande) es una IA entrenada con enormes cantidades de texto para predecir el siguiente token. Es el motor de ChatGPT, Claude o Gemini.
• Red neuronal: Una red neuronal es un modelo hecho de capas de unidades simples conectadas, con pesos que se ajustan al entrenar. Es la base del deep learning y de los LLM.