¿Por qué RAG y no fine-tuning? Una decisión de arquitectura

Fine-tuning congela conocimiento en los pesos del modelo: cada actualización de tu base de conocimiento implica reentrenar. RAG, en cambio, separa el 'razonamiento' (el LLM) del 'conocimiento' (tu base vectorial), permitiendo actualizar información en segundos sin tocar el modelo. Además, RAG habilita trazabilidad: cada respuesta puede citar la fuente exacta del documento recuperado, algo crítico en contextos regulados (legal, salud, finanzas).