Un embedding es la forma en que la IA convierte un texto (o una imagen) en números, de modo que las cosas con significado parecido queden cerca. Es la pieza invisible detrás de la búsqueda inteligente y de RAG.
Qué es un embedding
Los modelos no entienden palabras, entienden números. Un embedding es una lista de números (un vector) que representa el significado de un texto. La gracia está en que dos textos que significan algo parecido tienen embeddings cercanos, aunque usen palabras distintas.
Ejemplo: "perro" y "cachorro" quedan cerca. "Perro" y "factura" quedan lejos. Nadie se lo dice, el modelo lo aprende de haber leído millones de textos.
Para qué sirve
Esto desbloquea la búsqueda por significado, no por palabra exacta. Buscas "problemas de envío" y encuentra un correo que decía "el paquete llegó roto", aunque no compartan ni una palabra.
Es la base de:
- RAG: buscar en tus documentos lo relevante para una pregunta.
- Recomendadores: productos o contenidos parecidos.
- Detección de duplicados y clasificación automática.
Cómo se usa en la práctica
Conviertes tus documentos en embeddings, los guardas en una base de datos vectorial, y cuando preguntas algo comparas el embedding de tu pregunta con los guardados para traer los más parecidos. No necesitas entender las matemáticas, las herramientas lo hacen por ti.
En una frase
Un embedding convierte significado en números para que la IA pueda comparar ideas, no solo palabras. Es la tubería silenciosa detrás de casi toda búsqueda inteligente y de todo sistema RAG.
Cada día te cuento lo que importa de la IA en la newsletter de Digital Brain, sin leerte veinte fuentes: digitalbrain.email.
Relacionado
