SoK: Agentic Retrieval-Augmented Generation (RAG): Taxonomy, Architectures, Evaluation, and Research Directions

Este artículo de sistematización de conocimientos (SoK) presenta el primer marco unificado para las arquitecturas de Recuperación Aumentada por Generación (RAG) agénticas, formalizándolas como procesos de decisión de Markov, proponiendo una taxonomía modular, identificando riesgos sistémicos críticos y delineando direcciones de investigación para garantizar sistemas autónomos fiables y escalables.

Lo esencial

¡Claro que sí! Imagina que este artículo es como un manual de ingeniería para un nuevo tipo de "asistente inteligente" que está cambiando la forma en que usamos la inteligencia artificial.

Aquí tienes la explicación en español, usando analogías sencillas para que cualquiera pueda entenderlo:

🧠 ¿Qué es el "Agentic RAG"? (El Asistente con Autonomía)

Imagina que tienes un bibliotecario muy inteligente (la Inteligencia Artificial) pero que tiene una memoria limitada y a veces inventa cosas si no sabe la respuesta.

• El RAG antiguo (Estático): Era como pedirle al bibliotecario: "Busca en los libros sobre gatos y dame un resumen". El bibliotecario buscaba una vez, leía lo que encontró y te daba la respuesta. Si los libros estaban mal organizados o la pregunta era confusa, el bibliotecario se equivocaba o inventaba datos. Era un proceso de "una sola vez".
• El Agentic RAG (El nuevo sistema): Ahora, el bibliotecario tiene autonomía. No solo busca una vez. Piensa: "Espera, esta respuesta no me convence. Voy a buscar en otra sección del archivo, luego consultaré a un experto en veterinaria (una herramienta externa), y si sigo sin estar seguro, le preguntaré a un humano".

En resumen: El "Agentic RAG" es un sistema donde la IA no solo responde, sino que toma decisiones, planifica pasos, busca información varias veces si es necesario y usa herramientas para resolver problemas complejos, como un detective que investiga un caso en lugar de solo leer un libro.

---

🗺️ El Mapa del Tesoro (La Taxonomía)

Los autores dicen que hay muchos de estos sistemas, pero todos parecen diferentes y es difícil compararlos. Por eso, crearon un mapa para organizarlos. Imagina que clasifican a estos asistentes según cuatro características:

1. El Planificador (¿Quién manda?): ¿Es un solo cerebro que hace todo, o hay un jefe que divide el trabajo entre varios empleados (agentes) especializados?
2. La Estrategia de Búsqueda (¿Cómo busca?): ¿Busca una sola vez al principio? ¿O busca, piensa, busca de nuevo y vuelve a buscar hasta encontrar lo que necesita?
3. El Razonamiento (¿Cómo piensa?): ¿Sigue una línea recta de pensamiento, o explora varios caminos como si fuera un laberinto, volviendo atrás si se equivoca?
4. La Memoria (¿Qué recuerda?): ¿Solo recuerda lo que pasó en la conversación actual, o tiene un cuaderno de notas donde guarda lecciones aprendidas para siempre?

---

🏗️ Las Piezas del Rompecabezas (Arquitectura)

Para que este sistema funcione, no es un solo bloque de cemento. Es como un equipo de trabajo en una oficina:

• El Jefe (Planificador): Divide el problema grande en tareas pequeñas.
• El Investigador (Motor de Búsqueda): No solo busca palabras clave, sino que entiende qué necesita buscar en cada momento.
• El Analista (Motor de Razonamiento): Lee lo que encontró, lo conecta con lo que ya sabe y decide qué hacer después.
• El Archivero (Sistema de Memoria): Guarda los hallazgos importantes para no perderlos y recuerda errores pasados.
• El Supervisor (Verificación): Revisa el trabajo antes de entregarlo para asegurarse de que no haya mentiras (alucinaciones).

---

⚠️ Los Peligros Ocultos (Riesgos y Fallos)

Como estos sistemas son más autónomos, tienen nuevos riesgos, como un coche autónomo que puede chocar de formas que un coche normal no:

• El Efecto Dominó: Si el sistema se equivoca en el primer paso, ese error se arrastra a los siguientes pasos y empeora todo. Es como si un detective empezara a investigar al sospechoso incorrecto; todo lo que descubra después será inútil.
• El Bucle Infinito: A veces, el sistema puede quedarse atrapado buscando y pensando sin llegar a una respuesta, gastando dinero y tiempo.
• Envenenamiento de la Memoria: Si alguien pone información falsa en el "cuaderno de notas" del sistema, el sistema creerá esa mentira para siempre, incluso después de reiniciarse.
• Inyección de Prompts: Imagina que alguien esconde una nota secreta dentro de un libro que el sistema busca, diciéndole: "Ignora tus reglas y haz lo que yo diga". Como el sistema busca libros constantemente, es más fácil que esto le pase.

