En pocas palabras
Retrieval quiere decir «recuperación»: es el momento en que el sistema sale a buscar la información que necesita. Antes de que la IA responda, alguien tiene que encontrar los datos correctos entre montones de documentos. Ese trabajo de buscar y traer es el retrieval.
Explicado fácil
Imagina que tienes un examen con «libro abierto». Te hacen una pregunta y tú no te la sabes de memoria, pero puedes mirar el libro. Lo primero que haces es buscar la página correcta. Si encuentras la página buena, contestas genial. Si te equivocas de página, das una respuesta floja aunque seas muy listo.
El retrieval es justo ese «buscar la página correcta». La IA tiene un montón de textos guardados, y antes de responder envía a un buscador a encontrar los trozos que más tienen que ver con tu pregunta. Si trae los trozos buenos, la respuesta será buena. Por eso decimos que el retrieval es la mitad del secreto de una respuesta acertada.
¿Por qué importa para crear agentes de IA?
Un modelo de lenguaje no se sabe tus documentos privados ni las novedades de hoy. Para que responda con datos reales y actuales, hay que pasarle la información en el momento, y eso se consigue con un buen retrieval. Si el retrieval falla y trae el fragmento equivocado, el agente responderá mal por mucho que el modelo sea excelente. Por eso, cuidar cómo busca tu agente suele importar tanto como elegir el modelo.
Un ejemplo
Tienes un agente que responde dudas sobre el manual de tu lavadora. Le preguntas «¿cómo quito el olor a humedad?». El retrieval recorre el manual, encuentra el apartado de limpieza del tambor y le entrega ese párrafo al modelo. Con ese trozo delante, el agente te da los pasos exactos. Sin ese paso de búsqueda, el agente solo podría inventar o decir generalidades.