{"id":40357,"date":"2024-02-26T08:41:42","date_gmt":"2024-02-26T07:41:42","guid":{"rendered":"https:\/\/www.hiberus.com\/crecemos-contigo\/?p=40357"},"modified":"2024-02-26T17:50:04","modified_gmt":"2024-02-26T16:50:04","slug":"evaluacion-de-pipelines-rag","status":"publish","type":"post","link":"https:\/\/www.hiberus.com\/crecemos-contigo\/evaluacion-de-pipelines-rag\/","title":{"rendered":"Evaluaci\u00f3n de Pipelines RAG. Potenciando la IA con la integraci\u00f3n de conocimiento externo"},"content":{"rendered":"<p>En la constante evoluci\u00f3n de la inteligencia artificial, la <strong>Generaci\u00f3n con Recuperaci\u00f3n Aumentada<\/strong> (RAG, por sus siglas en ingl\u00e9s) ha surgido como una poderosa herramienta que <strong>mejora los Modelos de Lenguaje de Gran Escala<\/strong> (LLMs) tradicionales mediante la integraci\u00f3n de fuentes de conocimiento externas. Este enfoque simbi\u00f3tico permite que la IA ofrezca <strong>respuestas m\u00e1s precisas y actualizadas<\/strong>, un factor crucial para las empresas y desarrolladores que buscan aprovechar las aplicaciones de IA de pr\u00f3xima generaci\u00f3n.<\/p>\n<p>Pero \u00bfC\u00f3mo podemos asegurarnos de que nuestra aplicaci\u00f3n RAG no solo sea inteligente, sino tambi\u00e9n pr\u00e1ctica y confiable? El desaf\u00edo radica en ajustar el rendimiento del pipeline RAG, compuesto de 2 componentes esenciales:<\/p>\n<ul>\n<li><strong>El Retriever<\/strong>: este componente se encarga de obtener el contexto relevante de una extensa base de datos externa, que guiar\u00e1 al LLM en la elaboraci\u00f3n de sus respuestas.<\/li>\n<li><strong>El Generator<\/strong>: actuando sobre la informaci\u00f3n recuperada, este componente es responsable de crear la respuesta final sintetizando el est\u00edmulo con el contexto adicional.<\/li>\n<\/ul>\n<p>Para hacer la <strong>evaluaci\u00f3n de pipelines RAG<\/strong>, es necesario <strong>evaluar tanto el Recuperador como el Generador<\/strong>, de forma separada y conjunta. Es similar a c\u00f3mo un mec\u00e1nico examinar\u00eda las piezas individuales de un coche y su rendimiento general. Para tener una visi\u00f3n clara de la efectividad del RAG, depender\u00e1 de los datos. Ah\u00ed es donde entran en juego las <strong>m\u00e9tricas de evaluaci\u00f3n y los conjuntos de datos<\/strong>.<\/p>\n<p>En esta publicaci\u00f3n, exploraremos <strong>c\u00f3mo medir adecuadamente el rendimiento de nuestro RAG<\/strong>. Presentaremos <strong>&#8216;Ragas&#8217;, una herramienta de evaluaci\u00f3n que simplifica este proceso<\/strong>, y discutiremos las <strong>m\u00e9tricas est\u00e1ndar<\/strong> que ayudan a rastrear c\u00f3mo est\u00e1 funcionando su RAG.<\/p>\n<h2><strong>M\u00e9tricas de Evaluaci\u00f3n de pipelines RAG<\/strong><\/h2>\n<p>La evaluaci\u00f3n de aplicaciones RAG requiere m\u00e9tricas robustas que sean cuantitativas y reproducibles. Categorizamos estas m\u00e9tricas en tres tipos:<\/p>\n<h3><strong>M\u00e9tricas Basadas en Ground Truth (la Verdad de Campo)<\/strong><\/h3>\n<p>La verdad de campo se refiere a las<strong> respuestas bien establecidas o fragmentos de documentos de conocimiento en un conjunto de datos que corresponden a consultas de usuarios<\/strong>. Cuando la verdad de campo son las respuestas, podemos comparar directamente la verdad de campo con las respuestas RAG, facilitando una medici\u00f3n de extremo a extremo utilizando m\u00e9tricas como la similitud sem\u00e1ntica de la respuesta y la correcci\u00f3n de la respuesta.<\/p>\n<p>A continuaci\u00f3n, un ejemplo de evaluaci\u00f3n de respuestas basado en su correcci\u00f3n.<\/p>\n<ul>\n<li><strong>Verdad de campo (Ground truth):<\/strong> Einstein naci\u00f3 en 1879 en Alemania.<\/li>\n<li><strong>Alta correcci\u00f3n de la respuesta:<\/strong> en 1879, en Alemania, naci\u00f3 Einstein.