Blog

Chatbot RAG: IA que responde utilizando tu contenido publicado

  Actualizado el   6 min de lectura

RAG Chatbot es una nueva extensión impulsada por IA que te permite añadir un asistente inteligente a tu aplicación. A diferencia de los chatbots tradicionales que se basan en respuestas genéricas, RAG Chatbot utiliza tu propio contenido publicado para ofrecer respuestas precisas y relevantes a las preguntas de tus usuarios.

¿Qué es la RAG (Retrieval-Augmented Generation)?

RAG, que significa Retrieval-Augmented Generation, es una técnica de IA que permite a un chatbot responder a preguntas basándose directamente en el contenido existente, en lugar de en una memoria de propósito general. En el caso del chatbot RAG, este contenido procede de lo que usted ya ha publicado en su aplicación.

El proceso comienza convirtiendo su contenido en "incrustaciones", representaciones vectoriales matemáticas que captan el significado y el contexto. Estas incrustaciones se generan utilizando un modelo lingüístico entrenado para comprender el lenguaje natural. Cuando un usuario formula una pregunta, se utiliza el mismo modelo para convertir también la pregunta en una incrustación. Esto permite que tanto el contenido como la pregunta se expresen en el mismo lenguaje: un espacio matemático compartido en el que se pueden medir las similitudes semánticas.

A continuación, el sistema compara la pregunta del usuario con su contenido indexado e identifica las secciones más relevantes. En ese momento, un modelo de lenguaje amplio (LLM) toma el relevo: lee el contenido seleccionado y genera una respuesta clara y coherente en lenguaje natural.

Al combinar la búsqueda semántica y la generación de texto, RAG ofrece respuestas precisas y basadas en el contenido. Este enfoque convierte al chatbot RAG en un asistente inteligente y fiable, totalmente basado en el contenido de su propia aplicación.

Cómo funciona con GoodBarber

Configurar RAG Chatbot en su aplicación GoodBarber es muy sencillo. Sólo tiene que activar la extensión desde su back office. A continuación, seleccione el modelo de IA que desea utilizar y personalice la apariencia del chatbot para que coincida con el diseño de su app: colores, icono, etc.

A continuación viene el paso clave: elegir qué contenidos indexar. RAG Chatbot puede basarse en sus artículos publicados, eventos o puntos del mapa. Funciona con contenidos del CMS integrado de GoodBarber, así como con fuentes externas sincronizadas con su app, como WordPress, fuentes RSS o conectores personalizados. Una vez realizada su selección, la indexación comienza automáticamente. Su contenido se analiza, se divide en secciones y se transforma en incrustaciones vectoriales, listas para ser utilizadas por la IA.

A partir de ese momento, no hay nada más que hacer. La indexación es continua: cada vez que publica o actualiza un contenido, RAG Chatbot refresca su base de conocimientos para asegurarse de que siempre proporciona respuestas precisas y actualizadas.

En la aplicación, RAG Chatbot aparece como una sección independiente. Incluso puede añadir varias secciones de chatbot a la misma aplicación. Esto le permite crear asistentes especializados para diferentes tipos de contenido; por ejemplo, uno para los próximos eventos, otro para las noticias locales o uno dedicado a los recursos culturales. Es una forma sencilla de guiar a los usuarios y estructurar el acceso a la información.

Una nueva forma de explorar su aplicación

RAG Chatbot es especialmente útil en aplicaciones en las que un acceso rápido y fácil a la información es esencial. Una app de turismo puede ayudar a los usuarios respondiendo a preguntas como "¿Qué pasa este fin de semana en Barcelona?" utilizando eventos extraídos directamente de la app. Una aplicación universitaria puede ayudar a los estudiantes a encontrar los detalles de la matrícula o los horarios de los cursos. Una aplicación de información sanitaria puede responder a "¿Cuáles son los síntomas del dengue?" haciendo referencia a contenidos publicados de confianza. Una app del gobierno local de Montreal puede orientar a los ciudadanos sobre dónde renovar el pasaporte. Incluso una red de coworking en Berlín puede utilizar RAG Chatbot para centralizar la documentación interna y dar a sus miembros un acceso rápido a guías, normas o políticas.

Sea cual sea el caso de uso, la idea es la misma: los usuarios formulan una pregunta en lenguaje natural y reciben una respuesta fiable basada en el contenido real de la aplicación. Es una forma más rápida, intuitiva y atractiva de acceder a la información.

