RAG vs ChatGPT en contratación pública
La irrupción de la Inteligencia Artificial Generativa ha democratizado el acceso a herramientas potentes de redacción. Hoy, cualquier técnico puede pedirle a un chat generalista que redacte un correo o resuma un texto. Sin embargo, cuando trasladamos esta tecnología al sector de la contratación pública, nos encontramos con que la falta de rigor por parte de este tipo de modelos de IA puede comprometer el proceso de licitación.
En un entorno regido por la Ley de Contratos del Sector Público (LCSP) y sujeto a fiscalización, un dato inventado no es una anécdota; es un riesgo legal grave.
Por eso, los responsables de tecnología (CTO) y seguridad (CISO) del sector GovTech están apostando por arquitecturas avanzadas como RAG (Retrieval-Augmented Generation) frente al uso de modelos genéricos. Pero, ¿qué es esto exactamente y por qué es fundamental para trabajar con licitaciones?
El riesgo estructural: por qué la IA generalista inventa datos
Los Grandes Modelos de Lenguaje (LLM) generalistas, como las versiones estándar de ChatGPT o Gemini, no son bases de datos de conocimiento verificadas; son motores probabilísticos de predicción de texto. Han sido entrenados con inmensas cantidades de información de internet, pero no "saben" qué es verdad y qué es mentira; únicamente calculan qué palabra es estadísticamente más probable que siga a la anterior para formar una frase coherente.
El problema crítico en el sector legal es que estos modelos están diseñados bajo un imperativo de "responder siempre". Su función objetivo es satisfacer la consulta del usuario manteniendo la fluidez de la conversación, no garantizar la exactitud factual.
Esto significa que, ante una laguna de información específica (por ejemplo, el contenido exacto de un artículo de la LCSP o un expediente concreto que no estaba en su entrenamiento), el modelo no se detiene. En lugar de admitir ignorancia, su algoritmo "rellena" ese vacío generando información que suena verídica y respeta la estructura del lenguaje jurídico, pero que es ficticia. A este fenómeno se le llama "alucinación": la IA inventa datos, fechas, artículos o jurisprudencia con total seguridad y coherencia gramatical, creando una trampa de confianza perfecta para el técnico que la utiliza.
¿Qué es RAG y cómo soluciona esto?
RAG (Generación Aumentada por Recuperación) es una arquitectura que impide que la IA responda "de memoria". Actúa como un modelo de IA “experto”, siempre y cuando cuente con las fuentes de información correctas.
El flujo técnico paso a paso:
- Retrieval (Búsqueda): Cuando haces una pregunta, el sistema no va al modelo de lenguaje. Primero busca en una base de datos vectorial segura donde están indexadas la LCSP vigente, los pliegos del expediente y la jurisprudencia real.
- Filtrado: El sistema selecciona solo los párrafos que contienen la respuesta verídica (ej. el texto exacto del Art. 204 LCSP).
- Generation (Generación): Ahora sí, envía esos párrafos al modelo de IA con una instrucción estricta: "Responde al usuario usando SÓLO esta información. Si no está aquí, di que no lo sabes".
Tabla comparativa: ChatGPT vs. Arquitectura RAG (Tendios)
| Característica | IA Genérica (ChatGPT, etc.) | Arquitectura RAG (Tendios) |
|---|---|---|
| Fuente de conocimiento | Memoria de entrenamiento (internet pasado) | Base de datos documental actualizada |
| Respuesta ante duda | Inventa algo plausible ("Alucinación") | "No hay información suficiente en los documentos" |
| Trazabilidad | Caja negra (sin fuentes) | Citas directas al BOE/Pliego con enlace |
| Actualización | Cortes de conocimiento antiguos | Tiempo real (conecta con fuentes vivas) |
¿Necesitas realizar alguna consulta sobre contratación pública?
Caso de uso real: Validación de sostenibilidad
Para entender el impacto, veamos un día en la vida de un técnico de contratación que debe validar si un pliego cumple con los criterios ecológicos.
- Proceso manual (Sin RAG): Descargar el PDF (150 págs), buscar "sostenibilidad" con Ctrl+F, abrir el BOE para cotejar con la LCSP, consultar la guía de contratación ecológica... Tiempo estimado: 3 horas.
- Proceso con Tendios (RAG): Subes el pliego. Preguntas: "¿Cumple con los requisitos del Art. 201 LCSP?". El sistema escanea el documento, cruza con el artículo vigente de la ley y genera un informe de conformidad con citas. Tiempo estimado: 20 minutos.
Cuándo usar cada herramienta
No se trata de demonizar a los modelos genéricos, sino de usarlos para lo que sirven.
✅ Cuándo SÍ puedes usar un LLM como ChatGPT:
- Brainstorming inicial de ideas creativas.
- Redactar correos electrónicos internos no confidenciales.
- Resumir noticias generales del sector.
❌ Cuándo DEBES usar una IA Especializada (RAG):
- Redactar Pliegos (PCAP/PPT) con seguridad jurídica.
- Realizar consultas legales.
- Validar el cumplimiento normativo de un expediente.
¿Eres una entidad del sector público?
¿Eres una empresa privada?
Los límites del RAG
Incluso la tecnología RAG tiene límites. La calidad de la respuesta depende de la calidad de la fuente (si la base de datos no está actualizada al último BOE, la respuesta será obsoleta) y no sustituye el criterio jurídico final del técnico. En Tendios mitigamos esto con actualización automática diaria desde fuentes oficiales, pero la supervisión humana sigue siendo clave.
Conclusión: Tecnología para decisiones críticas
En el sector público, las decisiones deben justificarse. La tecnología RAG no es solo una mejora técnica; es la diferencia entre usar un asistente creativo y usar una herramienta de auditoría profesional.
Al priorizar la verificabilidad y la disciplina documental, convertimos la Inteligencia Artificial en un aliado confiable para la gestión de expedientes complejos, eliminando el miedo al "dato inventado".
¿Quieres probar la IA especializada en contratación pública?
