TelediRAG EN PRODUCCIÓNEnglish

Su RAG no falla por el modelo. Falla por la ingesta.

Construimos sistemas RAG a medida para empresas que necesitan respuestas citables, no aproximaciones plausibles.

0Respuestas sin fuente verificable

02 / Por qué «subimos los PDF a una base vectorial» no funciona

Por qué «subimos los PDF a una base vectorial» no funciona

  • 01

    Troceado ciego

    Partir el documento cada 512 tokens corta tablas por la mitad y separa una cláusula de la condición que la anula. El fragmento recuperado es sintácticamente válido y semánticamente falso.

  • 02

    Estructura descartada

    Un PDF no es texto plano: tiene jerarquía, tablas, notas al pie y anexos. Perder esa estructura en la ingesta es perder el contexto que da sentido al dato.

  • 03

    Sin reranking

    La similitud vectorial recupera lo parecido, no lo correcto. Sin una segunda pasada de reordenación, el fragmento más útil suele quedar en la posición nueve.

  • 04

    Sin conjunto de evaluación

    Si no existe un conjunto de preguntas con respuesta conocida, nadie puede afirmar que el sistema funciona. «Parece que responde bien» no es una métrica.

  • 05

    Sin trazabilidad

    Una respuesta que no puede señalar el documento, la página y el párrafo del que sale no es auditable, y por tanto no es utilizable en un proceso con consecuencias.

03 / Cómo lo construimos

Cómo lo construimos

  1. 01

    ingesta

    Parseo con preservación de estructura: tablas, jerarquía y metadatos

  2. 02

    segmentación

    Corte por unidad semántica, no por número de tokens

  3. 03

    indexación

    Índice híbrido: denso para significado, léxico para códigos y referencias

  4. 04

    recuperación

    Búsqueda híbrida con filtrado por metadatos y permisos

    38 ms

  5. 05

    reranking

    Reordenación por modelo cruzado sobre los candidatos recuperados

    120 ms

  6. 06

    generación

    Respuesta restringida al contexto recuperado, con cita obligatoria

    684 ms

  7. 07

    evaluación

    Conjunto de regresión ejecutado en cada cambio de configuración

04 / Integraciones

Integraciones

  • SharePoint
  • Google Drive
  • Confluence
  • Amazon S3
  • PostgreSQL
  • Snowflake
  • BigQuery
  • Salesforce
  • SAP
  • Odoo
  • Holded

05 / Garantías

Garantías

842 ms
Latencia p50Consulta completa, incluida la generación
1,4 s
Latencia p95
100 %
Respuestas con citaSin fuente recuperada, el sistema responde que no lo sabe
Continua
EvaluaciónConjunto de regresión en cada despliegue

06 / Cumplimiento

Cumplimiento

  • Datos alojados exclusivamente en la Unión Europea

    RGPD, capítulo V

  • Control de acceso propagado desde su sistema de origen al índice

    Principio de minimización, RGPD art. 5.1.c

  • Registro de consultas y fuentes recuperadas para auditoría

    Reglamento de IA de la UE, obligaciones de trazabilidad, de aplicación desde el 2 de agosto de 2026

  • Sin reentrenamiento de modelos con sus documentos

    Acuerdo de tratamiento de datos

  • Trazabilidad de cada respuesta hasta el documento, la página y el párrafo de origen, preparada para inspección de la AESIA

    Reglamento de IA de la UE, régimen sancionador de hasta 15 M€ o el 3 % de la facturación global

07 / Proceso

Proceso

  1. 1-2

    Auditoría del corpus

    Inventario de fuentes, formatos y permisos. Identificación de documentos contradictorios u obsoletos, que son la causa más frecuente de respuestas incorrectas.

  2. 2-3

    Conjunto de evaluación

    Construimos con su equipo un conjunto de preguntas reales con respuesta conocida. Sin esta pieza no hay forma objetiva de saber si el sistema mejora o empeora.

  3. 3-6

    Ingesta e indexación

    Implementación del parseo, la segmentación y el índice híbrido. Iteración contra el conjunto de evaluación hasta alcanzar el umbral acordado.

  4. 6-9

    Integración y despliegue

    Conexión con sus sistemas, propagación de permisos, observabilidad y puesta en producción.

  5. continuo

    Operación

    Reevaluación periódica, reindexación incremental y ajuste ante cambios en el corpus.

08 / Preguntas frecuentes

Preguntas frecuentes

¿Cuánto tarda un proyecto RAG completo?
Entre seis y nueve semanas hasta producción para un corpus de complejidad media. La variable que más influye no es el volumen de documentos, sino cuántos formatos distintos y cuántas contradicciones internas contiene el corpus.
¿Qué pasa si el sistema no encuentra la respuesta?
Responde que no dispone de información suficiente. Configuramos el sistema para que la ausencia de fuente recuperada bloquee la generación, porque una respuesta inventada cuesta más que una no respuesta.
¿Se puede usar sobre documentación confidencial?
Sí. El control de acceso de su sistema de origen se propaga al índice, de modo que cada usuario solo recupera fragmentos de documentos que ya tenía derecho a leer. Los datos permanecen alojados en la Unión Europea.
¿Qué modelos utilizan?
Seleccionamos el modelo según el caso, el idioma y los requisitos de residencia del dato, y diseñamos el sistema para que sea sustituible. La arquitectura no queda atada a un proveedor concreto.
¿Cómo se mide que el RAG funciona correctamente?
Con un conjunto de evaluación construido con su equipo: preguntas reales con respuesta conocida, ejecutadas en cada cambio de configuración. Medimos precisión de recuperación, corrección de la respuesta y tasa de citas válidas.
¿Pueden mejorar un RAG que ya tenemos en marcha?
Sí, y es una parte relevante de nuestro trabajo. Empezamos por construir el conjunto de evaluación que casi nunca existe, medimos el sistema actual y priorizamos las correcciones por impacto sobre esa medición.
¿Qué ocurre cuando cambian los documentos?
La reindexación es incremental: solo se reprocesa lo que ha cambiado. Para corpus con actualizaciones frecuentes configuramos la sincronización automática desde el sistema de origen.

09 / Servicios relacionados

Servicios relacionados

10

Hablemos de su caso

Cuéntenos qué proceso quiere resolver y le respondemos con una propuesta técnica, no con un catálogo.

Escribir a hola@teledi.ai