Proyecto: Sistema RAG Empresarial

Bienvenido: vas a construir un sistema RAG que una empresa usaría de verdad

Imagina que entras a NimbusTech, una empresa SaaS con cientos de documentos internos —políticas de RR.HH., manuales de producto, guías de soporte, notas de seguridad—. Un empleado pregunta: "¿Cuántos días por semana puedo trabajar de forma remota?". En lugar de buscar a mano entre PDFs, tu sistema recupera el fragmento exacto de la política correcta, redacta una respuesta clara y cita el documento fuente para que cualquiera pueda verificarla.

Eso es lo que vas a construir de principio a fin en este proyecto: un sistema RAG (Retrieval-Augmented Generation) empresarial, completo y funcional, que responde preguntas fundamentadas en una base de conocimiento real, con citas verificables. Al terminar tendrás un artefacto de portafolio que demuestra que sabes ensamblar el patrón que hoy está detrás de la mayoría de los asistentes corporativos de IA.

El artefacto que te llevas

No es una demo de juguete. Es un pipeline por etapas que vas a ir armando hito a hito hasta integrarlo en una sola clase RAGSystem con un único punto de entrada: le pasas una pregunta, te devuelve una respuesta con sus citas. Por el camino construirás cada pieza:

Al final no solo funciona: sabrás qué tan bien funciona y por qué, porque lo habrás medido y estresado tú mismo.

El recorrido de una pregunta a su respuesta citada

Antes de entrar en detalle, quédate con la foto de alto nivel. Todo lo que construirás encaja en este flujo: la pregunta entra por la izquierda y sale por la derecha convertida en una respuesta con sus fuentes.

Fíjate en esa flecha punteada de abajo: un buen RAG empresarial no solo responde bien, también sabe cuándo callar. Si la base de conocimiento no contiene la respuesta, inventarla es peor que admitir que no la tiene. Construir esa honestidad es parte del proyecto.

Cómo trabajaremos (y qué asumimos que ya sabes)

Este es un curso ~90 % práctico: casi cada lección es un notebook ejecutable que vas completando y corriendo. Aprenderás construyendo, no leyendo teoría.

Dos frases de contexto sobre el punto de partida: das por sentado que ya entiendes qué es un embedding, cómo la similitud semántica mide cercanía de significado y en qué consiste el patrón RAG a grandes rasgos. Aquí no re-explicamos esos fundamentos: los aplicamos sobre un corpus más grande y realista, y los convertimos en un sistema completo y evaluado. Si necesitas refrescar alguno, lo recordaremos en una línea justo donde haga falta.

Un detalle importante sobre el entorno:

• Todo corre en tu navegador, sin instalar nada. Los notebooks se ejecutan de principio a fin tal cual.
• Sin red ni claves de API. Los embeddings de los chunks y las respuestas del modelo vienen precomputados y deterministas, provistos inline en el dataset. Esto es una decisión pedagógica: el foco está en la arquitectura del pipeline (chunking, recuperación, re-ranking, evaluación), no en pagar tokens ni en pelear con la latencia de una API. Reproducirás valores idénticos en cada notebook, así que tus resultados serán siempre reproducibles y comparables.
• Un solo corpus a lo largo del proyecto: la base de conocimiento de NimbusTech (documents) y un conjunto de evaluación con preguntas de referencia (eval_rag). Los reutilizamos lección tras lección para que cada pieza que construyas encaje en la anterior.

Puedes con esto

Si ya llegaste hasta aquí es porque tienes la base necesaria. La diferencia entre "entiendo RAG en teoría" y "construí un sistema RAG que funciona, lo evalué y lo endurecí" es exactamente lo que este proyecto te da. Ve hito a hito, ejecuta cada celda, y al final tendrás algo concreto que mostrar.

Lo que sigue: en la próxima lección no habrá teoría. Cargarás el corpus de NimbusTech y, en un par de minutos, harás tu primera pregunta y obtendrás una respuesta con citas a la fuente —el sistema completo en miniatura— para que veas de una vez hacia dónde vamos. Abre el siguiente notebook y empecemos.