Glosario de IA · Datos y conocimiento
Embeddings
En una frase
Un embedding es una lista de números que representa el significado de un texto, una imagen o un audio. Textos con significado parecido tienen embeddings cercanos, y eso permite buscar por sentido y no solo por palabras exactas.
También se llama: vectores semánticos · incrustaciones · representación vectorial · vector embeddings
¿Qué son los embeddings?
Un ordenador no entiende que «¿cuánto tarda el envío?» y «¿cuándo me llega el pedido?» preguntan lo mismo. Las palabras no coinciden. Los embeddings resuelven eso: un modelo convierte cada texto en una lista de cientos o miles de números, colocada en un espacio donde lo parecido queda cerca.
Llévalo a tu empresa
La IA de UTIO, por API
Desde 29 €/mes + IVA
Para desarrolladores y agencias que montan sus propios productos.
Ver el API de IAPiensa en un mapa. En lugar de dos coordenadas tiene cientos, pero la idea es la misma: «envío», «entrega» y «plazo de llegada» caen en la misma zona; «factura» cae lejos. Para saber si dos textos hablan de lo mismo, basta con medir la distancia entre sus puntos.
Relacionado con este término
API de IA
- Transcripción, voz, texto, imagen, OCR y embeddings
- Claves por cliente con tope de gasto
- Monedero prepago: recarga mínima de 50 €
Desde 29 €/mes + IVA Cuenta con panel, más consumo
Ver el API de IACómo funciona
- Calcular. Un modelo de embeddings lee el texto, partido en tokens, y devuelve su vector: la lista de números.
- Guardar. Los vectores de tus documentos se almacenan, normalmente en una base de datos vectorial.
- Comparar. Cuando llega una pregunta, se calcula su vector y se buscan los más cercanos.
Con esto se hacen varias cosas:
- Búsqueda semántica: encontrar el párrafo que responde aunque no use las mismas palabras.
- RAG: pasar esos párrafos al modelo de lenguaje para que responda con tus datos.
- Clasificar y agrupar: juntar mensajes parecidos, detectar temas que se repiten.
- Detectar duplicados en catálogos o bases de datos.
Un matiz: los embeddings capturan parecido de significado, no verdad. Dos frases contradictorias sobre el mismo tema pueden quedar muy cerca.
Ejemplo
Una ferretería online de Burgos tiene 8.000 productos y un buscador que solo encuentra coincidencias exactas. Quien escribe «algo para colgar un cuadro sin taladrar» no encuentra nada, porque ningún producto se llama así.
Calculan el embedding de cada ficha de producto y de cada búsqueda. Ahora esa búsqueda devuelve tiras adhesivas, ganchos de pared y colgadores sin clavos. No han cambiado las fichas: han cambiado la forma de comparar.
Embeddings en UTIO
Los agentes de UTIO responden con tu base de conocimiento: buscan en tu documentación los fragmentos útiles antes de contestar. No tienes que calcular embeddings ni montar nada para eso.
Si eres desarrollador o agencia, el API de IA de UTIO tiene un servicio de embeddings: vectores para indexar y buscar en tu propio contenido, con la misma clave que la transcripción, el OCR o la generación de texto. Tú decides dónde guardarlos y cómo buscarlos.
Preguntas frecuentes
¿Qué diferencia hay entre un token y un embedding?
Un token es un trozo de texto, la unidad que lee el modelo. Un embedding es una lista de números que resume el significado de un texto entero, de una frase o de un fragmento. Primero se parte en tokens y luego el modelo calcula el embedding.
¿Los embeddings de distintos modelos son compatibles?
No. Cada modelo de embeddings tiene su propio espacio de números. Si cambias de modelo, hay que volver a calcular los embeddings de todos tus documentos.
¿Los embeddings sirven en varios idiomas?
Los modelos multilingües colocan cerca frases con el mismo significado aunque estén en idiomas distintos. Así, una pregunta en francés puede encontrar un documento en español.
Términos relacionados
- Base de datos vectorial
Una base de datos vectorial es un sistema que guarda embeddings, listas de números que representan el significado de un contenido, y encuentra muy rápido los más parecidos a una consulta. Es la pieza de búsqueda de la mayoría de sistemas RAG.
- RAG
RAG (generación aumentada por recuperación) es una técnica que hace que un modelo de lenguaje busque primero en tus documentos los fragmentos relevantes y redacte la respuesta a partir de ellos, en lugar de contestar solo de memoria.
- Base de conocimiento
Una base de conocimiento es el conjunto ordenado de información de una empresa (preguntas frecuentes, condiciones, horarios, fichas de producto, procedimientos) del que un agente de IA o un equipo saca las respuestas.
- Tokenización
La tokenización es el proceso que divide un texto en tokens, las piezas que entiende un modelo de lenguaje, y asigna a cada una un número de su vocabulario. Es el primer paso antes de que el modelo pueda leer o escribir nada.
- Clasificación de texto
La clasificación de texto es la tarea de IA que asigna automáticamente una o varias categorías a un texto, como un correo o un mensaje: tipo de consulta, tema, prioridad o idioma. Es la base para ordenar, priorizar y repartir el trabajo.
Actualizado el