Resumen: La generación de recuperación aumentada (RAG) es un campo bien establecido y en rápida evolución dentro de la IA que mejora los resultados de los modelos de idiomas grandes mediante la integración de la información relevante recuperada de fuentes de conocimiento externas. Si bien la adopción de RAG de la industria ahora está comenzando, existe una importante falta de investigación sobre su aplicación práctica en contextos industriales. Para abordar esta brecha, realizamos un estudio de entrevista semiestructurado con 13 profesionales de la industria para explorar el estado actual de la adopción del trapo en entornos del mundo real. Nuestro estudio investiga cómo las empresas aplican RAG en la práctica, proporcionando (1) una visión general de los casos de uso de la industria, (2) una lista consolidada de requisitos del sistema, (3) desafíos clave y lecciones aprendidas de experiencias prácticas y (4) un análisis de los métodos de evaluación de la industria actuales. Nuestros principales hallazgos muestran que las aplicaciones de RAG actuales se limitan principalmente a tareas de control de calidad específicas del dominio, con sistemas aún en etapas prototipo; Los requisitos de la industria se centran principalmente en la protección de datos, la seguridad y la calidad, mientras que los problemas como la ética, el sesgo y la escalabilidad reciben menos atención; El preprocesamiento de datos sigue siendo un desafío clave, y la evaluación del sistema es realizada predominantemente por humanos en lugar de métodos automatizados.
Publicado Originalme en export.arxiv.org El 20 de agosto de 2025.
Ver Fuente Original
