Hybrid search en RAG: cómo combinar bien BM25 y la similitud vectorial

La búsqueda híbrida en RAG combina la búsqueda léxica (BM25/coincidencia de palabras clave) con la similitud vectorial densa. Ambos retrievers se ejecutan en paralelo y sus listas de resultados se fusionan en un único resultado mediante fusión de rankings. Así, el sistema encuentra tanto pasajes semánticamente similares como términos exactos, nombres propios y códigos que los embeddings por sí solos no detectan. Desde 2023, la recuperación híbrida es un componente fijo del Advanced RAG y debería estar en cualquier pipeline en producción que busque en algo más que textos genéricos.

• Qué se combina: recuperación dispersa (BM25, tokens exactos) más recuperación densa (embeddings vectoriales, significado) en un único conjunto de resultados.
• Cómo se combina: mediante fusión de rankings, normalmente Reciprocal Rank Fusion (RRF), y con menos frecuencia mediante fusión ponderada de puntuaciones con normalización previa.
• Por qué merece la pena: el enfoque híbrido supera a un RAG puramente vectorial allí donde importan los términos exactos y mejora el recall de forma medible.

Los dos pilares: léxico frente a semántico

BM25 (disperso / léxico). BM25 es el estándar consolidado de la búsqueda de texto completo. El algoritmo puntúa los documentos según la coincidencia exacta de términos, da más peso a los términos poco frecuentes (inverse document frequency) y normaliza según la longitud del documento. BM25 es determinista, rápido, independiente del idioma en su mecanismo y no necesita inferencia de modelos. Su fortaleza es también su límite: solo encuentra lo que aparece literalmente (o tras la tokenización y el stemming). Los sinónimos, circunloquios y paráfrasis se le escapan.

Similitud vectorial densa (semántica). La recuperación densa incrusta consulta y documento en el mismo espacio vectorial y mide su proximidad, normalmente mediante similitud coseno. Un índice aproximado de vecinos más cercanos (en casi todas las bases de datos vectoriales, HNSW según Malkov y Yashunin) hace que la búsqueda escale. La recuperación densa capta el significado: «plazo de preaviso» y «notificación de fin de contrato» quedan cerca, aunque no compartan palabras. La otra cara: los embeddings suavizan las cadenas exactas. Un número de artículo, un código de error o un nombre propio poco visto se difumina en el espacio semántico.

Justo aquí surge la necesidad de combinarlos. Anthropic ilustra el problema con un ejemplo en su artículo sobre Contextual Retrieval: si alguien pregunta por el código de error «TS-999», un modelo de embeddings puede encontrar contenido sobre códigos de error en general, pero pasar por alto la coincidencia exacta. BM25, en cambio, busca exactamente esa cadena. Los dos métodos fallan con consultas distintas, por eso se cubren mutuamente.

Cuándo la búsqueda híbrida supera al RAG vectorial clásico

La búsqueda híbrida no es imprescindible para cualquier corpus, pero es claramente superior en los siguientes casos:

• Códigos e IDs exactos: números de producto, de artículo y de pedido, SKU, códigos de error y de estado, referencias de tickets.
• Nombres propios y terminología técnica: personas, empresas, nombres de productos, artículos de ley, términos técnicos poco frecuentes que están infrarrepresentados en el corpus de entrenamiento del modelo de embeddings.
• Búsqueda en código y logs: nombres de funciones, variables, claves de configuración: aquí la coincidencia exacta suele importar más que el significado.
• Consultas mixtas: lenguaje natural con tokens exactos incrustados («¿Cómo soluciono el código de error TS-999?»).

Para textos homogéneos y narrativos sin identificadores duros, la recuperación densa pura puede bastar. Pero en cuanto entran en juego términos estructurados, números o terminología regulada, y en el día a día B2B eso es lo habitual, gana el enfoque híbrido.

Fusión: RRF, puntuaciones ponderadas y el problema de la normalización

La parte delicada no es buscar en paralelo, sino fusionar. Las puntuaciones de BM25 y las vectoriales viven en rangos de valores no comparables: las de BM25 no están acotadas y dependen del corpus, y la similitud coseno está entre menos uno y uno. Si simplemente las sumas, la escala dominante lo eclipsa todo.

Reciprocal Rank Fusion (RRF) lo resuelve con elegancia: ignora las puntuaciones brutas y usa solo posiciones en el ranking. Cada documento recibe en cada lista de resultados una puntuación según la fórmula:

```
RRF_score(d) = suma sobre todas las listas de 1 / (k + rang(d))
```

Aquí, rang(d) es la posición del documento en la lista correspondiente y k una pequeña constante (a menudo 60) que amortigua la influencia de los rangos muy altos. Un documento que aparece arriba en ambas listas acumula la puntuación total más alta. Como RRF no depende de la escala, no hace falta ninguna normalización, lo que lo hace robusto y casi libre de parámetros.

