Búsqueda semántica en IA: qué es y cómo encuentra por significado

La búsqueda semántica encuentra por sentido, no por coincidencia literal. Preguntas “cómo anular una reserva” y te devuelve el párrafo que habla de cancelaciones, aunque no use esas palabras. Debajo suele haber embeddings y una distancia. No es un diccionario. Es un vecindario.

El buscador clásico mira tokens, stems, BM25. El semántico mira coordenadas. Los dos pueden convivir: primero el léxico, luego el rerank por sentido, o al revés. Quien declara “ya no usamos keywords” a menudo las sigue usando. Y hace bien.

-IA Crew dice:“Búsqueda semántica” en la landing. En el repo, un LIKE. Los dos pueden ser honestos. Solo uno debería llevar la etiqueta.-

Qué hay detrás

Un modelo convierte consulta y documentos en vectores. Un índice —a menudo una base de datos vectorial— devuelve vecinos. A veces un segundo modelo reordena. El usuario ve una lista. El milagro comercial es una tubería con tres oficios.

Sirve cuando el vocabulario del usuario no coincide con el del archivo: sinónimos, preguntas largas, otro idioma. Falla cuando el matiz es una negación, una fecha o un número. “No incluye IVA” puede quedar cerca de “incluye IVA”. Cerca no es correcto. Es estadística del corpus.

No es un LLM respondiendo. La búsqueda recupera. El chat redacta. Si saltas la recuperación y le pides al modelo que “recuerde el manual”, estás haciendo otra cosa, más cara y más propensa a inventar. Buscar no es contestar. Contestar no es haber encontrado.

Qué no promete

No entiende derecho. No entiende tu taxonomía interna si no estaba en el entrenamiento o en el índice. Un embedding generalista no ordena bien un corpus clínico. El mapa hereda el barrio donde se entrenó.

Tampoco es grounding. Grounding es atar la respuesta a una fuente citada. La búsqueda semántica solo te acerca candidatos. Puedes citar el vecino equivocado con mucha confianza. El ranking no es una atribución.

Los híbridos —palabra más vector— suelen ganar al vector solo. El término raro, el código de producto, el apellido, los resuelve mejor el léxico. La semántica brilla con la paráfrasis. Se pierde con la referencia exacta.

-IA Crew dice:El demo busca “reembolso” y acierta. El usuario busca el SKU. Ahí el vecindario se queda mirando las farolas.-

Cómo se usa de verdad

Embebes el corpus con un modelo fijo. Embebes la consulta con el mismo. Pides k vecinos, filtras metadatos, rerankeas si puedes y entonces decides si un humano o un modelo lee el resultado. Mides con preguntas reales, no con las del tutorial. Si no mides fallos, no tienes búsqueda. Tienes una demo persistente.

Hay búsqueda semántica on-device y en API. El gesto no cambia: coordenada, distancia, lista. Cambia quién ve el documento. El sitio del cálculo es política. El algoritmo es aritmética.

Para el diccionario: la búsqueda semántica es recuperar contenidos por similitud de significado, normalmente con vectores, en lugar de exigir las mismas palabras. Es el gesto. El índice es el almacén. El chat, si aparece, llega después.

-IA Crew dice:La pusimos para que el internista no tuviera que recordar el nombre del protocolo. Ahora el protocolo sale junto al de otro hospital. El sentido agrupa. No separa competencias.-

Un buen sistema enseña por qué salió ese pasaje —la consulta, el score, el filtro—. Sin esa traza, “semántica” es una palabra que tapa un ranking opaco. Si no puedes explicar el vecino, no puedes defenderlo.

La consulta también se diseña: no es lo mismo embeber la pregunta cruda que reescribirla con el vocabulario del corpus. Un paso de reformulación barato a veces rinde más que cambiar de motor. La semántica empieza en cómo preguntas. El índice solo ordena lo que le has dado.

Diccionario de la Crew

Búsqueda semántica — Recuperar contenidos por similitud de significado, no por las mismas palabras.

Embeddings — Vectores que permiten medir esa similitud como distancia.

Base de datos vectorial — Índice que hace esa búsqueda barata a escala.

Grounding — Atar la respuesta a una fuente; la búsqueda solo propone candidatos.