¿Qué son los embeddings en inteligencia artificial?

Un comprador escribe «hervidor que no sepa a plástico» y el sistema le devuelve tu hervidor con interior de acero inoxidable, aunque tu ficha no contenga ni «sabor» ni «plástico». Eso es lo que hacen posible los embeddings: encontrar contenidos por lo que significan y no por las palabras que comparten. Es una pieza técnica que no vas a configurar en tu tienda, pero conviene entender qué mide, porque se usa cada vez más para decidir qué ficha encaja con qué pregunta, y porque mide menos de lo que parece.

Cómo funciona

OpenAI lo define en su documentación con una frase: un embedding es un vector, una lista de números decimales, y la distancia entre dos vectores mide su relación. Distancias pequeñas indican mucha relación; distancias grandes, poca. Se usan para buscar, agrupar, recomendar, clasificar o detectar lo que no encaja.⁠^{[1]OpenAI, documentación de la API. Vector embeddings}

El curso de aprendizaje automático de Google lo explica con comida. Si colocas platos en una línea según lo mucho que se parecen a un sándwich, el perrito y el shawarma quedan cerca; si añades una segunda dimensión, «lo mucho que es un postre», el strudel de manzana se separa de los dos. Cada dimensión añadida recoge un matiz más, y la distancia entre dos puntos se lee como su parecido relativo dentro de esa representación.⁠^{[2]Google for Developers, Machine Learning Crash Course. Embeddings: Embedding space and static embeddings} La diferencia con la vida real es de escala y de claridad: los espacios reales tienen muchas más dimensiones (en los de palabras, a menudo 256, 512 o 1024) y sus dimensiones casi nunca son tan comprensibles como «postre» o «líquido». Además, cada embedding depende de la tarea para la que se creó.⁠^{[2]Google for Developers, Machine Learning Crash Course. Embeddings: Embedding space and static embeddings}

Los modelos actuales trabajan con más dimensiones todavía. Los de OpenAI devuelven por defecto vectores de 1536 números (text-embedding-3-small) o de 3072 (text-embedding-3-large).⁠^{[1]OpenAI, documentación de la API. Vector embeddings} Los de Gemini devuelven 3072 por defecto, y Google recomienda 768, 1536 o 3072. Su modelo más reciente, gemini-embedding-2, coloca texto, imágenes, vídeo, audio y documentos en un mismo espacio, en más de cien idiomas.⁠^{[3]Google AI for Developers, documentación de la API de Gemini. Embeddings}

Para comparar dos vectores se usa casi siempre la similitud del coseno. La documentación de Gemini explica por qué: mide la dirección y no el tamaño, que refleja mejor la cercanía entre conceptos, y va de -1 (opuestos) a 1 (máximo parecido).⁠^{[3]Google AI for Developers, documentación de la API de Gemini. Embeddings} OpenAI también la recomienda.⁠^{[1]OpenAI, documentación de la API. Vector embeddings}

Hay un matiz que importa en una tienda con vocabulario ambiguo. Los embeddings estáticos, como los del clásico word2vec, dan un solo punto a cada palabra con todos sus significados, y eso es una limitación en algunos casos.⁠^{[2]Google for Developers, Machine Learning Crash Course. Embeddings: Embedding space and static embeddings} Piensa en «batería»: de cocina, de móvil o de música. Los modelos de embeddings de texto actuales calculan el vector del texto entero, que es lo que miden cuando comparan una pregunta con una ficha.⁠^{[1]OpenAI, documentación de la API. Vector embeddings}

La guía de Google sobre sus sistemas de clasificación no detalla qué técnica usa cada uno, pero sí describe dos que trabajan con conceptos y no solo con palabras: RankBrain, que le ayuda a entender cómo se relacionan las palabras con los conceptos y a devolver contenido relevante aunque no contenga todas las palabras de la búsqueda, y el neural matching, que entiende representaciones de conceptos en consultas y páginas y las empareja.⁠^{[4]Google Search Central. A guide to Google Search ranking systems} Y Google cita la RAG (generación aumentada por recuperación), la técnica con la que un asistente recupera documentos antes de responder, como uno de los usos habituales de los embeddings.⁠^{[3]Google AI for Developers, documentación de la API de Gemini. Embeddings}

En una tienda

Un ejemplo ficticio, con un espacio de juguete de tres dimensiones inventadas: cuánto tiene que ver un texto con hervir agua, con el metal y con el plástico. Las coordenadas no salen de ningún modelo; están puestas a mano para ver la cuenta.

La similitud del coseno de la búsqueda con cada ficha, con la cuenta de la ficha A desarrollada:

A: (0,8 × 0,9) + (0,6 × 0,7) + (0,0 × 0,1) = 1,14
   longitud de la búsqueda = 1,000   longitud de A = 1,145
   similitud = 1,14 / (1,000 × 1,145) = 0,996

B: similitud = 0,685
C: similitud = 0,598

La ficha A gana, y tiene sentido. Ahora imagina que alguien copia por error la descripción de A en la ficha C, que es de plástico: la ficha C tendría exactamente el mismo vector que A y quedaría igual de cerca de la búsqueda. El embedding se calcula a partir del texto, no del producto, así que no sabe si lo que el texto dice es cierto. Por eso un dato bien escrito en la ficha importa: es lo único que el vector puede representar. Clione, por ejemplo, calcula para cada producto, categoría, colección y página de contenido un vector de 1536 dimensiones para la búsqueda semántica dentro del catálogo.

Cómo comprobarlo

Para quien quiera verlo con sus fichas, con unas líneas de código o un cuaderno de Python:

1. Escribe tres búsquedas reales de tus clientes, sacadas del buscador de tu tienda o de Search Console, y copia las descripciones de los productos que deberían salir.
2. Calcula los embeddings con una API: las documentaciones de OpenAI y de Gemini traen el ejemplo de llamada, con el nombre del modelo y el texto como entrada.⁠^{[1]OpenAI, documentación de la API. Vector embeddings}⁠^{[3]Google AI for Developers, documentación de la API de Gemini. Embeddings}
3. Compara cada búsqueda con cada descripción con la similitud del coseno, que va de -1 a 1.⁠^{[3]Google AI for Developers, documentación de la API de Gemini. Embeddings} Con los modelos de OpenAI, que devuelven vectores normalizados, basta el producto escalar.⁠^{[1]OpenAI, documentación de la API. Vector embeddings}
4. Compara siempre dentro del mismo modelo y la misma tarea: los embeddings dependen de la tarea para la que se crearon.⁠^{[2]Google for Developers, Machine Learning Crash Course. Embeddings: Embedding space and static embeddings}
5. Revisa a mano los primeros resultados contra los datos reales de cada producto. El número dice qué texto se parece más, no cuál es cierto.

Concepto cercano: búsqueda semántica

La búsqueda semántica es el uso; los embeddings, la representación que la hace posible en la mayoría de sistemas actuales. Google presenta sus embeddings justo para eso: buscar, clasificar y agrupar con resultados más precisos y más atentos al contexto que los de las búsquedas por palabras clave.⁠^{[3]Google AI for Developers, documentación de la API de Gemini. Embeddings} La búsqueda vectorial es la parte mecánica: guardar millones de vectores y encontrar los más cercanos a uno dado con rapidez. Un embedding sin búsqueda no encuentra nada, y una búsqueda semántica sin embeddings necesita otra forma de representar el significado.

Para seguir, la entrada de búsqueda con IA cuenta cómo un asistente recupera páginas antes de responder, y la ruta de lectura ordena el resto de términos.