# rag-decline-context-windows-2025-10-08

## Veille

Declive de RAG - Expansión de las ventanas de contexto de la IA - LinkedIn

## Titre Article

From RAG to Rigor Mortis: Why Retrieval-Augmented Generation looks like dying

## Date

2025-10-08

## URL

https://www.linkedin.com/pulse/from-rag-rigor-mortis-why-retrieval-augmented-looks-like-ensarguet-txide/

## Keywords

Retrieval-Augmented Generation (RAG), Ventanas de contexto de la IA, IA agentique, Grandes Modelos de Lenguaje (LLMs), Evolución de la tecnología de IA, Estrategias de búsqueda contextual

## Authors

Philippe Ensarguet

## Ton

**Perfil:** Profesional | Analítico con opinión marcada | Opinión-Analítico | Intermedio-Accesible

Ensarguet adopta un tono más provocador que en sus otros artículos de LinkedIn. Un título contundente ("From RAG to Rigor Mortis") y una tesis controvertida (declive de RAG) revelan a un líder de opinión que toma una postura firme. El lenguaje sigue siendo accesible a pesar de los conceptos técnicos (ventanas de contexto, LLMs). Estilo característico de las publicaciones de LinkedIn que buscan generar engagement mediante tesis contraintuitivas más que consensos prudentes. Se dirige a una audiencia tecnológica interesada en análisis prospectivos.

## Pense-betes

- RAG fue una solución temporal a las ventanas de contexto limitadas
- Las ventanas de contexto evolucionan de 8K a potencialmente millones de tokens
- 5 grandes desafíos de RAG: chunking, embeddings, búsqueda híbrida, reranking, complejidad de infraestructura
- Cita clave: "RAG was never the destination—it was a temporary detour"
- Emergencia de la IA agentique y de la búsqueda directa en contexto
- Las competencias para construir sistemas de IA evolucionan rápidamente

## RésuméDe400mots

El artículo examina el potencial declive de la Generación Aumentada por Recuperación (RAG) frente a la rápida evolución de la tecnología de IA. El autor explica cómo RAG surgió como una solución a las ventanas de contexto limitadas de los primeros modelos de IA, permitiendo a los sistemas recuperar y utilizar fragmentos de documentos relevantes. Sin embargo, con la rápida expansión de las ventanas de contexto en los modelos de IA modernos (pasando de 8K a potencialmente millones de tokens), RAG podría volverse obsoleto.

El artículo destaca cinco desafíos clave de RAG que contribuyen a su potencial declive. Primero, la fragmentación de documentos (chunking) pierde el significado contextual, fragmentando artificialmente la información. Segundo, las tecnologías de embedding tienen limitaciones inherentes en su capacidad de capturar plenamente la riqueza semántica del contenido.

Tercero, la búsqueda híbrida añade una complejidad innecesaria al proceso de recuperación de información. Cuarto, el reranking introduce latencia y costes adicionales en el pipeline de procesamiento. Finalmente, la gestión de la infraestructura RAG se vuelve cada vez más compleja y costosa de mantener.

El autor sostiene que tecnologías emergentes como Claude Code demuestran un cambio hacia una búsqueda directa y rica en contexto, sin mecanismos de recuperación complejos. Dado que los modelos de IA ahora pueden manejar documentos enteros dentro de sus ventanas de contexto, una infraestructura RAG elaborada podría volverse superflua.

Esta evolución representa un cambio de paradigma en la manera en que se diseñan y construyen los sistemas de IA. En lugar de fragmentar y recuperar información, los futuros sistemas podrán procesar directamente grandes cantidades de contexto, permitiendo una comprensión más holística y matizada.

El artículo señala que esta transición tiene implicaciones significativas para las organizaciones y desarrolladores que han invertido fuertemente en infraestructura RAG. Las competencias necesarias para construir sistemas de IA están evolucionando, pasando de una compleja ingeniería de recuperación hacia el diseño de sistemas agénticos capaces de navegar inteligentemente por grandes espacios contextuales.

El autor sugiere que las organizaciones deben prepararse para esta transición tecnológica, reconociendo que RAG fue solo una etapa intermedia en la evolución de la IA. Los futuros sistemas favorecerán la comprensión de contexto completo frente a la recuperación fragmentada.

La cita central captura perfectamente esta perspectiva: "RAG was never the destination—it was a temporary detour." Esta afirmación resume la idea de que RAG fue una solución pragmática a limitaciones técnicas que ahora están siendo superadas por la rápida innovación tecnológica.

En conclusión, el artículo llama a una reevaluación de las arquitecturas de IA actuales y a anticipar los paradigmas emergentes que sustituirán a los enfoques RAG tradicionales.

## GrapheDeConnaissance

- Philippe Ensarguet —affirme_que→ le RAG est en déclin structurel (AFFIRMATION, 0.98)
- Nicolas Bustamante —publie→ The RAG Obituary (DOCUMENT, 0.97)
- Nicolas Bustamante —dirige→ Fintool (ORGANISATION, 0.95)
- RAG —résout→ fenêtres de contexte (CONCEPT, 0.95)
- cascade d'échecs en cinq étapes —observé_dans→ RAG (TECHNOLOGIE, 0.93)
- Claude Code —remplace→ RAG (TECHNOLOGIE, 0.88)
- Claude Code —utilise→ grep et glob (TECHNOLOGIE, 0.96)
- Anthropic —publie→ Claude Code (TECHNOLOGIE, 0.97)
- fenêtres de contexte —mesure→ passage de 8K à 2M tokens (MESURE, 0.97)
- IA agentique —remplace→ RAG (TECHNOLOGIE, 0.9)
- IA agentique —utilise→ nouvelles compétences techniques (CONCEPT, 0.92)
- Philippe Ensarguet —prédit→ l'expansion des contextes LLM rendra le RAG obsolète (AFFIRMATION, 0.85)
- Gemini 2.5 —mesure→ 1M tokens de contexte (MESURE, 0.95)

---
Canonical: https://www.thekb.eu/es/fiches/rag-decline-context-windows-2025-10-08/