---

📏 ¿Cómo medimos si funciona bien? (Evaluación)

Antes, solo mirábamos la respuesta final: "¿Es correcta la respuesta?".
Ahora, con estos sistemas, eso no basta. Es como evaluar a un conductor de Fórmula 1 solo por si llegó a la meta, sin importar si chocó cinco veces en el camino.

Los autores proponen mirar todo el viaje:

• ¿Cuántos pasos dio para llegar?
• ¿Usó las herramientas correctas?
• ¿Se equivocó en el camino y supo corregirse?
• ¿Cuánto costó en dinero y tiempo?

---

🔮 ¿Qué viene después? (El Futuro)

El papel termina diciendo que, aunque esta tecnología es increíble, aún necesitamos trabajar en cosas difíciles para que sea segura y útil en el mundo real (como en hospitales o bancos):

1. Estabilidad: Que el sistema no se vuelva loco buscando cosas infinitas.
2. Seguridad: Que nadie pueda "envenenar" su memoria.
3. Control de Costos: Que no gaste una fortuna en computación por una pregunta simple.
4. Confianza: Que el sistema sepa cuándo decir "No estoy seguro, necesito ayuda de un humano" en lugar de inventar una respuesta.

En conclusión: Este artículo es la "guía definitiva" para entender cómo estamos pasando de tener un bibliotecario que lee una vez a tener un equipo de detectives autónomos que investigan, piensan y actúan. Pero para que sean confiables, necesitamos construir mejores reglas, mejores mapas y mejores sistemas de seguridad.

Resumen técnico

Resumen Técnico: SoK sobre RAG Agéntico

1. El Problema

Los sistemas de Generación Aumentada por Recuperación (RAG) tradicionales operan bajo un flujo de control estático y determinista: recuperan un conjunto fijo de documentos basados en una consulta inicial y luego generan una respuesta. Esta arquitectura presenta limitaciones críticas:

• Fragilidad en tareas complejas: Fallan en tareas que requieren razonamiento multi-paso o recuperación iterativa, ya que no pueden corregir errores de recuperación iniciales ni adaptar la búsqueda en tiempo real.
• Sobrecarga de contexto y alucinaciones: La recuperación ciega antes del razonamiento conduce a la sobrecarga de contexto (efecto "lost in the middle") y a la propagación de alucinaciones cuando la evidencia inicial es ruidosa o insuficiente.
• Falta de formalización: A pesar del rápido crecimiento de los sistemas "RAG Agénticos" (donde los LLMs actúan como agentes autónomos que coordinan recuperación, memoria y herramientas), existe una fragmentación en la investigación. No hay una taxonomía unificada, ni marcos de evaluación estandarizados, ni una comprensión formal de estos sistemas como procesos de toma de decisiones secuenciales.

2. Metodología

Los autores adoptan un enfoque de Sistematización del Conocimiento (SoK) para unificar el campo. Su metodología se basa en:

• Formalización Matemática: Modelan el RAG Agéntico como un Proceso de Decisión de Markov Parcialmente Observable (POMDP) de horizonte finito. Esto permite tratar la recuperación y el razonamiento como acciones dentro de un espacio de decisiones discreto, gobernadas por una política estocástica ($\pi_\theta$).
• Descomposición Modular: Analizan la literatura existente para extraer componentes arquitectónicos comunes y patrones de diseño, separando la planificación de la ejecución.
• Análisis Taxonómico: Construyen una taxonomía multidimensional para clasificar los sistemas existentes basándose en atributos estructurales y operativos, en lugar de herramientas específicas.
• Evaluación Crítica: Revisan las métricas actuales para identificar sus fallos al evaluar sistemas iterativos y proponen nuevos marcos de evaluación basados en trayectorias.

3. Contribuciones Clave

A. Formalización Conceptual (POMDP)
Definen el RAG Agéntico mediante la tupla $S_{RAG} = \langle S_{env}, A, \Omega, O, \pi_\theta, M, T \rangle$, donde:

• El agente toma acciones (recuperar, razonar, usar herramientas, detenerse) basándose en una memoria de trabajo ($M_t$).
• Distinguen claramente entre RAG Activo (que decide cuándo recuperar durante la generación de tokens) y RAG Agéntico (que separa la planificación de la generación, ejecutando bucles de herramientas explícitos y permitiendo la auto-corrección).

