Què és un agent RAG i com converteix els teus documents en respostes a l’instant

Què és un agent RAG?

Un agent RAG és un assistent d’IA que, abans de respondre, cerca la informació als teus propis documents i genera la resposta a partir del que hi troba. RAG són les sigles de retrieval-augmented generation (generació augmentada per recuperació). Amazon Web Services ho defineix com el procés d’optimitzar la sortida d’un model de llenguatge perquè consulti una base de coneixement autoritzada, externa a les seves dades d’entrenament, abans de generar la resposta. En pla: en comptes de respondre «de memòria», l’assistent primer busca als teus manuals, tarifes o procediments i després contesta amb el que ha llegit, i sovint pot indicar d’on ha tret la informació.

Aquesta és la diferència que el fa útil per a un negoci. Un model de llenguatge genèric sap molt del món però no sap res del teu negoci. Un agent RAG connecta aquest model amb la teva documentació, de manera que respon amb les teves dades i no amb generalitats.

Per què no n’hi ha prou amb un model normal?

Un model de llenguatge sol té dos problemes per a un ús empresarial. El primer és que no coneix la teva informació: no sap el teu horari, ni les teves condicions de devolució, ni què inclou cada tarifa. El segon és que, quan no sap una cosa, pot inventar-se una resposta que sona plausible, el que es coneix com a al·lucinació.

RAG ataca els dos problemes alhora. IBM Research ho descriu com un marc per ancorar el model en fets externs verificables, i assenyala que fer-ho redueix les al·lucinacions i evita haver de reentrenar el model contínuament amb dades noves. És a dir: quan canvies una tarifa, actualitzes el document, no el model. Aquesta separació entre el motor (el model) i la teva informació (els documents) és el que fa que RAG sigui pràctic i econòmic de mantenir.

Com funciona, pas a pas?

Sense entrar en tecnicismes, un agent RAG treballa en quatre moviments:

1. Preparació. Els teus documents —PDF, fulls, pàgines, procediments— es processen i s’indexen en una base de dades pensada per buscar per significat, no només per paraules exactes.
2. Recuperació. Quan algú fa una pregunta, el sistema busca en aquesta base els fragments més rellevants per respondre-la.
3. Generació. El model rep la pregunta juntament amb aquests fragments i redacta una resposta basada en ells, no en el seu coneixement general.
4. Atribució. Com que la resposta ve de documents concrets, l’assistent pot dir en quina font s’ha basat, cosa que permet verificar-la.

La idea de combinar un model amb una font de documents recuperables no és nova ni improvisada: la va formalitzar un article de recerca de 2020 (Lewis et al.) que va donar nom a la tècnica. El que ha canviat és que avui muntar-ho està a l’abast de qualsevol negoci, no només dels laboratoris.

On encaixa en un negoci petit?

Els casos on un agent RAG aporta de seguida solen tenir una cosa en comú: informació que existeix, però que costa de trobar o de repetir. Per exemple:

• Atenció al client sobre les teves condicions: devolucions, garanties, horaris, cobertures. El client pregunta i l’assistent respon amb el teu document, no amb una suposició.
• Suport intern a l’equip: que qualsevol persona pugui preguntar «com es fa aquest procés?» i obtenir la resposta del vostre manual, sense interrompre un company.
• Consultes sobre catàleg o tarifes: respostes precises sobre productes, preus i disponibilitat a partir de la font que manteniu actualitzada.

En tots aquests casos, el valor no és que l’assistent «sàpiga IA», sinó que sàpiga el teu negoci i respongui a l’instant amb la informació correcta. No és casual que sigui una de les tècniques d’IA més adoptades a l’empresa: segons Menlo Ventures, l’ús de RAG va passar del 31 % al 51 % en un sol any.

Per on començar

El primer pas no és tècnic, és d’ordre: tenir la documentació que vols que l’assistent conegui identificada i mínimament al dia. A partir d’aquí, un agent RAG es pot muntar sobre un àmbit concret (per exemple, només les preguntes de postvenda) i ampliar-lo després. Si vols valorar quins dels teus documents es prestarien a això, ho podem revisar a la pàgina de serveis.