Hendrick, R . «Considering RAG When Evaluating Generative AI Tools», Choice 360 13 de mayo de 2024. https://www.choice360.org/libtech-insight/considering-rag-when-evaluating-generative-ai-tools/.

La evaluación de herramientas de inteligencia artificial generativa (IA) requiere considerar varios aspectos, especialmente en el ámbito académico. La introducción de la Retrieval Augmented Generation (RAG) ha añadido una nueva dimensión a esta evaluación, destacando la importancia de comprender su funcionamiento y sus implicaciones para la investigación.

La creciente proliferación de herramientas de IA ha generado un desafío para los bibliotecarios académicos, quienes se enfrentan a la tarea de evaluar y seleccionar las herramientas más adecuadas para sus instituciones. En medio de esta diversidad de opciones, es esencial entender las distintas categorías de aplicaciones de IA, desde la IA conversacional hasta la IA generativa, y reconocer cómo estas aplicaciones pueden impactar en la investigación y el aprendizaje.

En particular, la IA generativa, que tiene la capacidad de crear nueva información, ha despertado el interés de la comunidad académica. Sin embargo, estas herramientas también plantean desafíos éticos y prácticos, como la falta de citas, la propensión a las alucinaciones y las preocupaciones sobre los derechos de autor y la privacidad del usuario.

Es aquí donde entra en juego la RAG. Esta tecnología, al mejorar las capacidades de las redes neuronales de la IA generativa, ofrece una solución parcial a estos problemas al permitir la incorporación de nueva información, la optimización de resultados y la provisión de citas y enlaces para los resultados de búsqueda. La RAG representa un paso importante hacia la creación de herramientas de IA generativa que sean verdaderamente útiles y confiables para la educación superior.

La diferencia entre una herramienta de IA generativa estándar y una herramienta que utiliza RAG es evidente en la experiencia del usuario. Mientras que las herramientas convencionales pueden ofrecer respuestas imprecisas o incompletas, aquellas que emplean RAG pueden proporcionar resultados más precisos y fiables, junto con la capacidad de personalizar la búsqueda y verificar las fuentes de información.