{"id":1744,"date":"2026-10-12T17:00:00","date_gmt":"2026-10-12T15:00:00","guid":{"rendered":"https:\/\/latevaia.ai\/?p=1744"},"modified":"2026-10-07T17:46:31","modified_gmt":"2026-10-07T15:46:31","slug":"que-es-rag-en-ia","status":"publish","type":"post","link":"https:\/\/latevaia.ai\/ca\/blog\/que-es-rag-en-ia\/","title":{"rendered":"Qu\u00e8 \u00e9s RAG en IA i com fer-lo servir amb les dades de la teva empresa"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">Pregunta a ChatGPT per la pol\u00edtica de devolucions de la teva botiga i et respondr\u00e0 una cosa raonable i segurament falsa, perqu\u00e8 <strong>no ha llegit mai les teves condicions<\/strong>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Una IA que consulta els teus documents abans de respondre<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Aix\u00f2 \u00e9s el que corregeix el RAG, sigles en angl\u00e8s de retrieval-augmented generation, generaci\u00f3 augmentada per recuperaci\u00f3. El nom fa m\u00e9s por que la idea. Abans de respondre, el sistema busca als teus documents els fragments que tenen a veure amb la pregunta, els passa al model i li demana que <strong>respongui a partir d&#8217;aquest material<\/strong>. El model \u00e9s el mateix, amb la difer\u00e8ncia que ara t\u00e9 al davant la p\u00e0gina correcta del manual.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Els documents es preparen una vegada. Es trossegen, cada tros es converteix en una representaci\u00f3 num\u00e8rica del que significa i tot es desa en una base de dades que cerca per semblan\u00e7a, <strong>l&#8217;anomenada base vectorial<\/strong>. Per aix\u00f2, si alg\u00fa pregunta si pot tornar un producte rebaixat, el sistema troba el par\u00e0graf encara que hi posi \u00abarticles en promoci\u00f3\u00bb.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"986\" height=\"657\" src=\"https:\/\/latevaia.ai\/wp-content\/uploads\/2026\/10\/pixabay-1219889-986x657.jpg\" alt=\"buscar la resposta als documents propis de l&#039;empresa\" class=\"wp-image-1706\" title=\"\" srcset=\"https:\/\/latevaia.ai\/wp-content\/uploads\/2026\/10\/pixabay-1219889-986x657.jpg 986w, https:\/\/latevaia.ai\/wp-content\/uploads\/2026\/10\/pixabay-1219889-480x320.jpg 480w, https:\/\/latevaia.ai\/wp-content\/uploads\/2026\/10\/pixabay-1219889-768x512.jpg 768w, https:\/\/latevaia.ai\/wp-content\/uploads\/2026\/10\/pixabay-1219889-380x253.jpg 380w, https:\/\/latevaia.ai\/wp-content\/uploads\/2026\/10\/pixabay-1219889.jpg 1280w\" sizes=\"auto, (max-width: 986px) 100vw, 986px\" \/><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Per a una pime l&#8217;avantatge \u00e9s doble: les respostes surten de les teves dades i <strong>cadascuna pot dir de quin document surt<\/strong>, de manera que comprovar-la \u00e9s q\u00fcesti\u00f3 de segons.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">RAG, fine-tuning o enganxar el document: quin et conv\u00e9<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Amb un contracte o un cat\u00e0leg curt <strong>n&#8217;hi ha prou d&#8217;enganxar-lo a la conversa<\/strong>: cap en el que el model llegeix d&#8217;una vegada i no cal muntar res. Deixa de servir quan s\u00f3n centenars de fitxers o quan cada consulta obliga a tornar-los a enganxar.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El fine-tuning reentrena el model amb exemples teus. Serveix per ensenyar-li una manera de fer, un to, un format, una manera de classificar correus, i <strong>encaixa malament amb dades que canvien<\/strong>, perqu\u00e8 cada canvi de tarifes obliga a reentrenar. En una pime gaireb\u00e9 mai no \u00e9s el primer que recomanem.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El RAG encaixa <strong>quan hi ha molt material i es mou sovint<\/strong>, perqu\u00e8 actualitzar-lo \u00e9s substituir el document i reindexar, sense tocar el model.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Muntar un RAG en una pime: bona part del temps se&#8217;n va en els documents<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Es comen\u00e7a per un cas acotat<\/strong>, mai per la tecnologia: les preguntes de clients sobre el cat\u00e0leg o els dubtes interns sobre procediments. Despr\u00e9s:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Reunir i netejar els documents, que \u00e9s on se&#8217;n va bona part del temps entre PDF escanejats, versions duplicades i tarifes antigues.