En pocas palabras
Un embedding es una lista de números que representa el significado de un texto. Los textos que quieren decir cosas parecidas tienen listas de números parecidas. Así la IA puede comparar ideas, y no solo letras iguales.
Explicado fácil
Imagina un mapa enorme donde cada palabra es un puntito. En ese mapa, «perro» y «gato» están muy cerca, porque ambos son mascotas. «Plátano» y «manzana» también están juntos, en otra zona, porque son frutas. Y «perro» está lejísimos de «plátano», porque no se parecen en nada.
Un embedding es justo la posición de cada palabra en ese mapa, escrita con números. Gracias a esos números, la IA puede mirar dos textos y decir «estos dos hablan de lo mismo» aunque usen palabras distintas. Por ejemplo, sabe que «coche» y «automóvil» están casi en el mismo punto, aunque se escriban diferente.
¿Por qué importa para crear agentes de IA?
Los embeddings son la base de que un agente encuentre información por significado. Cuando le preguntas algo, el agente convierte tu pregunta en números y busca los documentos cuyos números estén más cerca, aunque no usen tus mismas palabras. Eso es lo que hace funcionar la búsqueda semántica, la memoria de largo plazo y el sistema RAG. Sin embeddings, un agente solo podría buscar coincidencias exactas, como un buscador antiguo.
Un ejemplo
Escribes a un agente de soporte: «no me deja entrar en mi cuenta». En la ayuda no existe esa frase exacta, pero sí hay un artículo titulado «recuperar contraseña olvidada». Gracias a los embeddings, el agente ve que ambos textos están cerca en el mapa de significados y te ofrece justo ese artículo, aunque no compartan ni una sola palabra.