¿Qué es el grounding (anclaje a fuentes) en la IA?

Si buscas «grounding» te saldrán tres cosas sin relación entre sí: la toma de tierra de una instalación eléctrica, una técnica de psicología para calmar la ansiedad y la que interesa aquí, la de la inteligencia artificial. En IA, grounding (anclaje a fuentes) es el momento en que un asistente deja de responder de memoria y va a buscar. Para una tienda es el momento que cuenta, porque es cuando tu ficha de producto puede entrar en una respuesta y salir citada. Sin grounding, el modelo responde con lo que aprendió al entrenarse y no tiene una fuente concreta que enlazar.

Cómo funciona

Un modelo de lenguaje guarda lo que aprendió en sus parámetros. El artículo que dio nombre a la generación aumentada por recuperación (RAG), firmado por Patrick Lewis y otros once autores y presentado en NeurIPS 2020, llamaba a eso memoria paramétrica, y le añadía una memoria no paramétrica: un índice de Wikipedia consultado con un recuperador entrenado. El resultado fue que los modelos con recuperación generaban un lenguaje más específico, más variado y más ajustado a los hechos que el mismo tipo de modelo con solo la memoria paramétrica.⁠^{[1]arXiv (Lewis, Perez, Piktus, Petroni, Karpukhin, Goyal, Küttler, Lewis, Yih, Rocktäschel, Riedel y Kiela; NeurIPS 2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks}

Google define el grounding en su documentación de rastreadores: dar al modelo contenido del índice de la Búsqueda de Google en el momento de la pregunta, para mejorar la exactitud y la relevancia de la respuesta.⁠^{[2]Google Search Central. Google's common crawlers} En su guía para las funciones de búsqueda con IA de Google lo usa como sinónimo de RAG: una técnica que mejora la calidad, la exactitud y la actualidad de las respuestas apoyándose en sus sistemas de clasificación de siempre para recuperar páginas relevantes y actuales de su índice. Después, sus sistemas revisan la información concreta de esas páginas para generar una respuesta más fiable.⁠^{[3]Google Search Central. Optimizing your website for generative AI features on Google Search}

La API de Gemini enseña el proceso paso a paso cuando se le activa la búsqueda de Google como herramienta:⁠^{[4]Google AI for Developers (API de Gemini). Grounding with Google Search}

1. La aplicación envía la pregunta del usuario al modelo con la herramienta de búsqueda activada.
2. El modelo analiza la pregunta y decide si una búsqueda en Google puede mejorar la respuesta.
3. Si es así, genera las consultas y las lanza él mismo.
4. Procesa los resultados, sintetiza la información y redacta la respuesta.
5. Devuelve una respuesta anclada, con las consultas que lanzó y con citas que unen cada fragmento del texto a la URL que lo respalda.

Google resume para qué sirve en tres beneficios: más exactitud, porque reduce las alucinaciones al basar la respuesta en información real; acceso a información reciente; y citas que muestran de dónde sale lo que afirma el modelo.⁠^{[4]Google AI for Developers (API de Gemini). Grounding with Google Search} Reducir no es eliminar, y conviene leerlo así.

Para una tienda, de esos pasos importan tres: que el modelo decida buscar, qué consultas escribe y qué páginas acaba citando. El primero no depende de ti. El tercero sí, en parte: en la Búsqueda de Google, las páginas que se citan salen de su índice, recuperadas con los mismos sistemas que ordenan los resultados de siempre.⁠^{[3]Google Search Central. Optimizing your website for generative AI features on Google Search}

