Glosario de IA · Datos y conocimiento
Grounding
En una frase
El grounding o anclaje es la práctica de hacer que un modelo de IA base sus respuestas en fuentes concretas y verificables, como tus documentos, una base de datos o una búsqueda, en lugar de en lo que recuerda de su entrenamiento.
También se llama: anclaje · fundamentación · respuestas ancladas · grounded generation
¿Qué es grounding?
En inglés, ground es «suelo». Hacer grounding es poner los pies de la IA en el suelo: que lo que diga se apoye en algo que se pueda comprobar.
Llévalo a tu empresa
Agentes de IA para atender a tus clientes
Desde 49 €/mes + IVA
Voz, WhatsApp y email con la línea incluida: agente, números y CRM en la misma cuota.
Ver planes y preciosUn modelo de lenguaje sin anclaje responde con lo que aprendió en su entrenamiento. Eso sirve para explicar un concepto general, pero no para decir el precio de tu servicio o el estado de un pedido. Ahí, si no tiene el dato, puede producir una respuesta convincente e inventada. El grounding le da el dato correcto en el momento de responder y le pide que se ciña a él.
Relacionado con este término
Agentes UTIO
- Atienden 24/7 en 26 idiomas
- Montarlo tú cuesta 0 €: se crea leyendo tu web
- Prueba de 14 días sin tarjeta
Desde 49 €/mes + IVA
Ver planes y preciosCómo funciona
Hay varias formas de anclar una respuesta, que se suelen combinar:
- Documentos. Se buscan en tu base de conocimiento los fragmentos relevantes y se pasan al modelo. Es la técnica RAG, con una base de datos vectorial como buscador.
- Datos en vivo. El agente consulta un sistema: la agenda para ver huecos libres, el CRM para ver un pedido.
- Búsqueda. Para temas generales y actuales, se consultan fuentes públicas.
Y en todos los casos, unas reglas claras en el system prompt: responde solo con la información aportada, cita de dónde sale y, si no está, dilo.
El grounding no depende solo del modelo. Depende sobre todo de la calidad de las fuentes. Una documentación desordenada o contradictoria produce respuestas ancladas a datos malos.
Ejemplo
Un hotel rural de Asturias pone un asistente en su web. Sin anclaje, a la pregunta «¿se admiten perros?» el modelo contesta lo que suele pasar en otros hoteles. A veces acierta y a veces no.
Con grounding, el asistente consulta la ficha de normas del hotel: «Se admiten perros de hasta 15 kg en las habitaciones de planta baja, con suplemento». Y para «¿hay habitación el puente de diciembre?» no supone nada: consulta la disponibilidad real. Si una pregunta no tiene respuesta en ninguna fuente, ofrece dejar el contacto para que llame el hotel.
Cómo te afecta en tu empresa
Si un asistente habla con tus clientes en nombre de tu empresa, sus respuestas tienen que estar ancladas. Pregunta siempre de dónde saca la información y qué hace cuando no la encuentra.
Los agentes de UTIO responden con tu base de conocimiento, y en la vertical de soporte es la única fuente: lo que no está ahí no se responde, se abre un ticket. Para las citas, el agente consulta los huecos reales de tu agenda antes de ofrecerlos. Es la base de un agente de IA fiable.
Preguntas frecuentes
¿Grounding y RAG son lo mismo?
No exactamente. Grounding es el objetivo: que la respuesta se apoye en fuentes. RAG es la técnica más usada para conseguirlo, buscando en documentos. También se puede anclar con datos de una base de datos, de una API o de una búsqueda web.
¿El grounding elimina las alucinaciones?
Las reduce mucho, pero no las elimina. El modelo aún puede interpretar mal un fragmento o mezclar dos. Ayuda que cite la fuente, que tenga instrucción de no responder lo que no encuentra y que una persona revise lo delicado.
¿Cómo sé si una respuesta está bien anclada?
Porque puedes señalar de qué documento o dato sale. Si el sistema muestra la fuente, compruébala. Si una respuesta incluye un dato que no aparece en ninguna fuente, ese dato no está anclado.
Términos relacionados
- 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.
- Alucinación
Una alucinación es una respuesta de un modelo de IA que suena convincente pero es falsa o no se apoya en ninguna fuente: un dato, una cita, un precio o una referencia que el modelo se inventa al generar el texto más probable.
- 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.
- 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.
- Function calling
El function calling es la capacidad de un modelo de lenguaje de responder, en lugar de con texto, con una petición estructurada para usar una función concreta, con su nombre y sus parámetros. Tu sistema ejecuta esa función y le devuelve el resultado al modelo.
Actualizado el