Grounding es la vinculación de una respuesta de IA con información de referencia verificable. Su objetivo es que la salida se apoye en fuentes pertinentes, como documentos internos o resultados de búsqueda, en lugar de depender únicamente de patrones aprendidos por el modelo.
¿Cómo se aplica el grounding?
La aplicación proporciona evidencia y solicita que la respuesta se ajuste a ella. La trazabilidad exige identificar qué fuente respalda cada afirmación; mostrar enlaces sin esa correspondencia no resuelve el problema.
¿Cómo se aplica en marketing?
Para explicar una tarifa, un asistente utiliza la lista aprobada y cita su versión. Si la consulta pide un servicio no incluido, señala el vacío en lugar de asignar un precio supuesto.
| Concepto | Significado |
|---|---|
| Grounding | Relaciona una respuesta con evidencia. |
| RAG | Recupera fuentes y las incorpora a la generación. |
Preguntas frecuentes sobre grounding
¿Grounding y RAG son sinónimos?
No. RAG es una técnica de recuperación; grounding describe la relación de la salida con información de referencia.
¿Un enlace demuestra grounding?
Solo si respalda la afirmación correspondiente. Comprueba que exista, sea pertinente y se haya interpretado correctamente.
¿Las fuentes deben ser públicas?
No necesariamente. Pueden ser documentos internos, siempre que su acceso y uso estén autorizados.
¿Qué pasa con una fuente antigua?
Puede sostener una respuesta desactualizada. Mantén versiones y revisa fechas de vigencia según el tema.
¿Cómo verificas la fidelidad?
Compara afirmaciones con pasajes originales. Incluye pruebas en las que la fuente no contiene la respuesta.
Grounding: límites que debes conocer
Una respuesta conectada a fuentes todavía puede interpretarlas mal. Revisa vigencia, alcance, integridad del fragmento y fidelidad del resumen.
Para ampliar el contexto, compara este concepto con RAG, Alucinación en IA y Embeddings.
Fuente de referencia: docs.cloud.google.com. Glosario de AMD Agencia Digital.