<\/li>\n<li><strong>Baja correcci\u00f3n de la respuesta:<\/strong> en Alemania, Einstein naci\u00f3 en 1879.<\/li>\n<\/ul>\n<p>Donde la verdad de campo son fragmentos del documento de conocimiento, podemos evaluar la correlaci\u00f3n entre los fragmentos del documento y los contextos recuperados utilizando m\u00e9tricas tradicionales como Coincidencia Exacta (EM), Rouge-L y F1. En esencia, estamos evaluando la efectividad de la recuperaci\u00f3n de aplicaciones RAG.<\/p>\n<p><strong>Generando Verdad de Campo para conjuntos de datos personalizados:<\/strong> si est\u00e1 trabajando con conjuntos de datos privados que carecen de verdad de campo anotada, puede crear datos de prueba utilizando LLMs para formular preguntas y respuestas. Herramientas como Ragas tambi\u00e9n proporcionan m\u00e9todos para generar datos de prueba adaptados a sus documentos de conocimiento.<\/p>\n<h3><strong>M\u00e9tricas Sin Verdad de Campo<\/strong><\/h3>\n<p>Incluso sin verdad de campo, herramientas como TruLens-Eval emplean el concepto Triada RAG, examinando la interacci\u00f3n entre la consulta, el contexto y la respuesta. Tres m\u00e9tricas correspondientes son:<\/p>\n<ul>\n<li><strong>Relevancia del Contexto:<\/strong> mide qu\u00e9 tan bien el contexto recuperado apoya la consulta.<\/li>\n<li><strong>Anclaje:<\/strong> eval\u00faa el grado en que la respuesta del LLM se alinea con el contexto recuperado.<\/li>\n<li><strong>Relevancia de la Respuesta:<\/strong> eval\u00faa la relevancia de la respuesta final con respecto a la consulta.<\/li>\n<\/ul>\n<p>A continuaci\u00f3n, un ejemplo de evaluaci\u00f3n de respuestas basado en su relevancia para la pregunta.<\/p>\n<p><strong>Pregunta:<\/strong> \u00bfd\u00f3nde est\u00e1 Espa\u00f1a y cu\u00e1l es su capital?<\/p>\n<p><strong>Respuesta de baja relevancia:<\/strong> Espa\u00f1a est\u00e1 en Europa occidental.<\/p>\n<p><strong>Respuesta de alta relevancia:<\/strong> Espa\u00f1a est\u00e1 en Europa occidental y su capital es Madrid.<\/p>\n<p style=\"text-align: center;\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-40906 size-full\" src=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/RAG-TRIAD-1.png\" alt=\"\" width=\"627\" height=\"355\" srcset=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/RAG-TRIAD-1.png 627w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/RAG-TRIAD-1-300x170.png 300w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/RAG-TRIAD-1-360x204.png 360w\" sizes=\"auto, (max-width: 627px) 100vw, 627px\" \/><\/p>\n<h3><strong>Usando LLMs para puntuar m\u00e9tricas<\/strong><\/h3>\n<p>Puntuar estas m\u00e9tricas manualmente puede ser desafiante, pero <strong>LLMs como GPT-4 simplifican la tarea<\/strong>. Creando indicaciones bien elaboradas, puedes hacer que GPT-4 <strong>eval\u00fae y califique la calidad de la respuesta<\/strong>. Sin embargo, es crucial considerar posibles sesgos y errores en el juicio del LLM. T\u00e9cnicas avanzadas de ingenier\u00eda de indicaciones, como Chain-of-Thought, pueden mejorar la precisi\u00f3n. Muchas herramientas de evaluaci\u00f3n RAG vienen con dichas indicaciones preintegradas, agilizando el proceso.<\/p>\n<p>El art\u00edculo \u00abJudging LLM-as-a-Judge with MT-Bench and Chatbot Arena\u00bb propone un dise\u00f1o de indicaci\u00f3n para que GPT-4 juzgue la calidad de la respuesta de un asistente de IA a una pregunta de usuario. A continuaci\u00f3n, un ejemplo r\u00e1pido:<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-40907 size-full\" src=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/LLM-1.png\" alt=\"\" width=\"627\" height=\"218\" srcset=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/LLM-1.png 627w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/LLM-1-300x104.png 300w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/LLM-1-360x125.png 360w\" sizes=\"auto, (max-width: 627px) 100vw, 627px\" \/><\/p>\n<h2><strong>Ragas: una herramienta para la evaluaci\u00f3n eficiente de RAG<\/strong><\/h2>\n<p>RAGAs es una <strong>herramienta innovadora de c\u00f3digo abierto dise\u00f1ada para simplificar la evaluaci\u00f3n de aplicaciones RAG<\/strong>. Su interfaz intuitiva simplifica el inicio de las evaluaciones al aceptar conjuntos de datos en un formato predefinido. RAGAs proporciona un conjunto robusto de m\u00e9tricas para evaluar tanto los componentes individuales como el rendimiento general de un pipeline RAG.