IAnversic RAG

Visión general del proyecto

La plataforma explora cómo las organizaciones pueden hacer accesible su conocimiento interno mediante IA sin ceder el control de sus documentos ni de su infraestructura.

Combina extracción documental, búsqueda semántica y generación aumentada por recuperación para ofrecer respuestas fundamentadas en fuentes organizacionales, con foco en privacidad del despliegue, calidad del retrieval y trazabilidad de fuentes.

Arquitectura

Decisiones de diseño

• RAG en vez de fine-tuning para conocimiento empresarial cambiante.
• Búsqueda híbrida en vez de solo vectorial para identificadores exactos.
• Modelos locales en vez de APIs en la nube por garantías de privacidad.

Retos técnicos

• Preservar tablas y encabezados durante el chunking.
• Filtrado de permisos a nivel de documento en el vector store.
• Ejecutar modelos locales en hardware de gama media.

Evidencia de pruebas y validación

Múltiples capas de verificación en recuperación, seguridad y el ciclo de vida de la aplicación.

IAnversic RAG se valida mediante pruebas automatizadas, verificaciones de pipeline de extremo a extremo, pruebas de aceptación de control de acceso y evaluación con modelos reales para verificar el comportamiento de recuperación, el fundamento de las respuestas y el aislamiento de datos.

1. 01Pruebas automatizadas

   Las pruebas automatizadas verifican la lógica de la aplicación, los componentes de recuperación, los controles de seguridad y el comportamiento esperado usando proveedores simulados y una base de datos de prueba dedicada.

   Evidencia: informes de pruebas, salida de ejecución y casos de prueba relevantes.

2. 02Verificaciones de pipeline de extremo a extremo

   Las pruebas de humo ejercitan el flujo principal de RAG, incluyendo autenticación, carga de documentos, ingesta y respuesta a preguntas. Las verificaciones con modelos reales evalúan respuestas usando modelos reales de embeddings y generación.

   Evidencia: registros de ejecución, respuestas con citas, resultados esperados frente a reales, casos de abstención y latencia de respuesta.

3. 03Validación de control de acceso

   Pruebas de aceptación dedicadas verifican el aislamiento de organizaciones, permisos basados en roles, acceso por clave API, visibilidad de recursos y comportamiento de desactivación.

   Evidencia: resultados PASS/FAIL, salida de ejecución de pruebas y escenarios de permisos documentados.

4. 04Fundamento y calidad de recuperación

   Las verificaciones de recuperación y generación de respuestas evalúan si la información relevante llega al modelo, las respuestas generadas están respaldadas por documentos fuente, las citas cumplen los requisitos de fundamento configurados y el sistema se abstiene cuando la confianza es insuficiente.

   Evidencia: fragmentos recuperados, citas de fuentes, resultados de verificación de fundamento, casos de abstención y reportes de evaluación.