Conocimiento · Fundamentos de IA

Búsqueda semántica

Semantic Search

📂Fundamentos de IA⏱Lectura de 2 min📊Práctico🔗Relacionados: 4

¿Qué es la búsqueda semántica?

Definición en una línea
Método que busca por 'significado', no por coincidencia de letras. Aunque se pregunte '¿cuántos días de vacaciones?', encuentra el 'reglamento de vacaciones'.
⚡ Resumen en 3 líneas
  • Busca por «significado» y no por letras
  • Encuentra por significado aunque la redacción sea distinta
  • Basada en embeddings y bases de datos vectoriales

También cambia a quién se atribuye la responsabilidad cuando la búsqueda falla. En la era de la búsqueda por palabras clave, el problema era del colaborador que escribía mal la consulta. Si en el portal interno se escribe «medio día de vacaciones» y salen 0 resultados, el colaborador prueba «vacaciones», «uso de vacaciones», «reglamento de asistencia» y, al final, llama a Recursos Humanos. Con la búsqueda semántica, la responsabilidad por no formular bien la pregunta pasa al sistema. Y lo que gestiona el responsable también cambia: de «cuántos sinónimos hemos registrado en el diccionario» a cómo se dividen los documentos y con qué modelo se vectorizan.

El funcionamiento es simple. Se divide el documento en fragmentos de 300 a 800 tokens, y un modelo de embedding convierte cada fragmento en un arreglo numérico de 384 a 3,072 dimensiones y lo guarda. La consulta se vectoriza del mismo modo y se extraen las 5 a 10 coincidencias con mayor similitud coseno. Sin embargo, no es superior en todas las búsquedas: para códigos de producto como «KX-2200B», para el «artículo 60 de la Ley de Normas Laborales de Corea» o para números de contrato, donde el propio texto es la información, los métodos por palabras clave tipo BM25 siguen siendo mucho más precisos. Por eso, la configuración habitual en la práctica es una búsqueda híbrida que combina ambos resultados, con una etapa de reranker que vuelve a ordenarlos por relevancia.

El error más común es esperar que, si no hay nada, el sistema diga «no hay». La búsqueda vectorial siempre devuelve lo más cercano, aunque no exista respuesta. Cinco documentos irrelevantes con similitud 0.55 entran tal cual en el prompt de RAG y generan una respuesta cuya fuente es un documento interno, pero cuyo contenido es incorrecto. Hay que fijar un umbral mínimo de similitud y, por debajo de él, cortar con «sin datos disponibles». Además, «el reglamento de gastos de viaje antes de la reforma» y «el reglamento posterior» tienen casi el mismo significado, así que los vectores no los distinguen; y una oración negativa como «los gastos de viaje no se pagan» también sale con puntuación alta para la consulta «pago de gastos de viaje». La fecha de revisión, el departamento y la vigencia deben filtrarse con metadatos, y debe acompañar una operación que retire del índice los documentos derogados.

Capacitaciones en las que aparece este término · IA·DX
Cursos recomendados · Instructores recomendados · Mini cotización
🧮 Mini cotización · Criterio de honorarios
Aprox. KRW 1,200,000 (≈ US$900)Charla especial de 2 horas · hasta 20 personas · en coreano
Solicitar cotización formal con estas condiciones →
💡 Dicho de forma sencilla
Aunque se pregunte '¿cuántos días de vacaciones?', encuentra el 'reglamento de vacaciones': busca por significado, no por palabras.
Por qué es importante en la práctica
Las personas no conocen las palabras clave exactas. La búsqueda semántica, que encuentra por significado, determina la calidad de la búsqueda y de RAG.
Origen y fuentes

Se volvió práctica gracias al avance de los embeddings de palabras y oraciones (desde word2vec en 2013), y con la expansión de los grandes modelos de lenguaje y de RAG se consolidó como método de búsqueda estándar.

Entender con un caso

Veamos un caso hipotético. La empresa A, fabricante de válvulas industriales con 620 colaboradores, tenía en su portal interno 12 mil reglamentos y fichas técnicas, pero el equipo de Recursos Humanos y el de ventas técnicas recibían más de 40 llamadas diarias del tipo «¿dónde está eso?». Al revisar el registro de búsquedas, la proporción de búsquedas sin resultados era del 34%. Como proyecto de tres meses, inició la transición a la búsqueda semántica.

  1. El gerente Kim, del equipo de sistemas de información, extrajo 500 búsquedas sin resultados y encontró que el 62% eran expresiones coloquiales que no aparecen en los documentos de reglamento, como 'medio día de vacaciones', 'ayuda por eventos familiares' o 'gastos de comida en viajes de trabajo'. La conclusión de la reunión fue: 'Es lógico que el empleado no conozca los términos legales'.
  2. Dividimos los reglamentos y manuales de equipos por artículo, en fragmentos de unos 600 tokens, hasta generar 34 mil fragmentos, y los vectorizamos con un modelo de embeddings en coreano. A cada fragmento le añadimos como metadatos el departamento, la fecha de revisión y la vigencia.
  3. En la primera prueba, al preguntar por el «límite de gastos de viaje», el reglamento antiguo derogado en 2021 apareció en primer lugar. Se aplicó al inicio de la búsqueda un filtro obligatorio de vigencia = Y y se excluyeron del índice por completo los 1,800 documentos derogados.
  4. El equipo de ventas técnicas protestó porque «antes la búsqueda por código de producto funcionaba mejor». Combinamos los resultados por palabras clave (BM25) con los resultados vectoriales y los reordenamos con un reranker. La precisión de la búsqueda de «KX-2200B» volvió al nivel anterior.
  5. Ocho semanas después, la proporción de búsquedas sin resultados bajó del 34% al 6%, y las llamadas de consulta pasaron de 40 a 13 diarias. Tras bloquear las respuestas con similitud inferior a 0.6 para que digan «sin datos disponibles», los reportes de respuestas incorrectas bajaron de 9 a 1 por semana.
Términos relacionados
Capacitaciones relacionadas con este término
📚Cómo crear una IA que responda con sus propios datos: introducción al RAGCapacitación corporativa de Nanum Consultoría · presencial/en líneaVer curso →
¿Necesita capacitación interna sobre este tema?
Reciba de inmediato un currículo y una cotización personalizados para su equipo.
Consultar sobre capacitación
Última modificación 2026-09-13 · Revisado por John Kim

Preguntas frecuentes

Sigue siendo útil. Para códigos y nombres exactos, las palabras clave; para búsquedas por concepto, la semántica es más potente. Lo ideal es usarlas juntas.
La búsqueda semántica es el método clave que RAG usa para encontrar los documentos en que se basa la respuesta.
Sigue usándose. Para palabras exactas, las palabras clave; para buscar por significado, la semántica es más fuerte. A veces se combinan.
RAG usa la búsqueda semántica (embeddings) para encontrar documentos relevantes. Es una pieza central de RAG.