Eduardo
González-
Mesones

Un RAG legal que no puede señalar el artículo no sirve para nada, porque el abogado no puede comprobarlo. Así que la cita no es un adorno de la respuesta. La traté como la unidad que viaja por el sistema: el recuperador nunca devuelve texto suelto, devuelve número de artículo y pasaje literal.

A legal RAG that can't point at the article is worthless, because the lawyer can't check it. So the citation isn't decoration on the answer. I treated it as the unit that travels through the system: the retriever never hands back loose text, it hands back an article number and a verbatim passage.

Después monté el harness de evaluación, que es la parte que casi nadie hace. Y me dio un susto útil.

Then I built the eval harness, which is the part almost nobody bothers with. It gave me a useful scare.

Recall de citas	Citation recall	0.70
Precisión	Precision	0.575
Fragmentos indexados	Indexed chunks	125

Un agente conversacional que responde preguntas de inteligencia competitiva consultando tres fuentes internas a la vez: alertas, informes y un grafo de conocimiento. Cinco capas por petición, todo en streaming.

A conversational agent answering competitive intelligence questions across three internal sources at once: alerts, reports and a knowledge graph. Five layers per request, all streamed.

La pieza que más defiendo es el guardián. Es un agente sin herramientas ni memoria cuyo único trabajo es clasificar la pregunta antes de que exista el agente grande. Si la pregunta no es del dominio, o es de gobernanza interna, el turno termina ahí. Y falla cerrado: si el clasificador revienta, rechaza. Un guardián que ante la duda deja pasar no es un guardián.

The piece I defend hardest is the guard. It's an agent with no tools and no memory whose only job is classifying the question before the big agent even exists. If the question is off-domain, or is about internal governance, the turn ends there. And it fails closed: if the classifier blows up, it rejects. A guard that waves things through when unsure isn't a guard.

El mismo producto, reescrito. La versión clásica orquestaba a mano: una función validaba la pregunta, un servicio consultaba las tres fuentes, una plantilla montaba el prompt y el modelo redactaba. Funcionaba, y es más fácil de razonar que un agente.

The same product, rewritten. The classic version orchestrated by hand: a function validated the question, a service queried the three sources, a template assembled the prompt and the model wrote the answer. It worked, and it's easier to reason about than an agent.

Lo que gana la agéntica no es inteligencia, son tres cosas concretas: el modelo decide si hace falta buscar en vez de buscar siempre, la memoria pasa de historial a hechos del usuario entre sesiones, y la respuesta sale en streaming real en vez de por sondeo. Lo que pierde es predictibilidad, y por eso el guardián y el presupuesto de pasos dejan de ser opcionales.

What the agentic version gains isn't intelligence, it's three concrete things: the model decides whether a search is needed instead of always searching, memory goes from transcript to durable user facts across sessions, and the answer streams for real instead of being polled. What it loses is predictability, which is why the guard and the step budget stop being optional.

Grabaciones de paneles de expertos y sus presentaciones, convertidas en algo que se puede preguntar en lenguaje natural. La entrada son vídeos largos y ficheros de diapositivas. La salida son dos almacenes con papeles distintos: un índice vectorial para buscar por significado y una base relacional para los metadatos.

Recordings of expert panels and their decks, turned into something you can question in natural language. The input is long videos and slide files. The output is two stores with different jobs: a vector index to search by meaning and a relational database for the metadata.

La decisión que lo hace viable es partir el vídeo en segmentos con solape. Sin solape, una frase que cae en la costura se pierde para siempre. Con segmentos cortos, además, el trabajo se paraleliza. Y hay dos tuberías, no una: la de sesión procesa cada panel por separado, y una segunda pasada global extrae lo que solo se ve comparando todas las sesiones entre sí.

The decision that makes it viable is splitting the video into overlapping segments. Without overlap, a sentence landing on the seam is lost for good. Short segments also parallelise the work. And there are two pipelines, not one: the per-session pipeline handles each panel on its own, and a second global pass extracts what only appears when you compare every session against the others.

Clasificación de variantes genéticas contra criterios normados, apoyada en literatura biomédica. Más de sesenta mil variantes de una cohorte de epilepsia. Aquí el listón es otro, porque una respuesta plausible sin fuente no es un fallo de producto.

Genetic variant classification against standardised criteria, grounded in biomedical literature. More than sixty thousand variants from an epilepsy cohort. The bar sits somewhere else here, because a plausible answer with no source isn't a product bug.

