El artículo presenta diez posturas para Inteligencia de Documentos Empresariales que desafían los tutoriales principales de RAG. Argumenta que RAG no es aprendizaje automático; los embeddings no son magia; el barrido de tamaño de chunk optimiza lo incorrecto; el esquema de respuesta importa más que el modelo. El patrón estándar de tutorial—dividir documentos en chunks, generar embeddings, recuperar por similitud coseno, rerankear, enviar al LLM—funciona en ejemplos de hello-world pero tambalea con documentos empresariales reales. Las diez posturas se dividen en tres capas: recuperación (estructura primero, diccionarios antes que modelos, rerankers como herramientas no como etapas, un almacén de vectores para todo), definición empresarial (qué significa empresarial, quién amplifica el sistema, quién elige rutas en tiempo de ejecución), y auditoría (evaluación por fallo, estructura relacional entre bloques, citas como evidencia). La postura 1 invierte el tutorial predeterminado: los almacenes de vectores son un respaldo, no una base. La recuperación basada en estructura maneja la mayor parte de las preguntas reales; los embeddings entran como red de seguridad para casos residuales. Los cuadernos complementarios de la serie se ejecutan en PDFs reales, demostrando recuperación basada en estructura antes que embeddings, respuestas tipificadas con citas a nivel de línea, y evaluación dividida por modo de fallo.

Entidades Clave: Empresas: Anthropic | Personas: Hamel Husain, Eugene Yan, Jason Liu

Preguntas Frecuentes: ¿Por qué fallan los tutoriales principales de RAG en entornos empresariales?

Los tutoriales principales dependen de un único almacén de vectores y un enfoque de similitud coseno que funciona para ejemplos de hello-world pero falla con documentos empresariales reales. El artículo defiende la recuperación basada en estructura, tratando los almacenes de vectores como un respaldo, y enfatiza la interpretabilidad sobre los benchmarks.