<\/p>\n<h3>M\u00e9tricas a nivel de componente<\/h3>\n<h4>Componente de Recuperaci\u00f3n<\/h4>\n<ul>\n<li><strong>Context recall<\/strong>: eval\u00faa la capacidad del sistema para recuperar toda la informaci\u00f3n relevante de fuentes de datos externas. Un alto nivel de recuperaci\u00f3n de contexto indica una utilizaci\u00f3n completa de los datos disponibles.<\/li>\n<li><strong>Context precision<\/strong>: eval\u00faa si todos los elementos relevantes de verdad presentes en los contextos est\u00e1n clasificados m\u00e1s alto o no.<\/li>\n<li><strong>Context Relevancy<\/strong>: combina aspectos de recuperaci\u00f3n y precisi\u00f3n, evaluando la relevancia general del contexto utilizado por el sistema RAG.<\/li>\n<\/ul>\n<h4>Componente Generativo<\/h4>\n<ul>\n<li><strong>Faithfulness<\/strong>: mide la precisi\u00f3n factual de la respuesta generada al dividir el n\u00famero de afirmaciones correctas de los contextos dados por el n\u00famero total de afirmaciones en la respuesta generada.<\/li>\n<li><strong>Answer relevancy<\/strong>: mide qu\u00e9 tan relevante es la respuesta generada para la pregunta utilizando la pregunta y la respuesta.<\/li>\n<\/ul>\n<h3>M\u00e9tricas de evaluaci\u00f3n de extremo a extremo<\/h3>\n<p>Adem\u00e1s de la evaluaci\u00f3n a nivel de componente, RAGAs ofrece m\u00e9tricas de evaluaci\u00f3n de extremo a extremo que capturan el rendimiento hol\u00edstico del sistema RAG:<\/p>\n<ul>\n<li><strong>Answer Semantic Similarity<\/strong>: eval\u00faa la congruencia sem\u00e1ntica entre las respuestas generadas y las respuestas esperadas, indicando la capacidad del sistema para captar y reflejar el significado intr\u00ednseco.<\/li>\n<li><strong>Answer Correctness<\/strong>: avanza en la evaluaci\u00f3n para incluir la veracidad de la informaci\u00f3n proporcionada, afirmando que las respuestas no son simplemente relevantes, sino tambi\u00e9n ver\u00eddicas.<\/li>\n<\/ul>\n<p>En resumen, RAGAs equipa a los usuarios con un conjunto extenso de m\u00e9tricas para evaluar un pipeline RAG de manera integral, tanto a nivel de componente como desde una perspectiva de extremo a extremo. Esto garantiza un an\u00e1lisis completo y matizado de las aplicaciones RAG.<\/p>\n<h3><strong>C\u00f3mo comenzar con Ragas<\/strong><\/h3>\n<p>Para emplear Ragas en la evaluaci\u00f3n de su aplicaci\u00f3n RAG:<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-40908 size-full\" src=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/ragas1.png\" alt=\"\" width=\"627\" height=\"175\" srcset=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/ragas1.png 627w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/ragas1-300x84.png 300w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/ragas1-360x100.png 360w\" sizes=\"auto, (max-width: 627px) 100vw, 627px\" \/><\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-40909 size-full\" src=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/ragas2.png\" alt=\"\" width=\"627\" height=\"291\" srcset=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/ragas2.png 627w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/ragas2-300x139.png 300w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2024\/02\/ragas2-360x167.png 360w\" sizes=\"auto, (max-width: 627px) 100vw, 627px\" \/><\/p>\n<h2><strong>Resumen<\/strong><\/h2>\n<p>En resumen, la evaluaci\u00f3n de los pipelines de Generaci\u00f3n con Recuperaci\u00f3n Aumentada (RAG) es crucial para<strong> mejorar los sistemas de IA que aprovechan fuentes de conocimiento externas<\/strong>.