Pide una auditoría

Inicio / RoloPedia / GEOpedia

GEOpedia · Recuperación (RAG)

Chunking

El chunking (troceado) es el paso en el que un sistema de recuperación divide cada documento en fragmentos más pequeños, llamados chunks, antes de convertirlos en embeddings e indexarlos. Típicamente miden entre 200 y 1.000 tokens y se solapan un poco entre sí para no cortar ideas por la mitad.

La consecuencia es la regla más importante de la escritura para IA: la unidad que se recupera es el chunk, no la página. El sistema no lee tu artículo de arriba abajo; saca un trozo y lo mete en el contexto del modelo sin lo que había antes ni después. Si ese trozo dice «como hemos visto, esta solución reduce el coste un 20%», el modelo no sabe qué solución ni de qué coste hablas.

Anthropic lo midió en su estudio de Contextual Retrieval: añadir el contexto que falta a cada chunk reduce los fallos de recuperación un 35%. Tú puedes conseguir parte de ese efecto desde el texto, haciendo que cada pasaje lleve dentro su sujeto, su marco temporal y su dato.

Ejemplos

  • Pasaje que no sobrevive: «Esto la convierte en la opción más barata del mercado». Fuera de la página, nadie sabe qué es «esto» ni «la».
  • Pasaje que sí (ejemplo hipotético): «En octubre de 2026, el plan básico de Acme cuesta 9 € al mes, el más barato de los cinco gestores comparados».

Consejos prácticos

  • Escribe cada sección para que se entienda sola: repite el sujeto en lugar de usar «esto», «la empresa» o «como decíamos».
  • Una idea por sección, bajo un encabezado que la anuncie, idealmente en forma de pregunta.
  • Pon la respuesta directa en las primeras líneas de la sección, en 40-60 palabras.
  • Incluye la fecha y la fuente dentro del pasaje que da la cifra, no solo al final del artículo.

Cuidado con

  • No conoces el tamaño de chunk de cada plataforma ni dónde corta; diseñar «a la medida exacta del chunk» es humo.
  • Partir el texto en párrafos sueltos sin hilo tampoco ayuda: el pasaje debe ser autocontenido, no telegráfico.

Evidencia fuerte. Que la unidad de recuperación es el chunk es la arquitectura estándar de los sistemas RAG, y la reducción del 35% de fallos al añadir contexto procede del estudio Contextual Retrieval de Anthropic.

Términos relacionados

Jorge J. Rolo

SEO & AI Search Manager en Flat 101. Consultor SEO técnico.