Compatible con contenidos premium

RAG Chatbot funciona a la perfección con la extensión Memberships (In-App Purchase / Suscripción). Cuando el contenido está restringido a los suscriptores, el chatbot respeta esas normas: sólo proporciona acceso si el usuario tiene los derechos adecuados. Esto garantiza una experiencia personalizada y segura a la vez que protege el valor de su contenido premium.

También puede restringir el acceso a las propias secciones del chatbot RAG, limitándolas únicamente a los usuarios de pago. Esto le da flexibilidad para crear asistentes exclusivos para la atención al cliente, recursos premium o contenido experto. Es una forma eficaz de aumentar el valor percibido de sus ofertas de suscripción.

¿Cuánto cuesta RAG Chatbot?

RAG Chatbot está disponible a unprecio de lanzamiento de 29 euros/mes durante los 3 primeros meses, y después de 45 euros/mes. Este coste es adicional a su suscripción regular a GoodBarber.

El plan mensual incluye 5.000 créditos, suficientes para gestionar varios miles de preguntas de los usuarios, dependiendo del modelo de IA que utilice y de la complejidad de las consultas.

Los créditos se utilizan en dos áreas principales:

- Durante la indexación de contenidos: Cada sección que añada (artículos, eventos, puntos del mapa) consume un pequeño número de créditos, en función del volumen del contenido. Dicho esto, la indexación es relativamente ligera en términos de uso de créditos, así que no dude en incluir todas las secciones relevantes de su aplicación.

- Cuando un usuario hace una pregunta: Aquí es donde se consume la mayor parte de los créditos. La pregunta se convierte en un vector, se compara con su contenido indexado y se genera una respuesta. La generación de la respuesta es el paso más intensivo, especialmente para preguntas complejas o cuando se utilizan potentes modelos de IA.

Su saldo de créditos se restablece automáticamente cada mes, por lo que su chatbot permanece activo sin ningún esfuerzo manual.

El uso puede variar en función de:
- El modelo de IA seleccionado (ligero vs. avanzado)
- La cantidad de contenido indexado
- La complejidad de las consultas de los usuarios

Usted tiene el control: elige el modelo que mejor equilibra la calidad de la respuesta y el volumen de interacción para su caso de uso.

Si su chatbot se convierte en un éxito, podrá adquirir en cualquier momento paquetes de créditos adicionales para hacer frente a los picos de tráfico o a la ampliación del uso.

Una pregunta es mejor que una larga búsqueda

Con RAG Chatbot , está dando a sus usuarios algo más que un asistente virtual. Está proporcionando un acceso directo, instantáneo y preciso a la información que importa, impulsado por su propio contenido.

Es fácil de activar, totalmente personalizable, listo para suscribirse y diseñado para escalar. Tanto si dirige una aplicación turística, un portal de noticias o una plataforma educativa, RAG Chatbot se adapta a su contenido, sus objetivos y su audiencia.

Active RAG Chatbot en su back office hoy mismo y convierta su contenido publicado en respuestas en tiempo real.

Para ir más lejos

Para entender en detalle el funcionamiento del RAG Chatbot, su configuración y sus créditos, lee nuestra guía detallada.

Sigue leyendo

  14 min de lectura

¿Cuánto cuesta una app de fitness en 2026? Precios reales

Cinco caminos llevan a una app de fitness, cada uno con su precio: tarifa plana, opción de un software de gimnasio, por cliente, por suscriptor o a presupuesto. La tabla de abajo compara lo que cuesta cada uno y el trabajo para el que está hecho.

  3 min de lectura

El AI Extension Builder ya funciona con GPT-6 Luna

OpenAI publicó GPT-6 Sol y GPT-6 Luna el 22 de septiembre de 2026, después de GPT-6 Astra, el modelo insignia de la familia, lanzado a principios del mismo mes. Luna es el más pequeño de los tres. OpenAI lo describe como su modelo más eficiente para tareas concretas y de gran volumen, y lo vende a la mitad de precio que GPT-5.6 Luna, el modelo al que sustituye en su propio catálogo.A la mañana siguiente, pasamos el AI Extension Builder a GPT-6 Luna, para todas las apps, en los cuatro momentos en los que trabaja un modelo: entender tu petición, escribir el código de la sección, reescribirlo cuando pides un cambio y responder a las preguntas que haces sobre lo que ha construido.