<\/p>\n<p>Nuestra discusi\u00f3n ha cubierto una variedad de metodolog\u00edas, m\u00e9tricas y herramientas dise\u00f1adas para evaluar aplicaciones RAG. Espec\u00edficamente, examinamos m\u00e9tricas que comparan los resultados contra una verdad de campo, m\u00e9tricas que funcionan sin una referencia de verdad de campo y aquellas que emplean las capacidades anal\u00edticas de Modelos de Lenguaje de Gran Escala (LLMs).<\/p>\n<p>Adem\u00e1s, destacamos la utilidad de Ragas, una herramienta que simplifica y acelera el proceso de evaluaci\u00f3n, proporcionando un conjunto integral de m\u00e9tricas para medir la efectividad tanto de los componentes individuales como del sistema RAG en general. Esto asegura que nuestras aplicaciones de IA no solo sean inteligentes, sino tambi\u00e9n efectivamente ajustadas a las demandas de la implementaci\u00f3n pr\u00e1ctica.<\/p>\n<p>En\u00a0hiberus\u00a0creemos que la IA se va a convertir en una herramienta imprescindible en todos los campos y sectores en un futuro pr\u00f3ximo. Por eso hemos creado la <a href=\"https:\/\/www.hiberus.com\/data-ia\/behind-the-ai\" target=\"_blank\" rel=\"noopener\">newsletter Behind the AI\u00a0<\/a>en la que te contamos todas las novedades y hechos relevantes que debes conocer para no perderte nada sobre Inteligencia Artificial.<\/p>\n<p><a href=\"https:\/\/www.hiberus.com\/data-ia\/behind-the-ai\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-32439 size-full\" src=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2023\/06\/banner-horizontal.jpg\" alt=\"behind the AI\" width=\"1920\" height=\"654\" srcset=\"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2023\/06\/banner-horizontal.jpg 1920w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2023\/06\/banner-horizontal-300x102.jpg 300w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2023\/06\/banner-horizontal-1024x349.jpg 1024w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2023\/06\/banner-horizontal-768x262.jpg 768w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2023\/06\/banner-horizontal-1536x523.jpg 1536w, https:\/\/www.hiberus.com\/crecemos-contigo\/wp-content\/uploads\/2023\/06\/banner-horizontal-360x123.jpg 360w\" sizes=\"auto, (max-width: 1920px) 100vw, 1920px\" \/><\/a><\/p>\n<p>\u00bfQuieres aprovechar el poder de la <a href=\"https:\/\/www.hiberus.com\/crecemos-contigo\/ia-generativa-que-es-y-cuales-son-sus-usos\/\" target=\"_blank\" rel=\"noopener\">IA Generativa<\/a> para impulsar tu negocio? Contamos con un equipo de <a href=\"https:\/\/www.hiberus.com\/data-ia\/ia\" target=\"_blank\" rel=\"noopener\"><strong>expertos en IA Generativa y Data<\/strong><\/a> que han desarrollado <strong>GenIA Ecosystem<\/strong>, un ecosistema de soluciones propias de IA conversacional, generaci\u00f3n de contenido y data adaptadas a las necesidades de cada mercado y cliente. Contacta con nosotros y estaremos encantados de ayudarte.<\/p>\n        <div class=\"row\">\n            <div class=\"block-cta-form\" style=\"background-color: #003664;\">\n                <div class=\"content-cta-form\">\n                    <div class=\"text-cta-form\">\n                        <p class=\"title-cta-form\">\u00bfQuieres m\u00e1s informaci\u00f3n sobre nuestros servicios de IA Generativa?