La fundamentación, conocida como grounding, es la vinculación de una respuesta o salida de IA con información verificable: un documento, un dato de un sistema o una observación identificable. Permite examinar qué evidencia respalda lo que el sistema afirma.
La documentación de Google Cloud describe grounding como la conexión de la salida del modelo con fuentes verificables. Aportar fuentes puede reducir invenciones, pero no garantiza que el modelo interprete bien la información.
Cómo funciona
Un sistema recibe o consulta información y la incorpora al contexto de generación. Puede utilizar documentos seleccionados, resultados de búsqueda o respuestas de herramientas. El modelo prepara una salida apoyada en esa información y, según la aplicación, añade referencias que permiten contrastarla.
El diseño debe conservar la relación entre afirmaciones y evidencia. Un enlace general a una carpeta obliga a la persona revisora a buscar de nuevo; un pasaje identificado facilita comprobar una condición concreta.
Como criterio de implantación, recomendamos conservar el identificador de la fuente, su versión y el fragmento pertinente cuando el resultado necesite auditoría. El detalle requerido depende de la consecuencia del error: una nota de trabajo y una propuesta contractual no necesitan el mismo registro.
Grounding y RAG: conceptos relacionados
La generación aumentada por recuperación, o RAG, recupera información pertinente y la aporta al modelo durante la generación. Grounding describe el vínculo de la salida con evidencia. RAG puede facilitar ese vínculo, pero recuperar un fragmento no demuestra que la respuesta lo utilice correctamente.
También puede intentarse fundamentar una respuesta mediante un documento incluido directamente en el contexto o un dato obtenido de una herramienta. No toda aplicación necesita una base de datos vectorial para trabajar con fuentes.
La elección depende de la tarea. Si se analiza un contrato concreto, aportar ese contrato puede bastar como punto de partida. Si se buscan condiciones entre miles de expedientes, habrá que evaluar recuperación, permisos y selección de versiones.
Ejemplo: responder sobre una devolución
Ejemplo ilustrativo. Un asistente de atención al cliente consulta una política de devoluciones y responde que el plazo es de 30 días. El documento incluye una excepción para productos personalizados.
Si el pedido contiene uno de esos productos, citar la política general no respalda la autorización de devolución. La respuesta debe conservar la excepción y comprobar el tipo de producto antes de recomendar una acción.
La prueba debería incluir un pedido ordinario, otro sujeto a la excepción y un tercero con datos incompletos. En el último, una salida aceptable es solicitar la información que falta. El responsable del proceso define las respuestas correctas antes de evaluar al asistente.
Cuándo aporta valor
La fundamentación resulta especialmente útil cuando una respuesta depende de información propia, cambiante o susceptible de revisión: políticas internas, características de un servicio, condiciones comerciales o estados de un expediente.
En una tarea creativa abierta, exigir evidencia para cada frase puede añadir trabajo sin mejorar el resultado. Aun así, cualquier afirmación factual incorporada a un texto creativo conserva su necesidad de verificación.
Si la decisión depende de un cálculo exacto o una regla obligatoria, recomendamos ejecutar el cálculo o la validación en el componente adecuado. El modelo puede explicar el resultado, pero el acceso a una fuente no sustituye una comprobación determinista.
Cómo comprobar si está bien fundamentada
Revisa cuatro preguntas sobre cada afirmación relevante:
- ¿Es correcta? Compárala con la respuesta de referencia del caso.
- ¿La evidencia la respalda? Lee el pasaje y comprueba que no se hayan perdido negaciones, excepciones o condiciones.
- ¿La fuente es aplicable? Revisa versión, ámbito y fecha de vigencia.
- ¿El sistema reconoce los huecos? Prueba solicitudes que los documentos no pueden responder.
Puedes medir la proporción de afirmaciones respaldadas dentro de una muestra, separando precios, plazos y otros datos críticos. Define previamente qué cuenta como afirmación y como apoyo suficiente. Una media alta puede ocultar un error grave en una condición comercial; registra también la gravedad de los fallos.
Límites y términos relacionados
La evidencia puede estar equivocada, desactualizada o incompleta. El sistema puede seleccionarla mal, interpretarla fuera de contexto o añadir una inferencia que la fuente no contiene. Además, los documentos externos pueden introducir instrucciones maliciosas: deben mantenerse como datos, sin autoridad para alterar las reglas de la aplicación.
- Cita: referencia que ayuda a localizar evidencia; no es una validación automática.
- Alucinación: salida falsa o sin respaldo adecuado; grounding no elimina todos estos fallos.
- Ingeniería de contexto: selección y organización de lo que el modelo recibe, incluida la evidencia.
- Fine-tuning: adaptación mediante entrenamiento; no garantiza información vigente ni referencias verificables.
La evidencia también puede ser visual o sonora, como explica IA multimodal. Para pasar de la definición al diseño, consulta conocimiento empresarial fiable y RAG, contexto largo o memoria aprendida.
Una comprobación útil
Pide al sistema una respuesta cuya fuente incluya una excepción importante. Si conserva la condición y permite localizar su evidencia, continúa evaluando con otros casos. Si la elimina, corrige el flujo antes de utilizarlo para tomar decisiones.
Fuentes y lecturas recomendadas
- Google Cloud: grounding overview, definición y fuentes admitidas; consultado el 5 de octubre de 2026.
Equipo INSTINTIA · Última revisión: 5 de octubre de 2026. Los criterios de comprobación son recomendaciones editoriales.