Buscador documental con IA y respuesta validada

La asociación acumula años de documentación oficial: normativa española y europea, actas, informes, publicaciones del sector. Cientos de PDF y páginas web, en distintos formatos y fechas, accesibles solo por navegación manual o por el buscador de palabras clave de la web.

Para un socio que necesita saber qué dice la última resolución sobre un tema concreto, eso significa abrir documentos uno a uno. Para el equipo, significa recibir la misma pregunta por correo muchas veces. Y para un visitante, significa no llegar a saber que la información existe.

El problema no era la falta de documentación. Era que la documentación no se podía preguntar.

Un sistema de búsqueda aumentada por recuperación (RAG) con dos pipelines, un validador y un widget, todo sobre infraestructura propia.

• Indexación nocturna. Cada día el sistema recorre los documentos publicados en la web, detecta cuáles son nuevos o han cambiado, los segmenta semánticamente y los indexa en una base vectorial. Los documentos sin cambios no se reprocesan.
• Validación antes de mostrar. Un segundo modelo, más pequeño, comprueba cada respuesta: coherencia, presencia de fuentes, ausencia de afirmaciones sin respaldo. Si falla, reintenta una vez con una búsqueda corregida; si vuelve a fallar, responde que no ha encontrado la información en vez de inventarla.
• Memoria de sesión. El sistema recuerda la conversación durante media hora, de modo que «¿y ese decreto qué plazo fija?» se entiende en contexto.
• Trazabilidad. Cada consulta lleva un identificador único que atraviesa todos los componentes, de modo que cualquier respuesta se puede reconstruir paso a paso desde los logs. Los prompts viven en un único fichero versionado.
• Consulta en tiempo real. Un análisis inicial clasifica la pregunta, la reformula con sinónimos del sector y, si es compleja, la descompone en subpreguntas. Una búsqueda vectorial recupera los fragmentos más cercanos. Un reranker local los reordena. Un modelo genera la respuesta en streaming, citando el documento.
• Widget embebido. Un único script, sin dependencias ni proceso de build, que se pega en cualquier página de la web corporativa. Los socios identificados ven la respuesta completa con enlace directo al documento; los visitantes, una versión limitada.