Qué son los embeddings

Definición amplia

Un embedding es una lista de números, un vector, que representa un dato: una palabra, una frase, un documento entero, una imagen o un producto. Lo genera un modelo de embeddings entrenado para que los contenidos parecidos reciban números parecidos. IBM lo resume así: cuanto más se parecen dos datos en el mundo real, más se deberían parecer sus vectores. Google añade que esos valores no son aleatorios, sino que el modelo los aprende durante su entrenamiento.

Cómo se usan

Una vez convertidos en vectores, los contenidos se comparan con una operación matemática que mide la distancia o el ángulo entre ellos, como la similitud del coseno. Así, «plazo de devolución» y «cuántos días tengo para devolver un pedido» quedan cerca aunque no compartan palabras. Esa comparación es la base de varios usos:

• Búsqueda semántica: encontrar documentos por su significado y no por coincidencia de palabras.
• RAG: localizar los fragmentos de los documentos de la empresa que se pasan a un modelo de lenguaje para que responda con ellos.
• Recomendación: sugerir productos o contenidos parecidos a los que interesan a un cliente.
• Clasificación y agrupación: ordenar textos por tema o detectar los que no encajan en ningún grupo.

Qué conviene saber en la empresa

Los embeddings se pueden guardar en una base de datos vectorial y suelen calcularse con un modelo distinto del que redacta las respuestas; de hecho, algunos fabricantes de modelos de lenguaje no ofrecen modelo de embeddings propio. La calidad depende del modelo elegido: los generales pueden fallar con vocabulario muy especializado, como el jurídico o el médico, y existen modelos pensados para sectores concretos. Además, los vectores de modelos distintos no son comparables entre sí: si se cambia de modelo, en general hay que volver a calcular los de todos los documentos, y hay que actualizarlos también cuando los documentos cambian.

Ejemplos de uso

• Atención al cliente

  En atención al cliente, permiten que el asistente encuentre el artículo de ayuda adecuado aunque el cliente use palabras distintas a las del texto.

• Marketing

  En marketing, se usan para agrupar reseñas y comentarios por tema sin definir antes las categorías.

• Comercial y ventas

  En ventas, están detrás de las recomendaciones de productos parecidos a los que ya ha comprado un cliente.

• Recursos humanos y talento

  En recursos humanos, sirven para buscar en las políticas internas por el sentido de la pregunta y no por palabras exactas.

• Administración y finanzas

  En administración, ayudan a localizar contratos o facturas parecidos a uno dado dentro de un archivo grande.

Términos relacionados

• Base de datos vectorial
• RAG
• Token

Fuentes

• IBM, What is vector embedding?
• Google for Developers, Machine Learning Glossary: embedding vector, embedding space
• Anthropic, Embeddings
• MongoDB, Voyage AI: Migrate to a new embedding model