RAG-Driven Generative AI, 2nd Edition

La segunda edición de "RAG-Driven Generative AI", escrita por Denis Rothman y publicada por Packt en 2026, replantea por completo el diseño de soluciones de IA generativa empresarial bajo la premisa de «llevar la IA hacia los datos» (sovereign enterprise AI), superando la fragmentación y los riesgos de seguridad que genera extraer información confidencial hacia plataformas externas. Está dirigida a ingenieros de software, científicos de datos, administradores de bases de datos y arquitectos cloud de nivel intermedio a avanzado que necesitan implementar pipelines de IA generativa robustos y gobernados en infraestructuras corporativas de misión crítica.

El núcleo técnico de la obra se apoya en el motor convergente Oracle AI Database 26ai (y Oracle Database 23ai) junto con Python y modelos de OpenAI (como GPT-4o-mini). Rothman introduce patrones arquitectónicos avanzados como DualRAG, sincronizando embeddings vectoriales no estructurados con consultas relacionales SQL, grafos de propiedades y datos geoespaciales mediante SDO_GEOMETRY. Detalla la creación de sistemas multiagente para RAG (MAS-RAG), el diseño de un motor universal de contexto (Universal Context Engine) con planificadores y registro de agentes soberanos, ajuste fino (fine-tuning) sobre datos estáticos de RAG, mecanismos de retroalimentación humana con aprendizaje por refuerzo (RLHF / "Fix It" loops), canalizaciones multimodales capaces de consultar catálogos de vídeo y escalamiento en hardware de alto rendimiento como Oracle Exadata.

La propuesta práctica gira en torno a la creación de agentes autónomos corporativos, como un agente interactivo de reclutamiento laboral, un sistema conversacional multimodal para videotecas y un motor universal de contexto con interfaz de usuario conectada directamente a la base de datos. Su gran virtud es demostrar cómo unificar transacciones empresariales deterministas y búsqueda semántica sin mover los datos, erradicando alucinaciones y vulnerabilidades de seguridad. Al estar fuertemente anclado al ecosistema de base de datos de Oracle y Exadata, deja al margen bases vectoriales independientes más populares como Pinecone o Qdrant (que protagonizaban la primera edición), por lo que se requiere experiencia previa sólida en SQL corporativo y conceptos de bases de datos relacionales.