<\/li>\n\n\n\n<li>Muntar la canonada. A <a href=\"https:\/\/latevaia.ai\/ca\/blog\/n8n-automatitzacio\/\">n8n<\/a> hi ha nodes per carregar documents en una base vectorial com Supabase, Pinecone o Qdrant i consultar-la des d&#8217;un agent, amb <a href=\"https:\/\/latevaia.ai\/ca\/blog\/claude-chatgpt-gemini-ia-per-a-empresa\/\">Claude, GPT o Gemini<\/a> redactant la resposta per API.<\/li>\n\n\n\n<li>Provar-lo amb les preguntes que van arribar a la b\u00fastia de suport l&#8217;\u00faltim mes abans d&#8217;obrir-lo a ning\u00fa.<\/li>\n\n\n\n<li>Decidir qui puja els documents nous i cada quant es reindexa, perqu\u00e8 <strong>amb dades caducades respon malament i amb molta seguretat<\/strong>.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">El pressupost dep\u00e8n del nombre i l&#8217;estat dels documents, de si hi ha permisos que respectar (que el comercial no vegi les n\u00f2mines), del canal, sigui xat intern, web o WhatsApp, i del volum de consultes, que marca la despesa mensual d&#8217;API. Com a ordre de magnitud, un pilot amb un tipus de document i un canal <strong>es compta en setmanes<\/strong>, i un amb diverses fonts i permisos per usuari, en mesos.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Abans d&#8217;encarregar-lo, prova amb Claude, ChatGPT o Gemini Notebook<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">A Claude els projectes s\u00f3n fins i tot al compte gratu\u00eft, amb un m\u00e0xim de cinc. Hi puges els documents i cada conversa del projecte els consulta, i als plans de pagament, quan el material s&#8217;acosta al l\u00edmit del que el model pot llegir, <strong>Claude activa tot sol un mode RAG<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Amb ChatGPT hi ha hagut un canvi: els comptes personals (Free, Go, Plus i Pro) <strong>ja no poden crear GPT nous<\/strong>, aix\u00f2 queda per als espais Business, Enterprise i Edu. L&#8217;equivalent per a tu s\u00f3n els <a href=\"https:\/\/latevaia.ai\/ca\/blog\/chatgpt-per-a-empreses\/\">projectes de ChatGPT<\/a>, amb un l\u00edmit de 5 fitxers per projecte al pla gratu\u00eft, 25 a Go i Plus i 40 a Pro i Business.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">NotebookLM, que Google ha rebatejat com a Gemini Notebook, admet 50 fonts per quadern de franc i 300 a Pro, i assenyala el passatge d&#8217;on surt cada resposta.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">\u00c9s el que us direm abans de pressupostar res: <strong>feu la prova amb les preguntes que rebeu de veritat<\/strong>. Se us ha quedat curt si els documents no hi caben, si canvien tan sovint que tornar-los a pujar es converteix en una tasca fixa, si ha de respondre clients fora de l&#8217;eina, si cada persona n&#8217;ha de veure nom\u00e9s una part o si la resposta surt d&#8217;un sistema viu com l&#8217;ERP o la botiga en l\u00ednia. Si no passa res d&#8217;aix\u00f2, ja teniu el que busc\u00e0veu <strong>pel preu d&#8217;una subscripci\u00f3<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Si algun d&#8217;aquests senyals et sona, <a href=\"https:\/\/latevaia.ai\/ca\/contacte\/\">explica-nos-ho<\/a> i mirem quina part del teu cas demana un desenvolupament a mida.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Pregunta a ChatGPT per la pol\u00edtica de devolucions de la teva botiga i et respondr\u00e0 una cosa raonable i segurament falsa, perqu\u00e8 no ha llegit mai les teves condicions. Una IA que consulta els teus documents abans de respondre Aix\u00f2 \u00e9s el que corregeix el RAG, sigles en angl\u00e8s de retrieval-augmented generation, generaci\u00f3 augmentada per [&hellip;]<\/p>\n","protected":false},"author":3,"featured_media":1718,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[42],"tags":[],"class_list":["post-1744","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-explicada"],"acf":[],"_links":{"self":[{"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/posts\/1744","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/comments?post=1744"}],"version-history":[{"count":3,"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/posts\/1744\/revisions"}],"predecessor-version":[{"id":2109,"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/posts\/1744\/revisions\/2109"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/media\/1718"}],"wp:attachment":[{"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/media?parent=1744"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/categories?post=1744"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/latevaia.ai\/ca\/wp-json\/wp\/v2\/tags?post=1744"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}