Quién decide si tus páginas sirven de fuente

En Google hay dos caminos, y se controlan por separado. Google-Extended es el nombre con el que Google te deja decidir, desde robots.txt, si el contenido que rastrea de tu sitio puede usarse para entrenar las próximas generaciones de modelos Gemini y para el grounding en las apps de Gemini y en el servicio Grounding with Google Search de Vertex AI. No afecta a la inclusión de tu sitio en la Búsqueda ni es una señal de clasificación.⁠^{[2]Google Search Central. Google's common crawlers} Para salir como enlace de apoyo en AI Overviews o en el Modo IA, lo que cuenta son las reglas de la Búsqueda: la página tiene que estar indexada y poder mostrarse con un fragmento.⁠^{[5]Google Search Central. AI features and your website}

En Bing, la palabra ya aparece en las herramientas para editores. Desde el 10 de febrero de 2026, el informe AI Performance de Bing Webmaster Tools muestra las consultas de grounding: las frases clave que usó la IA al recuperar el contenido que acabó citado en sus respuestas. Microsoft avisa de que los datos son una muestra de la actividad de citas, no el total.⁠^{[6]Microsoft, blog de Webmaster Tools. Introducing AI Performance in Bing Webmaster Tools Public Preview}

En una tienda

Ejemplo ficticio. Un cliente pregunta a un asistente qué trípode de viaje ligero aguanta una cámara réflex con teleobjetivo. La misma pregunta se resuelve de dos maneras según el asistente busque o no:

La columna de la derecha es la que una tienda puede trabajar. Lo que el asistente cite de tu ficha será lo que la ficha diga: si la carga máxima o el peso plegado no están escritos en la página, el asistente no los puede tomar de ella.

Cómo comprobarlo

1. Haz a un asistente con búsqueda una pregunta de compra de tu categoría, sin tu marca, y anota si cita fuentes y cuáles. Repítela otro día: una sola respuesta es una muestra de uno.
2. Abre cada página citada y busca la frase. La cita dice de dónde salió la información; que el grounding reduzca las alucinaciones no quiere decir que las elimine.⁠^{[4]Google AI for Developers (API de Gemini). Grounding with Google Search}
3. Mira en robots.txt qué le dices a Google-Extended y decide sabiendo lo que controla: el entrenamiento y el grounding en Gemini y Vertex AI, no la Búsqueda.⁠^{[2]Google Search Central. Google's common crawlers}
4. Si tienes la web en Bing Webmaster Tools, abre AI Performance y lee las consultas de grounding que llevaron a citar tus páginas.⁠^{[6]Microsoft, blog de Webmaster Tools. Introducing AI Performance in Bing Webmaster Tools Public Preview}
5. Confirma en Search Console que tus fichas están indexadas y que nada les impide mostrar un fragmento, la condición para servir de enlace de apoyo en las funciones de IA de Google.⁠^{[5]Google Search Central. AI features and your website}

Concepto cercano: RAG

RAG y grounding se usan como sinónimos, y Google lo hace en su propia guía.⁠^{[3]Google Search Central. Optimizing your website for generative AI features on Google Search} La diferencia útil es de alcance. RAG nombra una arquitectura: un recuperador que busca documentos en un índice y un generador que redacta la respuesta con ellos, como en el artículo de 2020.⁠^{[1]arXiv (Lewis, Perez, Piktus, Petroni, Karpukhin, Goyal, Küttler, Lewis, Yih, Rocktäschel, Riedel y Kiela; NeurIPS 2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks} Grounding nombra el objetivo, que la respuesta se apoye en una fuente externa, y esa fuente puede ser el índice de un buscador, como en la API de Gemini o en las respuestas de Bing.⁠^{[4]Google AI for Developers (API de Gemini). Grounding with Google Search}⁠^{[6]Microsoft, blog de Webmaster Tools. Introducing AI Performance in Bing Webmaster Tools Public Preview} Dicho de otro modo, RAG es una manera de hacer grounding, y el grounding con un buscador es el que puede acabar citando tu tienda.

Para seguir, la entrada de GEO (Generative Engine Optimization) explica cómo se trabaja para que un motor generativo cite tu tienda, y la ruta de lectura de búsqueda con IA ordena el resto de términos.