O grounding é o proceso de ancorar as respostas dun modelo de linguaxe a información real, externa e verificable, en lugar de depender só do coñecemento aprendido durante o adestramento. Na práctica, consiste en proporcionar ao modelo fontes concretas —documentos, bases de datos, resultados de busca— nas que debe fundamentar o que xera.
A súa importancia reside en que reduce as alucinacións, é dicir, as afirmacións plausibles pero falsas que os modelos producen cando carecen de datos fiables. Ao obrigar a IA a citar ou apoiarse en fontes contrastables, as respostas gañan en precisión e trazabilidade. Isto resulta especialmente crítico en ámbitos como a sanidade, o dereito ou as finanzas, onde un erro pode ter consecuencias graves.
Unha técnica habitual para conseguilo é a RAG (Retrieval-Augmented Generation), que recupera fragmentos relevantes dunha base documental antes de xerar a resposta. Un sistema ben ancorado adoita:
- Indicar as fontes consultadas.
- Limitarse ao que estas respaldan.
- Recoñecer cando non dispón de información suficiente.