Modelos y plataformas de IA
Perplexity publica una guía sobre RAG gestionado para la IA empresarial

Puntos claveEl RAG gestionado traslada las bases de datos vectoriales y los recuperadores de los…
Ver más
- El RAG gestionado traslada las bases de datos vectoriales y los recuperadores de los equipos empresariales a proveedores externos.
- El autoalojamiento se adapta a un uso acotado, pero el hardware y el mantenimiento pueden compensar los costos de tokens evitados.
- La externalización no tiene por qué ser para toda la empresa, ya que cada implementación puede dividir la responsabilidad de recuperación de forma diferente.
El 19 de noviembre de 2026, Perplexity publicó una guía que explica cómo las empresas pueden externalizar la generación aumentada por recuperación (RAG) mediante un servicio gestionado. Este proceso permite que los sistemas de IA empresarial accedan a información que va más allá de los parámetros de entrenamiento de un modelo.
La guía denomina a este enfoque RAG como servicio, o RaaS, y aplica el término a los acuerdos en los que proveedores externos se encargan de la mayoría o de todos los componentes y procesos de RAG. La responsabilidad de las bases de datos vectoriales, los modelos de incrustación y los recuperadores pasa al proveedor, que también puede gestionar la ingesta, el almacenamiento, la seguridad y la optimización continua. Según el paquete, el proveedor suministra el modelo de lenguaje y la interfaz de usuario, o conecta su servicio de recuperación al sistema de IA existente del cliente.
Cómo funciona la recuperación gestionada
La elección se articula en torno a tres modelos de implementación. El RAG local realiza la ingesta, la recuperación y el almacenamiento en los propios servidores del usuario, posiblemente junto con modelos de incrustación y de lenguaje que se ejecutan localmente. Un sistema en la nube creado por la propia empresa utiliza API para acceder a bases de datos alojadas y modelos de terceros, pero los administradores internos gestionan las conexiones y la orquestación. Con RaaS, el proveedor gestiona todo el sistema o la mayor parte, y la empresa proporciona acceso a su base de datos o almacenamiento en la nube.
En el ejemplo de gestión del conocimiento de la guía, el proveedor obtiene acceso a la base de conocimiento mediante una API. Después de limpiar el texto, convierte los pasajes en incrustaciones vectoriales y los almacena en una base de datos vectorial en sus propios servidores. El proveedor también incorpora la documentación que se publica y conecta su API de recuperación al orquestador del cliente, el software que coordina las entradas de los usuarios y envía al modelo de lenguaje instrucciones enriquecidas con información adicional.
Cuando un usuario consulta el chatbot de la empresa, el orquestador envía el texto de la consulta al proveedor, que lo convierte en una incrustación y realiza una búsqueda en la base de datos. El orquestador añade la información obtenida al contexto de entrada y la envía al modelo de lenguaje, cuya respuesta se entrega luego a través del chatbot. La guía afirma que proporcionar información que no está incluida en los parámetros de entrenamiento mejora la precisión y la exhaustividad de los resultados generados.
Usos empresariales y ventajas e inconvenientes de la implementación
Las principales aplicaciones son la gestión interna del conocimiento, la atención al cliente, la asistencia a las ventas, el acceso a los datos de los clientes y los chatbots de productos dirigidos a los clientes. Los asistentes internos pueden buscar documentación almacenada en servicios como Google Drive, SharePoint y Confluence. Los sistemas de ventas pueden consultar tickets de soporte, investigaciones sobre la competencia y grabaciones de llamadas, mientras que las aplicaciones que utilizan datos de clientes pueden facilitar la gestión de suscripciones, las devoluciones y los cambios en los datos personales. Los chatbots de productos también pueden conectarse a bases de datos de sistemas internos para responder preguntas sobre exploración de productos y cuestiones técnicas.
Perplexity señala como ventajas del RAG gestionado una implementación más rápida, menos mantenimiento, escalabilidad, sincronización automática de contenidos e integración con plataformas empresariales, aunque advierte que siguen aplicándose los límites del servicio y del nivel del paquete. Su marco para decidir entre crear una solución o comprarla se centra en el costo, la escala y la complejidad. El alojamiento propio puede ser adecuado cuando el uso está claramente delimitado y permitir evitar los cargos por tokens y almacenamiento si todos los componentes se ejecutan en servidores internos, aunque los costos del hardware y el mantenimiento pueden contrarrestar esos ahorros.
Las arquitecturas avanzadas pueden incorporar recuperación multimodal e híbrida, además de una nueva clasificación de resultados, y la guía afirma que los proveedores especializados suelen ofrecer el acceso más económico a esos conocimientos especializados. Como la mayoría de los sistemas de RAG ya utilizan algunos servicios de proveedores, la decisión depende de qué parte del sistema general construirá y gestionará un proveedor.
Panorama de proveedores y Perplexity Enterprise
La guía divide a los proveedores en plataformas generales de IA con RAG integrado y proveedores de infraestructura de backend gestionada. Presenta las primeras como productos listos para usar con integraciones y a los segundos como opciones para configuraciones personalizadas. Su selección editorial de siete proveedores incluye Perplexity, AWS, OpenAI, Microsoft Azure, Pinecone, LlamaIndex y Vectara.
En esa selección, Perplexity Enterprise se presenta como un conjunto de herramientas basadas en agentes que incluye bases de conocimiento internas y a nivel de proyecto, búsqueda web, acceso a varios modelos generativos, un modelo de incrustación propio, integraciones con datos externos, seguridad y permisos para empleados.
En su página para empresas, independiente de las demás, Perplexity afirma que más de 50 000 organizaciones confían en Perplexity Enterprise y describe Computer como una herramienta que utiliza 20 modelos avanzados. También señala que la plataforma en su conjunto conecta archivos y herramientas de la empresa para facilitar el acceso al conocimiento interno, la investigación y los proyectos complejos.
La misma página afirma que Perplexity no entrena sus modelos de lenguaje grandes con datos de clientes empresariales. Entre los controles enumerados se incluyen la certificación SOC 2 Type II, la conservación configurable de archivos, la gestión de usuarios, SSO y SCIM, y registros de auditoría para hacer un seguimiento de la actividad de los usuarios.
Las empresas también pueden adoptar un enfoque mixto: crear por su cuenta sistemas sencillos y recurrir a un proveedor para las aplicaciones avanzadas. En la práctica, esto significa que no es necesario externalizar todo el sistema empresarial: en cada implementación se puede asignar al proveedor una parte distinta de la complejidad, el costo y el mantenimiento de la recuperación, mientras la empresa conserva la responsabilidad de lo que mantenga internamente.