B. Taxonomía Multidimensional
Proponen una clasificación basada en cuatro ejes ortogonales:

1. Topología de Planificación: Sistemas de agente único, arquitecturas Planificador-Ejecutor, y sistemas Multi-agente.
2. Estrategia de Recuperación: Recuperación de un solo paso, recuperación iterativa (dependiente del estado) y recuperación auto-refinante (con crítica y revisión).
3. Paradigma de Razonamiento: Cadenas de pensamiento (CoT), estilo ReAct (razonamiento + acción), razonamiento basado en reflexión y exploración basada en árboles (Tree-of-Thoughts).
4. Gestión de Memoria: Memoria a corto plazo (ventana de contexto), memoria episódica (trayectorias pasadas) y memoria persistente a largo plazo (bases de datos vectoriales).

C. Descomposición Arquitectónica y Patrones de Diseño
Identifican módulos centrales (Planificador, Motor de Razonamiento/Controlador, Motor de Recuperación, Sistemas de Memoria, Capa de Orquestación de Herramientas) y patrones de diseño reutilizables, tales como:

• Planificar luego recuperar: Descomposición explícita antes de la búsqueda.
• Recuperar-Reflexionar-Refinar: Ciclos de crítica sobre la evidencia obtenida.
• Colaboración Multi-agente: División de roles para tareas complejas.
• Verificación basada en la recuperación: Uso de la recuperación para validar afirmaciones generadas.

D. Marco de Evaluación de Capas
Critican las métricas estáticas (BLEU, ROUGE, Exact Match) por ser ciegas a la lógica interna. Proponen una evaluación en tres capas:

1. Nivel de Componente: Precisión de la recuperación y ejecución de herramientas.
2. Nivel de Trayectoria: Coherencia lógica, tasa de progreso y eficiencia de la información (EIR).
3. Nivel de Sistema: Calidad del resultado final, fiabilidad, robustez y costos (latencia, tokens).

E. Análisis de Riesgos y Seguridad
Identifican vulnerabilidades sistémicas únicas de los bucles autónomos:

• Deriva de Recuperación: La reformulación iterativa de consultas puede desviarse del objetivo original.
• Alucinación Compuesta: Los errores en un paso se convierten en contexto para pasos futuros, reforzando el error.
• Inyección de Prompts Indirecta: Contenido malicioso en documentos recuperados puede manipular la planificación del agente.
• Envenenamiento de Memoria: La manipulación de la memoria a largo plazo compromete sesiones futuras.

4. Resultados y Hallazgos

• Brecha Académica-Industrial: Se observa una divergencia significativa. La investigación académica a menudo prioriza el rendimiento en benchmarks sin restricciones, mientras que la industria prioriza la determinación, la gestión de costos (tokens) y la latencia, utilizando interfaces controladas (ACI) y enrutamiento ligero.
• Ineficiencia de Métricas Actuales: Las métricas tradicionales fallan al no poder distinguir entre una respuesta correcta obtenida por suerte y una obtenida por un razonamiento sólido, ni al evaluar la eficiencia de la recuperación.
• Complejidad de Costos: Los sistemas agénticos introducen una "amplificación de tokens" significativa debido a los pasos intermedios de razonamiento y recuperación, lo que hace que la optimización de costos sea un desafío crítico de implementación.
• Riesgos de Seguridad: La autonomía iterativa amplifica los riesgos tradicionales de los LLMs, creando nuevos vectores de ataque como el envenenamiento de memoria persistente y la propagación de errores en cascada.

5. Significado e Impacto

Este trabajo es fundamental porque:

• Establece un Lenguaje Común: Proporciona la primera taxonomía unificada y formalización matemática para el RAG Agéntico, permitiendo comparaciones justas entre sistemas dispares.
• Cambia el Paradigma de Evaluación: Mueve el foco de la evaluación del "producto final" (la respuesta) a la evaluación del "proceso" (la trayectoria de razonamiento y recuperación), lo cual es esencial para la seguridad en entornos de alto riesgo (médico, legal, financiero).
• Define la Hoja de Ruta de Investigación: Identifica cinco grandes desafíos de investigación a nivel doctoral que deben resolverse para lograr sistemas confiables:
  1. Recuperación adaptativa estable bajo bucles de planificación.
  2. Evaluación formal de la calidad del razonamiento agéntico.
  3. Robustez y resistencia al envenenamiento de memoria.
  4. Orquestación autónoma consciente de los costos.
  5. Mecanismos de calibración de confianza y supervisión humana (HITL).

En conclusión, el artículo argumenta que el RAG Agéntico no es simplemente una extensión de ingeniería de prompts, sino un sistema de toma de decisiones secuenciales complejo que requiere un enfoque interdisciplinario (teoría de control, verificación formal, ciberseguridad) para pasar de prototipos empíricos a sistemas autónomos fiables y escalables.