M365Con 2027 – conferencia online gratuita · 11–22 Jan 2027 · 120 sessions→ m365con.net
M365.FM · Español

Por qué los embeddings no bastan

RAG híbrido con BM25, reranker y caché semántica

Has creado la base de datos vectorial, indexado los documentos y gastado el presupuesto, y aun así tu Copilot sigue alucinando. La causa rara vez es el modelo, sino la estrategia de recuperación: los embeddings devuelven lo parecido, no lo correcto. Este episodio muestra cómo una arquitectura RAG híbrida con BM25, búsqueda vectorial y reranking semántico alcanza la precisión que necesitan las empresas.

Seguir el podcastNuevos episodios sobre Microsoft 365, Copilot y más, gratis en tu app de podcasts.Spotify

▶ Por qué los embeddings no bastan: RAG híbrido con BM25, reranker y caché semántica (Doblaje IA)

Lo que aprenderás:

  1. La trampa del top-K: por qué la similitud matemática no equivale a relevancia de negocio y la búsqueda vectorial pura falla con códigos de producto, SKU y nombres internos de proyectos
  2. El estándar híbrido: cómo la búsqueda por palabras clave BM25 junto con la búsqueda vectorial mejora el recall un 17 % y encuentra también la jerga especializada
  3. Ranking semántico con el reranker L2 en Azure AI Search: modelos de atención cruzada derivados de Bing que suben la respuesta correcta de la posición 8 a la 1
  4. Precisión asequible: la caché semántica reduce las llamadas al LLM entre un 60 y un 80 %, y el reranker se activa solo en consultas complejas
  5. La brecha de gobernanza y la hoja de ruta 2026: RAG agéntico, GraphRAG y una auditoría de recuperación como primer paso

Este episodio es una versión en español doblada con IA del video animado de M365 Show del Microsoft MVP Mirko Peters.

Más episodios

Todos los episodios →