La búsqueda híbrida es la que combina búsqueda semántica (por embeddings) con búsqueda léxica (por coincidencia de términos, normalmente con el algoritmo BM25) y fusiona ambos resultados antes de reordenarlos. Es el estándar de la industria en sistemas de recuperación.
Cada método tapa los huecos del otro. La semántica entiende sinónimos y preguntas largas, pero falla con nombres propios, códigos de producto, siglas o cifras exactas. La léxica acierta justo en eso, pero no entiende paráfrasis. Juntas recuperan mejor que por separado: en su estudio de Contextual Retrieval, Anthropic redujo los fallos de recuperación un 35% contextualizando los chunks, y un 49% al combinarlo con BM25 y reranking.
Para ti significa que el vocabulario literal sigue importando. El nombre exacto de tu producto, la referencia del modelo, la norma que citas o el término técnico que usa tu sector deben aparecer escritos en el pasaje, no solo insinuados. Eso no es densidad de keyword: es que el término esté presente donde corresponde.
Ejemplos
- Código de producto: alguien pregunta por «ISO 27001 para pymes»; un pasaje que dice «la norma de seguridad de la información» sin escribir «ISO 27001» pierde la parte léxica.
- Nombre de marca: una comparativa que menciona a tu empresa solo como «nuestra herramienta» no se recupera cuando el usuario escribe tu nombre.
Consejos prácticos
- Escribe literalmente los nombres propios, siglas, modelos y cifras clave dentro de cada pasaje relevante.
- Acompaña la sigla con su forma desarrollada la primera vez en cada sección.
- Usa el término que emplea tu audiencia y, si hay variante técnica, inclúyela también.
- No repitas el término más allá de lo natural: una mención precisa vale más que cinco forzadas.
Cuidado con
- La búsqueda híbrida no resucita el keyword stuffing: el relleno midió −8,7% en el paper GEO (KDD 2024).
- No sabes en qué proporción combina cada plataforma lo léxico y lo semántico; no te fíes de quien te dé un porcentaje.
Evidencia moderada. Que sea el estándar del sector es práctica extendida, no documentada por cada plataforma; la mejora del 49% con BM25 y reranking es de Anthropic (Contextual Retrieval), pero se midió en su propio sistema, no en los motores públicos.
Términos relacionados
- Búsqueda semántica: La mitad densa de la combinación.
- Embeddings: La base de la parte semántica.
- Reranking: El paso que reordena los resultados fusionados.
- Chunking: Define las unidades que se buscan por ambos métodos.