Embeddings: qué son y para qué sirven
Qué son los embeddings
Los embeddings son representaciones numéricas de datos. Un modelo de inteligencia artificial convierte un texto, una imagen o un sonido en un vector, es decir, una lista de números, de forma que dos elementos parecidos producen vectores cercanos. Un embedding funciona como una huella: no sirve para reconstruir el original, pero sí para compararlo con otros.
Cómo funcionan
El modelo que genera los embeddings se ha entrenado con muchísimos ejemplos y ha aprendido qué rasgos importan. Dos frases que dicen lo mismo con palabras distintas, o dos fotos del mismo objeto tomadas desde ángulos distintos, acaban con números parecidos.
Cada modelo produce vectores de una longitud fija. Para comparar dos elementos se calcula la distancia o la similitud entre sus vectores: cuanto más cerca están, más se parecen. Por eso todos los elementos que se quieren comparar deben pasar por el mismo modelo.
Para qué sirven los embeddings
- Búsqueda por significado: encontrar documentos que responden a una pregunta aunque no compartan las mismas palabras.
- RAG: dar a un modelo de lenguaje los fragmentos de tus documentos que mejor responden a la consulta.
- Reconocimiento visual: identificar un objeto comparando su imagen con otras ya registradas.
- Agrupación y recomendaciones: juntar elementos parecidos o sugerir productos similares.
Embeddings y bases de datos vectoriales
Los embeddings se guardan en una base de datos vectorial, que está pensada para encontrar rápido los vectores más cercanos a uno dado. Cuando llega una consulta, se convierte en embedding con el mismo modelo y la base de datos devuelve los resultados más parecidos con una puntuación de similitud. Con esa puntuación se fija un umbral: si nada lo supera, el elemento se trata como desconocido en lugar de forzar una coincidencia.
Una ventaja práctica es que añadir un elemento nuevo es calcular su embedding y guardarlo. No hace falta reentrenar el modelo.
Un ejemplo sencillo
Una empresa quiere que su asistente interno responda con sus propios manuales. Divide los manuales en fragmentos, calcula el embedding de cada uno y los guarda. Cuando un empleado pregunta, la pregunta se convierte en embedding, se recuperan los fragmentos más cercanos y el modelo de lenguaje responde a partir de ellos. Así funciona un sistema RAG.
Embeddings para reconocer platos en un buffet
En MBO Smart Buffet, el sistema que DPI desarrolló para MBO, el modelo DINOv3 de Meta convierte la foto de cada bandeja en una huella de 384 números. El backend busca esa huella en Qdrant, con un umbral de similitud configurable por hotel, para saber qué plato es. El detector solo aprende qué es una bandeja; el plato lo resuelve el embedding. Por eso dar de alta un plato nuevo es fotografiarlo, no reentrenar.