Un cliente escribe "mi paquete nunca llegó". Tu centro de ayuda tiene una página que se llama "Envíos perdidos o extraviados". No contiene ninguna de esas palabras.
La búsqueda por palabras clave no encuentra nada. La semántica la encuentra al instante. Ese solo ejemplo explica por qué se impuso la búsqueda por significado, y también es apenas la mitad de la historia, porque el siguiente cliente escribe un SKU.
Cuatro consultas, dos motores
Qué hace realmente cada una
La búsqueda por palabras clave compara cadenas de texto. Arma un índice de qué documentos contienen qué palabras, ordena según qué tan poco común es cada palabra y cuántas veces aparece, y devuelve documentos que literalmente contienen lo que escribiste. No tiene idea de que paquete y envío son lo mismo.
La búsqueda semántica compara significado. Cada pasaje se convierte en una lista de números que codifica de qué trata, la pregunta recibe el mismo tratamiento, y el sistema devuelve los pasajes cuyos números quedan más cerca de los de la pregunta. Nada se compara de forma literal, que es toda la ventaja y todo el riesgo.
La última fila está subestimada. Una búsqueda por palabras clave que falla, falla a la vista, con la página vacía. Una búsqueda semántica siempre devuelve sus coincidencias más cercanas, así que el fracaso llega con aspecto de resultado. A eso se refiere la gente cuando dice que una búsqueda vectorial "devolvió con seguridad algo equivocado".
Dónde la búsqueda por significado cambia el trabajo de verdad
Tres cosas dejan de ser tu problema.
El desajuste de vocabulario: los clientes dicen "se rompió" y tus documentos dicen "diagnóstico de fallas", y ese hueco deja de necesitar una lista de sinónimos que alguien mantenga para siempre. La redacción: once formas de preguntar por devoluciones caen todas en la misma página. Y el idioma: una pregunta escrita en español puede encontrar un pasaje escrito en inglés, por lo cual un asistente multilingüe no necesita once bases traducidas para servir desde el primer día.
Esa última es la mayor ventaja práctica para quien vende en varios países, y la que más se omite en las comparaciones.
Dónde se rompe y qué hacer
Las fallas son predecibles, lo que las vuelve manejables.
- Identificadores. Números de pedido, SKU, códigos de error, números de parte. El significado no aplica, así que necesitan comparación literal.
- Nombres propios parecidos a otros nombres propios. Dos líneas de producto con nombres similares terminan cerca una de otra en el espacio de significado.
- Negaciones y exclusiones. "No cubierto por la garantía" y "cubierto por la garantía" están cerca en significado y son opuestos en los hechos.
- Números y umbrales. "Gratis desde $80" y "gratis desde $150" se parecen muchísimo para un modelo que los lee como significado.
La escritura ayuda con tres de los cuatro: nombra el sujeto, mantén la regla y su excepción en el mismo pasaje, y escribe los números con su unidad y su condición. El primero no es un problema de escritura, lo que nos lleva a cómo lo resuelven los sistemas reales.
Por eso los sistemas serios usan las dos
La respuesta práctica no es elegir. Es correr recuperación por palabras clave y semántica a la vez, y después combinar las dos listas de resultados para que un pasaje que gustó a los dos métodos quede por encima de uno que gustó a uno solo.
Eso es recuperación híbrida, y existe justamente por las cuatro consultas de arriba: necesitas el motor que encuentra "envíos perdidos o extraviados" desde "mi paquete nunca llegó", y necesitas el motor que encuentra exactamente RG-2201-BLK. Un sistema con uno solo se equivoca de una forma que su dueño no ve hasta que un cliente lee un código en voz alta.
Escribe un código exacto de tu catálogo y después una paráfrasis de una pregunta común. Si el código funciona y la paráfrasis no, tienes búsqueda por palabras clave. Si la paráfrasis funciona y el código devuelve cuatro productos parecidos, tienes búsqueda vectorial sola. Si funcionan las dos, alguien hizo el trabajo híbrido.
Preguntas frecuentes
Haz la prueba de las dos consultas con el buscador que tengas hoy. Lleva un minuto, y te dice qué mitad de las preguntas de tus clientes estás respondiendo de casualidad.
welcomeai.dev¿Qué es RAG? La generación aumentada por recuperación, explicada
