El grounding és el procés d'ancorar les respostes d'un model de llenguatge a informació real, externa i verificable, en lloc de dependre únicament del coneixement après durant l'entrenament. A la pràctica, consisteix a proporcionar al model fonts concretes —documents, bases de dades, resultats de cerca— sobre les quals ha de fonamentar el que genera.
La seva importància rau en el fet que redueix les al·lucinacions, és a dir, les afirmacions plausibles però falses que els models produeixen quan no disposen de dades fiables. En obligar la IA a citar o recolzar-se en fonts contrastables, les respostes guanyen en precisió i traçabilitat. Això resulta especialment crític en àmbits com la sanitat, el dret o les finances, on un error pot tenir conseqüències greus.
Una tècnica habitual per aconseguir-ho és la RAG (Retrieval-Augmented Generation), que recupera fragments rellevants d'una base documental abans de generar la resposta. Un sistema ben ancorat sol:
- Indicar les fonts consultades.
- Limitar-se al que aquestes recolzen.
- Reconèixer quan no disposa d'informació suficient.