Grounding: Difference between revisions

Jump to navigation Jump to search
Created page with "{{Meta-bok|min=4}} <div class="bok-def"> '''Grounding''', o anclaje contextual, es la práctica de conectar la respuesta de una IA con una fuente de verdad concreta: documentos, datos, specs, repositorios, ejemplos o sistemas autorizados. Su objetivo es reducir respuestas genéricas o inventadas haciendo que el modelo trabaje sobre contexto verificable. </div> Grounding significa “anclar” la respuesta de la IA a información concreta. En lugar de pedirle que respon..."
 
No edit summary
Line 1: Line 1:
{{Meta-bok|min=4}}
{{Meta-bok|min=4}}
<div class="bok-def">
'''Grounding''', o anclaje contextual, es la práctica de conectar la respuesta de una IA con una fuente de verdad concreta: documentos, datos, specs, repositorios, ejemplos o sistemas autorizados. Su objetivo es reducir respuestas genéricas o inventadas haciendo que el modelo trabaje sobre contexto verificable.
'''Grounding''', o anclaje contextual, es la práctica de conectar la respuesta de una IA con una fuente de verdad concreta: documentos, datos, specs, repositorios, ejemplos o sistemas autorizados. Su objetivo es reducir respuestas genéricas o inventadas haciendo que el modelo trabaje sobre contexto verificable.
</div>
Grounding significa “anclar” la respuesta de la IA a información concreta. En lugar de pedirle que responda desde conocimiento general, se le proporciona una base: documentos internos, datos actualizados, criterios, specs, tablas, tickets, código o fuentes externas verificadas.
En equipos ágiles con IA, grounding es una práctica de calidad. Ayuda a que el output sea revisable y conectado con el contexto real del producto.


== Para qué sirve ==
== Para qué sirve ==