Saltar al contenido

Hablar por WhatsApp PanelEntrar al panel

Búsqueda semántica

Forma de búsqueda que encuentra resultados por significado y no por coincidencia exacta de palabras. Usa embeddings para entender la intención, de modo que 'darme de baja' y 'cancelar suscripción' devuelven lo mismo.

Forma de búsqueda que encuentra resultados por significado y no por coincidencia exacta de palabras. Usa embeddings para entender la intención, de modo que 'darme de baja' y 'cancelar suscripción' devuelven lo mismo.

Actualizado: 13 de julio de 2026.

La búsqueda tradicional empareja palabras; la semántica empareja conceptos. Convierte la consulta y los documentos en embeddings y compara su cercanía, capturando sinónimos y paráfrasis.

Cómo funciona

Indexar documentos como vectores en una base de datos vectorial.
Vectorizar la consulta.
Recuperar los vectores más cercanos.
Opcionalmente, aplicar re-ranking sobre los candidatos para ordenar mejor los resultados.

Por qué importa

Es una de las técnicas más usadas en buscadores internos y en el paso de recuperación de RAG. La guía qué es RAG y cómo mejora la búsqueda de contenidos muestra cómo esos resultados se convierten en una respuesta fundamentada.

Términos relacionados

Incrustación vectorial (embedding)Una incrustación vectorial o embedding es una representación numérica de un texto, imagen, audio u otro dato que conserva relaciones de significado. Un modelo convierte cada elemento en un vector; los vectores semánticamente parecidos quedan próximos en el espacio matemático. Esa propiedad permite buscar por significado, recomendar contenido, agrupar ejemplos y recuperar contexto para sistemas RAG sin depender solo de palabras exactas.Base de datos vectorial: qué es y cómo funcionaUna base de datos vectorial es un sistema que almacena embeddings junto con identificadores y metadatos, construye un índice para buscar vecinos cercanos y devuelve elementos semánticamente similares a un vector de consulta. Puede ser un producto especializado o una capacidad añadida a un buscador o base tradicional; guardar vectores no basta sin estrategia de recuperación, filtros y evaluación.RAG (generación aumentada por recuperación)RAG es una arquitectura de inteligencia artificial que recupera información relevante desde documentos, bases de datos u otras fuentes externas y la añade al contexto de un modelo de lenguaje antes de generar una respuesta. Permite trabajar con conocimiento privado o reciente sin reentrenar los pesos del modelo.Re-ranking: qué es y cómo funciona en RAGEl re-ranking, también escrito reranking o re ranking, es la segunda etapa de un sistema de búsqueda: recibe una lista corta de documentos recuperados y vuelve a puntuarlos con un modelo más preciso para colocar primero los más relevantes. En RAG suele combinar una recuperación rápida con embeddings o palabras clave y un reordenador más costoso antes de entregar contexto al LLM.Agrupamiento (clustering)Técnica de aprendizaje no supervisado que agrupa datos en conjuntos según su similitud, sin etiquetas previas. Útil para segmentar clientes, organizar documentos o detectar patrones ocultos.

Ver todos los términos

02 / LLEVAR A LA PRÁCTICA

Después de leer

Convierte una idea útil en una habilidad repetible.

Elige una ruta breve, aplícala a una tarea real y termina con algo que puedas revisar, usar o compartir.

Explorar cursos Empezar gratis