<\/p>\n                        <p>Contacta con nuestro equipo de expertos en IA Generativa<\/p>\n                    <\/div>\n                    <div class=\"form-fields\">\n                        \n<div class=\"wpcf7 no-js\" id=\"wpcf7-f33973-o1\" lang=\"es-ES\" dir=\"ltr\" data-wpcf7-id=\"33973\">\n<div class=\"screen-reader-response\"><p role=\"status\" aria-live=\"polite\" aria-atomic=\"true\"><\/p> <ul><\/ul><\/div>\n<form action=\"\/crecemos-contigo\/wp-json\/wp\/v2\/posts\/40357#wpcf7-f33973-o1\" method=\"post\" class=\"wpcf7-form init\" aria-label=\"Formulario de contacto\" novalidate=\"novalidate\" data-status=\"init\">\n<fieldset class=\"hidden-fields-container\"><input type=\"hidden\" name=\"_wpcf7\" value=\"33973\" \/><input type=\"hidden\" name=\"_wpcf7_version\" value=\"6.1.5\" \/><input type=\"hidden\" name=\"_wpcf7_locale\" value=\"es_ES\" \/><input type=\"hidden\" name=\"_wpcf7_unit_tag\" value=\"wpcf7-f33973-o1\" \/><input type=\"hidden\" name=\"_wpcf7_container_post\" value=\"0\" \/><input type=\"hidden\" name=\"_wpcf7_posted_data_hash\" value=\"\" \/><input type=\"hidden\" name=\"_wpcf7_recaptcha_response\" value=\"\" \/>\n<\/fieldset>\n<div id=\"responsive-form\" class=\"clearfix\">\n\t<div class=\"form-row\">\n\t\t<div class=\"column-half\">\n\t\t\t<p><span class=\"wpcf7-form-control-wrap\" data-name=\"nombre\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-text wpcf7-validates-as-required\" aria-required=\"true\" aria-invalid=\"false\" placeholder=\"Nombre *\" value=\"\" type=\"text\" name=\"nombre\" \/><\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t\t<div class=\"column-half\">\n\t\t\t<p><span class=\"wpcf7-form-control-wrap\" data-name=\"apellido\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-text wpcf7-validates-as-required\" aria-required=\"true\" aria-invalid=\"false\" placeholder=\"Apellido *\" value=\"\" type=\"text\" name=\"apellido\" \/><\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t<div class=\"form-row\">\n\t\t<div class=\"column-half\">\n\t\t\t<p><span class=\"wpcf7-form-control-wrap\" data-name=\"correo\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-email wpcf7-validates-as-required wpcf7-text wpcf7-validates-as-email\" aria-required=\"true\" aria-invalid=\"false\" placeholder=\"Correo corporativo *\" value=\"\" type=\"email\" name=\"correo\" \/><\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t\t<div class=\"column-half\">\n\t\t\t<p><span class=\"wpcf7-form-control-wrap\" data-name=\"telf-contacto\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-tel wpcf7-validates-as-required wpcf7-text wpcf7-validates-as-tel\" aria-required=\"true\" aria-invalid=\"false\" placeholder=\"Tel\u00e9fono *\" value=\"\" type=\"tel\" name=\"telf-contacto\" \/><\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t<div class=\"form-row\">\n\t\t<div class=\"column-half\">\n\t\t\t<p><span class=\"wpcf7-form-control-wrap\" data-name=\"compania\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-text wpcf7-validates-as-required\" aria-required=\"true\" aria-invalid=\"false\" placeholder=\"Compa\u00f1ia *\" value=\"\" type=\"text\" name=\"compania\" \/><\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t<div class=\"form-row\">\n\t\t<div class=\"column-full\">\n\t\t\t<p><span class=\"wpcf7-form-control-wrap\" data-name=\"mensaje\"><textarea cols=\"40\" rows=\"10\" maxlength=\"2000\" class=\"wpcf7-form-control wpcf7-textarea wpcf7-validates-as-required\" aria-required=\"true\" aria-invalid=\"false\" placeholder=\"Mensaje *\" name=\"mensaje\"><\/textarea><\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t<div class=\"form-row\">\n\t\t<div class=\"column-full color-acceptance\">\n\t\t\t<p><span class=\"wpcf7-form-control-wrap\" data-name=\"politica\"><span class=\"wpcf7-form-control wpcf7-acceptance\"><span class=\"wpcf7-list-item\"><label><input type=\"checkbox\" name=\"politica\" value=\"1\" aria-invalid=\"false\" \/><span class=\"wpcf7-list-item-label\">He le\u00eddo y acepto la <a href=\"https:\/\/www.hiberus.com\/politica\" target=\"_blank\"><u>Pol\u00edtica de privacidad<\/u><\/a><\/span><\/label><\/span><\/span><\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t<div class=\"form-row\">\n\t\t<div class=\"column-full color-acceptance\">\n\t\t\t<p><span class=\"wpcf7-form-control-wrap\" data-name=\"marketing\"><span class=\"wpcf7-form-control wpcf7-acceptance optional\"><span class=\"wpcf7-list-item\"><label><input type=\"checkbox\" name=\"marketing\" value=\"1\" aria-invalid=\"false\" \/><span class=\"wpcf7-list-item-label\">Me gustar\u00eda recibir comunicaciones de marketing de Hiberus y sobre sus productos, servicios y eventos.