Dos decisiones. La primera: búsqueda híbrida. El nombre exacto de un gen es un token raro, y ahí la búsqueda léxica gana siempre a la vectorial; pero "fenotipo compatible con" solo lo encuentra la semántica. Se ejecutan las dos y se fusionan con un peso ajustable. La segunda: embeddings entrenados sobre texto biomédico, porque el vocabulario clínico rompe a los genéricos.

Two decisions. First: hybrid search. An exact gene name is a rare token, and there lexical search always beats vector search; but "phenotype consistent with" is only found semantically. Both run and are fused with a tunable weight. Second: embeddings trained on biomedical text, because clinical vocabulary breaks the generic ones.

Ficheros que llegan de terceros, cada uno con sus nombres de columna y sus formatos, que hay que cuadrar contra un esquema canónico antes de poder hacer nada con ellos. Al final del proceso sale un dictamen de seguir o no seguir.

Files arriving from third parties, each with its own column names and formats, which have to be reconciled against a canonical schema before anything can be done with them. At the end comes a go or no-go assessment.

Lo interesante no es que un modelo lea ficheros, es que el bucle de mapeo esté acotado. El agente propone una correspondencia de campos, se vuelve a validar, y si sigue sin cuadrar reintenta con lo que ha aprendido. Sin tope de intentos eso se convierte en un bucle infinito. Con tope, el caso que no cuadra escala a una persona, que es lo correcto.

The interesting part isn't a model reading files, it's that the mapping loop is bounded. The agent proposes a field mapping, validation runs again, and if it still doesn't fit it retries with what it learned. With no attempt limit that becomes an infinite loop. With a limit, the case that won't fit escalates to a person, which is the right answer.

Un directivo pregunta en lenguaje natural y recibe una cifra, un gráfico y una lectura. Por debajo hay un supervisor que reparte a cuatro especialistas: uno escribe el SQL, otro lo interpreta, otro elige la visualización y otro redacta la conclusión.

An executive asks in plain language and gets back a number, a chart and a reading. Underneath, a supervisor dispatches to four specialists: one writes the SQL, one interprets it, one picks the visualisation and one writes the takeaway.

El punto delicado es evidente: un modelo escribiendo SQL contra una base real. La respuesta no es confiar en el prompt. Es que la conexión sea de solo lectura, que la consulta pase por un validador antes de ejecutarse y que haya límite de filas y de tiempo. El modelo propone; el sistema decide si se ejecuta.

The delicate point is obvious: a model writing SQL against a real database. The answer isn't trusting the prompt. It's a read-only connection, a validator the query must pass before running, and row and time limits. The model proposes; the system decides whether it runs.

Un agente que evalúa ofertas y luego redacta cartas. Redactar es la parte pesada, así que no lo hice como una cadena: el grafo se detiene en un nodo de revisión y espera a que un humano apruebe la lista corta.

An agent that scores job posts and then drafts letters. Drafting is the heavy part, so I didn't build it as a chain: the graph halts at a review node and waits for a human to sign off the shortlist.

Es una interrupción de verdad, no un input() disfrazado. El estado se persiste y el grafo se reanuda horas después si hace falta. Ésa es la diferencia entre una demo y algo que aguanta un despliegue.

It's a real interrupt, not a dressed-up input(). State is persisted and the graph resumes hours later if it has to. That's the difference between a demo and something that survives a deploy.

Acierto ±1 tramo	Within-one-bucket	100%
Groundedness	80%
Acierto exacto	Exact bucket	40%

La forma que toma un RAG cuando tiene que aguantar auditoría, varios clientes y documentos que cambian. No es un proyecto concreto: es el patrón al que convergen casi todos los anteriores cuando pasan de piloto a producción.

The shape a RAG takes once it has to survive an audit, several tenants and documents that change. It isn't one project: it's the pattern almost all of the above converge on when they move from pilot to production.

Dos decisiones la sostienen. El filtro de permisos entra dentro de la consulta al almacén, no después de recuperar, porque filtrar después significa que ya has leído lo que no debías. Y las trazas registran qué fragmentos sustentan cada respuesta, que es lo único que permite explicarle a un auditor por qué el sistema dijo lo que dijo, seis meses más tarde.

Two decisions hold it up. The permission filter goes inside the store query, not after retrieval, because filtering afterwards means you already read what you shouldn't have. And the traces record which chunks support each answer, which is the only thing that lets you explain to an auditor why the system said what it said, six months later.