Base de datos vectorial

Explicado fácil

Una base de datos normal busca coincidencias exactas (“clientes de Madrid”). Una base de datos vectorial busca por parecido de significado (“documentos que hablan de algo parecido a esta pregunta”), aunque no compartan ninguna palabra.

Una analogía

Es una biblioteca donde los libros no se ordenan por título, sino por tema, de forma que los de temas afines quedan en estanterías contiguas. Si buscas uno, te basta ir a su zona para encontrar los vecinos más relevantes.

Un ejemplo

Una empresa guarda miles de manuales internos. Un empleado pregunta “cómo pido vacaciones” y el sistema devuelve el apartado de “solicitud de días libres”, aunque nunca aparezca la palabra “vacaciones”.

Cómo funciona (nivel técnico)

Almacena embeddings junto con metadatos. Buscar el vecino exacto más cercano entre millones de vectores sería lento, por lo que se emplean índices de vecino más cercano aproximado (ANN), como HNSW o IVF, que sacrifican un poco de precisión por gran velocidad. La similitud se mide con coseno, producto escalar o distancia euclídea. Son la pieza de recuperación de los sistemas RAG. Muchas bases tradicionales (como PostgreSQL con extensiones) también ofrecen ya búsqueda vectorial.

Errores comunes

• Pensar que necesitas una base vectorial dedicada para empezar. Con pocos miles de documentos, una solución sencilla puede bastar.
• Cambiar de modelo de embeddings sin reindexar todo: los vectores antiguos y los nuevos no son comparables.