<\/span><\/label><\/span><\/span><\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t<div class=\"form-row\">\n\t\t<div class=\"column-half\">\n\t\t\t<p><input class=\"wpcf7-form-control wpcf7-submit has-spinner\" type=\"submit\" value=\"Contacta con nosotros\" \/>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n\t<div class=\"form-row\">\n\t\t<div id=\"campos_ocultos\" class=\"hidden\">\n\t\t\t<p><span class=\"wpcf7-form-control-wrap\" data-name=\"oculto_analitica_new1\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-text\" id=\"oculto_analitica_new1\" aria-invalid=\"false\" value=\"\" type=\"text\" name=\"oculto_analitica_new1\" \/><\/span><br \/>\n<span class=\"wpcf7-form-control-wrap\" data-name=\"oculto_analitica_new2\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-text\" id=\"oculto_analitica_new2\" aria-invalid=\"false\" value=\"\" type=\"text\" name=\"oculto_analitica_new2\" \/><\/span><br \/>\n<span class=\"wpcf7-form-control-wrap\" data-name=\"oculto_analitica_new3\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-text\" id=\"oculto_analitica_new3\" aria-invalid=\"false\" value=\"\" type=\"text\" name=\"oculto_analitica_new3\" \/><\/span><br \/>\n<span class=\"wpcf7-form-control-wrap\" data-name=\"oculto_analitica_new4\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-text\" id=\"oculto_analitica_new4\" aria-invalid=\"false\" value=\"\" type=\"text\" name=\"oculto_analitica_new4\" \/><\/span><br \/>\n<span class=\"wpcf7-form-control-wrap\" data-name=\"oculto_analitica_new_p\"><input size=\"40\" maxlength=\"400\" class=\"wpcf7-form-control wpcf7-text\" id=\"oculto_analitica_new_p\" aria-invalid=\"false\" value=\"\" type=\"text\" name=\"oculto_analitica_new_p\" \/><\/span>\n\t\t\t<\/p>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n<!--end responsive-form--><div class=\"wpcf7-response-output\" aria-hidden=\"true\"><\/div>\n<\/form>\n<\/div>\n                    <\/div>\n                <\/div>\n            <\/div>\n        <\/div>\n        \n","protected":false},"excerpt":{"rendered":"<p>En la constante evoluci\u00f3n de la inteligencia artificial, la Generaci\u00f3n con Recuperaci\u00f3n Aumentada (RAG, por sus siglas en ingl\u00e9s) ha surgido como&#8230;<\/p>\n","protected":false},"author":352,"featured_media":40366,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_ayudawp_aiss_exclude":false,"footnotes":""},"categories":[236,7],"tags":[198,156],"class_list":{"0":"post-40357","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-data-ia","8":"category-next-tech","9":"tag-data","10":"tag-inteligencia-artificial"},"acf":[],"_links":{"self":[{"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/posts\/40357","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/users\/352"}],"replies":[{"embeddable":true,"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/comments?post=40357"}],"version-history":[{"count":5,"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/posts\/40357\/revisions"}],"predecessor-version":[{"id":40911,"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/posts\/40357\/revisions\/40911"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/media\/40366"}],"wp:attachment":[{"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/media?parent=40357"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/categories?post=40357"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.hiberus.com\/crecemos-contigo\/wp-json\/wp\/v2\/tags?post=40357"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}