Análisis de herramientas de Recuperación-Generación Mejorada (RAG) para la búsqueda de información general y académica

Autores/as

  • Suyin Ortega Cuevas Universidad Nacional Autónoma de México, Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas. Ciudad Universitaria, Ciudad de México, México. https://orcid.org/0000-0003-4339-9042
  • Ricardo Tavira Sánchez Universidad Nacional Autónoma de México, Dirección General de Bibliotecas y Servicios Digitales de Información, Subdirección de Servicios de Información Especializada Universidad Nacional Autónoma de México. Ciudad Universitaria, Ciudad de México, México. https://orcid.org/0009-0009-5179-895X

DOI:

https://doi.org/10.22201/dgtic.26832968e.2025.12.32

Palabras clave:

inteligencia artificial, búsqueda de información, inteligencia artificial generativa, técnica RAG, servicios bibliotecarios

Resumen

Este artículo analiza herramientas de Inteligencia Artificial Generativas (IAG) en su clasificación de Recuperación-Generación Mejorada (RAG, por sus siglas en inglés) en la búsqueda de información. El objetivo es identificar herramientas de IA que optimicen la eficacia en la búsqueda de información y faciliten la investigación académica. La integración de IA en bibliotecas mejora la eficiencia operativa, personaliza el servicio y expande el acceso a recursos, subrayando su papel crucial en la modernización de estos centros de conocimiento. Estas herramientas ayudarán al usuario a la localización de su información, por lo que se presenta un análisis de nueve de ellas.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Ricardo Tavira Sánchez, Universidad Nacional Autónoma de México, Dirección General de Bibliotecas y Servicios Digitales de Información, Subdirección de Servicios de Información Especializada Universidad Nacional Autónoma de México. Ciudad Universitaria, Ciudad de México, México.

El Maestro Ricardo Tavira Sánchez es un profesional con amplia experiencia en Bibliotecología y Estudios de la Información. Su sólida formación incluye una Maestría y Licenciatura en la Universidad Nacional Autónoma de México (UNAM). Sus principales áreas de interés incluyen los recursos digitales de información, la búsqueda y recuperación de información, la aplicación de tecnologías de la información en entornos bibliotecarios, así como la investigación en inteligencia artificial generativa y su aplicación en la docencia e investigación. Su pasión por estas áreas se refleja en su participación activa en proyectos de investigación, su labor docente y su compromiso con el desarrollo profesional y académico.

Citas

[1] A. Cox, “How artificial intelligence might change academic library work: Applying the competencies literature and the theory of the professions”, J. Assoc. Inf. Sci. Technol., vol. 74, no. 3, pp. 367-380, 2023, [En línea]. doi: 10.1002/asi.24635.

[2] R. D. Moreno Padilla, “La llegada de la inteligencia artificial a la educación”, Rev. Investig. En Tecnol. Inf., vol. 7, no 14, pp. 260-270, dic. 2019, [En línea]. doi: 10.36825/RITI.07.14.022.

[3] G. Yenduri et al., “Generative Pre-trained Transformer: A Comprehensive Review on Enabling Technologies, Potential Applications, Emerging Challenges, and Future Directions”, arXiv: arXiv:2305.10435. [En línea]. Disponible: http://arxiv.org/abs/2305.10435

[4] P. Lewis et al., “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks”, 12 de abril de 2021, arXiv: arXiv:2005.11401. [En línea]. doi: 10.48550/arXiv.2005.11401.

[5] Elicit Help Center, “Elicit’s Source for Papers”, Information and advice from the Elicit team. 2024” [En línea]. Disponible: https://support.elicit.com/en/articles/553025

[6] SciSpace, “About SciSpace”, SciSpace. [En línea]. Disponible: https://typeset.io/t/about/

[7] Consensus, “How to Search & Best Practices”, Consensus: AI Search Engine for Research. [En línea]. Disponible: https://consensus.app/blog/maximize-your-consensus-experience-with-these-best-practices/

[8] “Scopus AI: Trusted content. Powered by responsible AI.”, Elsevier. 2024. [En línea]. Disponible: https://www.elsevier.com/products/scopus/scopus-ai

[9] Scite, “Where do you get your articles from?”, Scite help desk. 2024. [En línea]. Disponible: https://help.scite.ai/en-us/article/where-do-you-get-your-articles-from-1vglydm/

Infografía en tonos naranja, azul y verde con cintas verticales que conectan íconos de RAG: en la fila superior, a la izquierda una barra de búsqueda con menú ‘Herramientas’, en el centro un documento con lupa y a la derecha un rostro robótico; en la fila inferior, a la izquierda un retrato de un hombre, en el centro un clúster de servidores y a la derecha una barra de texto rematada con un ícono de bombilla.

Publicado

20/06/25 (12:00)

Cómo citar

Ortega Cuevas, S., & Tavira Sánchez, R. (2025). Análisis de herramientas de Recuperación-Generación Mejorada (RAG) para la búsqueda de información general y académica. TIES, Revista De Tecnología E Innovación En Educación Superior, (12), 40–52. https://doi.org/10.22201/dgtic.26832968e.2025.12.32

Número

Sección

Artículos