Bevara, R. V. K., Lund, B. D., Mannuru, N. R., Karedla, S. P., Mohammed, Y., Kolapudi, S. T., & Mannuru, A. (2025). Prospects of Retrieval Augmented Generation (RAG) for Academic Library Search and Retrieval. Information Technology and Libraries, 44(2). https://doi.org/10.5860/ital.v44i2.17361

Retrieval Augmented Generation (RAG) es una tecnología que combina dos cosas: por un lado, sistemas que saben buscar información en bases de datos o documentos (esto es el “retrieval” o recuperación), y por otro lado, modelos de inteligencia artificial que pueden entender y generar texto en lenguaje natural (como los chatbots o asistentes virtuales). De manera que cuando Entonces, cuando se hace una pregunta, RAG primero busca la información relevante en fuentes confiables y después usa esa información para crear una respuesta clara y completa, como si estuvieras hablando con un experto que tiene acceso a mucha información precisa.

Se examina el potencial de los sistemas basados en RAG para transformar los métodos tradicionales de búsqueda y recuperación de información en bibliotecas universitarias. RAG combina las capacidades de comprensión del lenguaje natural de los grandes modelos de lenguaje (LLM) con sistemas estructurados de recuperación de información basados en bases de datos verificadas, creando así un enfoque innovador para la búsqueda académica que mejora la precisión y relevancia de los resultados.

El estudio detalla los requerimientos técnicos necesarios para integrar RAG en los sistemas bibliotecarios actuales, destacando la importancia de las arquitecturas middleware que conectan las bases de datos académicas con los procesos de generación y recuperación. Se profundiza en elementos como las canalizaciones de embedding (representaciones vectoriales de datos), las bases de datos vectoriales y la arquitectura técnica que permite que RAG procese consultas en tiempo real, utilizando el contexto y el significado semántico para refinar los resultados de búsqueda.

Además, el artículo resalta cómo los sistemas RAG pueden mejorar significativamente la experiencia del usuario en las bibliotecas académicas, gracias a funcionalidades como la asistencia personalizada en la investigación, interfaces conversacionales para interactuar de forma más natural y la integración multimodal de contenido (texto, imágenes, datos). Sin embargo, también enfatiza la necesidad de cumplir con regulaciones de privacidad de datos y derechos de autor para asegurar un uso responsable y ético de estas tecnologías.

Entre las consideraciones críticas, el estudio aborda aspectos éticos, la transparencia del sistema y la confianza del usuario, indicando que, aunque RAG ofrece grandes oportunidades para modernizar los servicios bibliotecarios, su implementación exitosa depende de un equilibrio cuidadoso entre innovación técnica y responsabilidad social. Finalmente, los autores concluyen que la integración de RAG en bibliotecas académicas tiene un gran potencial para revolucionar la forma en que se accede y se gestiona el conocimiento, pero que aún se requiere investigación continua en áreas como la escalabilidad del sistema, el cumplimiento ético y la optimización de costos para su adopción masiva.