Base de datos vectorial y RAG en España

Cómo trabajamos

1. Solicitas el trabajo desde el panel

   Describes tu caso de uso, el volumen aproximado de documentos y si necesitas que los embeddings se generen también dentro de la UE.

2. Acordamos alcance y plazo

   Elegimos entre Qdrant y ChromaDB, dimensionamos el servidor y, si aplica, la GPU, y estimamos las horas necesarias dentro de tu cuota mensual.

3. Montamos el pipeline y probamos la calidad

   Desplegamos la ingesta de documentos, la indexación y la búsqueda híbrida, y evaluamos la calidad de recuperación con preguntas reales antes de la entrega.

4. Entrega con documentación

   Recibes la arquitectura documentada, las claves de acceso gestionadas de forma segura y el procedimiento para añadir nuevos documentos al índice.

Casos de uso

Tecnologías

• Qdrant
• ChromaDB
• PostgreSQL
• Embeddings en GPU propia
• Docker
• Prometheus

Preguntas frecuentes

• ¿ChromaDB o Qdrant para producción?

  ChromaDB funciona bien para empezar o para volúmenes moderados de documentos, con una puesta en marcha más sencilla. Qdrant está pensado para producción con más volumen: mejor rendimiento con millones de vectores, filtrado por metadatos más avanzado y cuantización para controlar el coste de memoria. Elegimos según tu volumen actual y tu proyección de crecimiento.

• ¿Qué es RAG (generación aumentada por recuperación)?

  Es la técnica que combina un modelo de lenguaje con una búsqueda previa en tus propios documentos: en lugar de responder solo con lo que el modelo aprendió en su entrenamiento, primero recupera los fragmentos más relevantes de tu base y los usa como contexto para responder. Así el asistente conoce información interna sin necesidad de reentrenar el modelo.

• ¿Qué es una base de datos vectorial?

  Es una base de datos optimizada para buscar por similitud entre vectores numéricos (embeddings) en lugar de por coincidencia exacta de texto. Cada documento se convierte en un vector que representa su significado, y la base encuentra los vectores más parecidos a una pregunta dada, incluso si no comparten las mismas palabras.

• ¿Cómo monto un RAG con mis documentos sin que salgan de la empresa?

  Alojando la base vectorial y, si lo necesitas, el propio modelo de embeddings dentro de la UE, en Frankfurt, con acceso solo por red privada. Así el pipeline completo de ingesta, indexación y búsqueda queda bajo tu control, sin enviar documentos a una API externa fuera de la UE.

• ¿Cuánto cuesta un servidor GPU para embeddings?

  Depende del modelo de embeddings que uses y del volumen de documentos a procesar; no publicamos tarifas fijas porque el dimensionado varía por proyecto. Consulta la página de abonamientos para ver los planes GPU disponibles y habla con un ingeniero para una estimación ajustada.

• ¿Puedo migrar de una API externa de embeddings a un modelo propio?

  Sí, es un cambio habitual cuando el volumen de consultas crece o cuando la confidencialidad de los documentos lo exige. Migramos el pipeline para que los embeddings se generen en tu propio servidor GPU en lugar de enviarse a un servicio externo, sin cambiar la base vectorial de destino.