En esta charla exploraremos el potencial de los modelos de lenguaje grandes (LLMs) más allá de sus entrenamientos estándar con datos públicos, adentrándonos en la técnica de Retrieval Augmented Generation (RAG). Discutiremos cómo RAG permite personalizar respuestas de IA utilizando datos corporativos y confidenciales, mejorando la precisión y relevancia de las respuestas y extendiendo el conocimiento de los LLMs a dominios específicos no cubiertos durante su entrenamiento inicial. Presentaremos las bases tecnológicas de RAG, desde la búsqueda de información relevante hasta la implementación de espacios vectoriales que capturan la semántica de los datos. Además, exploraremos herramientas y marcos de trabajo actuales que facilitan la implementación de RAG, resaltando casos de uso innovadores en distintas industrias.