La fusión ponderada de puntuaciones es la alternativa cuando quieres dar deliberadamente más peso a una modalidad (por ejemplo, 0,7 * dense + 0,3 * sparse). Pero exige normalización: ambas listas de puntuaciones tienen que llevarse primero a un rango común (p. ej., min-max de cero a uno) antes de combinarlas linealmente. Es más potente, pero más sensible al ajuste y a la deriva del corpus.

Arquitectura del pipeline

Un pipeline de recuperación híbrida funciona, de forma esquemática, así:

```
Query ──┬─► Dense Encoder ──► ANN-Index (HNSW) ──► top_n_dense
│
└─► Tokenizer ──────► BM25-Index ───────► top_n_sparse
│
Rank-Fusion (RRF / weighted) ◄────┘
→ unified top_k
```

En la práctica, después se añade un reranking: la recuperación híbrida entrega, con un recall alto, normalmente entre 50 y 100 candidatos (top_k = 50–100), y un reranker cross-encoder evalúa consulta y documento conjuntamente y reduce la lista a los cinco a diez resultados más precisos, que pasan al LLM. Los modelos más extendidos son Cohere Rerank, BGE-Reranker y Jina Reranker v3. Su proveedor, Jina AI, pertenece a Elastic desde octubre de 2025. Los cross-encoders son más precisos, pero más lentos, por eso solo se ejecutan después del recall híbrido, que es barato.

Ejemplo práctico con cifras

El dato sólido más relevante procede del Contextual Retrieval de Anthropic (datos de 09/2024). El enfoque amplía precisamente la idea híbrida: a cada chunk se le antepone, antes del embedding y antes de la indexación BM25, una breve cabecera de contexto generada por un LLM (Contextual Embeddings más Contextual BM25).

• Solo Contextual Embeddings: tasa de fallos de recuperación en el top 20 reducida del 5,7 al 3,7 %, un 35 % menos.
• Contextual Embeddings más Contextual BM25 (es decir, híbrido): del 5,7 al 2,9 %, un 49 % menos.
• Con reranking adicional: al 1,9 %, un 67 % menos.

Dicho de otro modo: solo con añadir el componente BM25 a la recuperación densa contextualizada, la tasa de fallos baja del 3,7 al 2,9 %, una ganancia de recall notable que no se lograría sin búsqueda léxica. La indexación costó unos 1,02 dólares estadounidenses por millón de tokens de documento con prompt caching (datos de 09/2024). Estas cifras proceden de una evaluación del propio proveedor y deben leerse como tal.

Una segunda prueba independiente: en el benchmark Agri-Query (arXiv:2508.18093, 2025), la recuperación híbrida combinada con Gemini 2.5 Flash supera el 85 % de exactitud en varios idiomas y bate con claridad a los prompts ingenuos de contexto largo. La búsqueda híbrida es así también un argumento en el debate abierto «RAG frente a contexto largo»: para consultas realistas de varias partes, el RAG híbrido sigue siendo la arquitectura más precisa y más racional en costes.

Herramientas: búsqueda híbrida en la base de datos vectorial

En 2026, todas las bases de datos vectoriales listas para producción admiten la búsqueda híbrida de forma nativa o mediante extensiones. Qdrant (Berlín) apuesta por vectores dispersos y BM42, Weaviate (Ámsterdam) combina BM25 con búsqueda densa, Pinecone ofrece sparse-dense, y Vespa y los stacks de búsqueda consolidados Elastic y OpenSearch unen el BM25 clásico con kNN. pgvector consigue la búsqueda híbrida mediante extensiones BM25 adicionales. Para proyectos europeos con exigencias de soberanía, Qdrant y Weaviate son las opciones más evidentes: están alojadas en la UE y ofrecen filtrado granular de metadatos, algo relevante para la separación entre clientes conforme al RGPD.

Para agencias y B2B

La búsqueda híbrida es la palanca que convierte un prototipo de RAG en una solución de producción fiable, sobre todo en sectores con catálogos de productos, normas, números de expediente, tarifas o manuales técnicos, donde los términos exactos son críticos para el negocio. Si como agencia construyes asistentes basados en RAG o portales de conocimiento para clientes en Europa, deberías planificar la recuperación híbrida con RRF más reranking como opción por defecto, no como algo secundario. Blck Alpaca diseña e implementa estos pipelines de recuperación de forma soberana en la UE como software empresarial a medida, desde la selección de herramientas y la estrategia de fusión hasta la evaluación con RAGAS. Habla con nosotros si quieres que tu sistema RAG encuentre los documentos correctos de forma fiable.