Introducción
El avance de la inteligencia artificial ha dado lugar a nuevos enfoques que combinan múltiples técnicas para mejorar la calidad de las respuestas generadas por los sistemas automatizados. Uno de los más prometedores es la tecnología Retrieval-Augmented Generation (RAG), que permite integrar recuperación de información y generación de texto en un único proceso. En este contexto, el centro tecnológico Eurecat ha desarrollado una solución innovadora que facilita el acceso seguro, eficiente y contextualizado a grandes volúmenes de información interna.
Problema a resolver
Muchas organizaciones enfrentan dificultades para extraer conocimiento útil y preciso de sus propios datos. Los sistemas convencionales de respuesta automática suelen carecer de contexto y generar resultados imprecisos. Se hacía necesario un sistema capaz de procesar información interna de forma segura, ofrecer respuestas relevantes y reducir la dependencia de servicios externos.
Objetivos del proyecto
El objetivo principal del proyecto fue desarrollar una solución de inteligencia artificial que:
Mejore la precisión y el contexto de las respuestas generadas automáticamente.
Permita una recuperación eficiente de información a partir de grandes volúmenes de datos.
Garantice la privacidad de los datos y la adaptabilidad a las necesidades del entorno industrial.
Reduzca la dependencia de soluciones en la nube mediante un enfoque modular propio.
Descripción de la solución implementada
Se aplicó la tecnología RAG para crear un sistema inteligente que opera en las siguientes fases:
Segmentación de datos en fragmentos manejables para su análisis.
Conversión de texto en vectores semánticos mediante modelos de incrustación.
Almacenamiento en bases de datos optimizadas para búsquedas vectoriales.
Comparación entre la consulta del usuario y los vectores, identificando los fragmentos más relevantes.
Generación de respuestas precisas basadas en la información recuperada.
Uno de los principales desarrollos fue fRAGments, un marco modular que permite personalizar cada etapa del proceso RAG, ajustándose a las necesidades específicas del cliente. fRAGments destaca por:
Gestionar consultas de forma segura y privada.
Adaptarse mediante componentes configurables.
Integrar Small Language Models (SLMs) optimizados para tareas concretas.
Incorporar estrategias como el ajuste fino de modelos y clasificadores adicionales para mejorar la relevancia de las respuestas.
Beneficios obtenidos
Esta solución avanzada en inteligencia artificial ha demostrado su aplicabilidad en múltiples entornos industriales, incluyendo:
Soporte al mantenimiento predictivo.
Optimización de la gestión de inventario.
Generación de informes técnicos y administrativos.
Mejora en la capacitación de empleados mediante respuestas contextualizadas.
Además, se ofrece la posibilidad de diseñar, personalizar y entrenar modelos de lenguaje abiertos (LLM, SLM) a partir de la documentación propia de cada organización, garantizando un sistema ajustado a sus necesidades reales.
Este caso de éxito, desarrollado por Eurecat, se alinea con los objetivos del proyecto Fidelia, reafirmando el potencial de los modelos generativos y la inteligencia artificial para transformar la gestión del conocimiento en el entorno industrial.
