RAGFlow: el motor abierto para que la IA responda con tus documentos y te diga de dónde lo ha sacado

De todas las preguntas que me llegan sobre IA aplicada al trabajo, esta es la número uno con diferencia: quiero que la IA conozca mis documentos. Los expedientes del despacho, la normativa que manejas, los protocolos de la clínica, los contratos de los últimos diez años.

Hace poco, hablando de Unsloth, avisaba del error más caro y más repetido de este terreno: intentar resolverlo entrenando el modelo. No es eso. Para que la IA conozca tus documentos no se afina un modelo: se le monta una búsqueda encima. Eso se llama RAG, y RAGFlow es probablemente la herramienta abierta más seria que existe hoy para hacerlo.

88.000 estrellas, licencia Apache 2.0 y desarrollo diario.

Lo que lo diferencia: la cita

Hay muchas formas de montar un RAG. Lo que hace a esta especial para un uso profesional es una cosa concreta: cada respuesta viene con la referencia de dónde ha salido, y puedes verla señalada en el documento original.

Suena a detalle. No lo es. Es la diferencia entre poder usar esto en un despacho y no poder.

Piénsalo. Un asesor le pregunta al sistema cómo tributa un caso concreto. La IA responde con seguridad y con buena redacción. ¿Y ahora qué? Si no puedes comprobar de qué documento y de qué página sale esa respuesta, no puedes firmarla, y por tanto no te sirve para trabajar: te toca verificarlo todo a mano y has perdido el tiempo dos veces. Con la referencia delante, la compruebas en diez segundos y sigues.

El otro punto fuerte es cómo trocea los documentos. En vez de partir el texto cada X caracteres —que es lo que hace la mayoría y por lo que las tablas y los formularios salen destrozados—, usa plantillas según el tipo de documento. Traga con Word, PowerPoint, Excel, texto plano, páginas web, imágenes y escaneados. Esa última parte es la que decide si vale para el papeleo español real, que llega en PDF escaneado torcido más veces de las que nos gustaría.

Si el concepto te suena de oídas pero no lo tienes claro, lo expliqué desde cero en qué es RAG.

Qué hace falta para montarlo

Aquí va el aviso de realidad, porque esto no es instalar una aplicación y abrirla.

Se despliega con Docker:

git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
docker compose -f docker-compose.yml up -d

Y pide un servidor de verdad:

Recurso	Mínimo
CPU	4 núcleos
Memoria RAM	16 GB
Disco	50 GB
Docker	24.0.0 o superior
Docker Compose	v2.26.1 o superior

Un apunte que ahorra una tarde: las imágenes oficiales de Docker son para x86. Si tu servidor es ARM —un Mac con Apple Silicon, o ciertas máquinas en la nube—, toca compilar a mano.

Traducido a lenguaje de negocio: esto no lo instala tu recepcionista. Necesitas a alguien técnico, o una empresa que te lo monte, y un servidor. Un VPS decente para esto anda por los 30–60 €/mes, más el consumo del modelo que le pongas por debajo.

Para quién sí

Despachos, asesorías y clínicas con un archivo documental grande. Es el caso donde esto brilla. Cuando tienes miles de documentos y la respuesta está en alguno de ellos pero nadie sabe en cuál, un buscador con IA que además cita la fuente cambia el día a día de verdad. Lo aterricé con casos concretos en IA para contables y asesores fiscales.

Quien no puede subir sus documentos a un servicio ajeno. Al ser autoalojado, los documentos se quedan en tu servidor. Para expedientes de clientes o historiales de pacientes, esa es a menudo la única configuración defendible. El marco, en RGPD e inteligencia artificial en la empresa.

Quien ya probó lo fácil y se quedó corto. Si has usado los proyectos de ChatGPT o de Claude para esto y te has topado con el límite de ficheros, este es el siguiente escalón.

Para quién no

• Si tienes veinte documentos. Súbelos a Claude o a ChatGPT y ya está. Lo conté en cómo usar Claude con documentos. Montar un servidor para eso es matar moscas a cañonazos.
• Si no tienes a nadie técnico y no vas a contratarlo. Esto se instala, se actualiza y se rompe como cualquier servicio, y alguien tiene que estar.
• Si esperas que funcione perfecto el primer día. Un RAG se ajusta: cómo trocear, qué documentos indexar, cómo ordenar los resultados. La primera versión siempre da respuestas mediocres y la tercera ya es útil. Presupuesta ese trabajo, porque existe.

Mi veredicto: si el archivo documental es una parte central de tu negocio —y en asesorías, despachos y clínicas lo es—, esta es de las inversiones en IA con mejor retorno que hay ahora mismo. No es la más vistosa. Es la que ahorra horas todas las semanas, que es lo que de verdad cuenta. Y frente a las soluciones cerradas equivalentes, aquí el dato no sale de casa y la licencia no te ata.

Preguntas frecuentes

¿Qué diferencia hay entre esto y afinar un modelo con mis datos?

Afinar cambia el estilo y el comportamiento del modelo; no añade hechos de forma fiable. RAG busca en tus documentos y le pasa al modelo los fragmentos relevantes para que responda con ellos. Para "que conozca mis documentos", lo correcto es RAG.

¿Puedo usarlo con documentos escaneados?

Sí, admite imágenes y escaneados además de Word, Excel, PowerPoint, texto y páginas web. La calidad del escaneado sigue influyendo en el resultado.

¿Mis documentos salen de mi servidor?

Los documentos y el índice se quedan donde lo instales. Las consultas al modelo de lenguaje salen hacia el proveedor que configures, salvo que uses también un modelo local.

¿Cuánto cuesta?

El programa es gratis, con licencia Apache 2.0. Pagas el servidor donde lo alojes y el consumo del modelo de lenguaje que le conectes.

¿Necesito saber programar?

Para instalarlo y mantenerlo, sí hace falta perfil técnico. Para usarlo una vez montado, no: se usa desde una interfaz web.