Este artículo propone un sistema de preguntas y respuestas (QA) basado en Recuperación-Generación Aumentada (RAG) para abordar los desafíos del acceso a la información debido al gran volumen y la naturaleza desestructurada de los documentos corporativos internos. Tomando como ejemplo los documentos de pruebas de choque de la industria automotriz, nos centramos en procesar diversos tipos de datos, mantener la confidencialidad de los mismos y asegurar la trazabilidad entre las respuestas generadas y los documentos originales. Para lograrlo, presentamos el marco RAG-QA, que incluye una canalización de datos que transforma diversos tipos de documentos en un corpus estructurado y pares de QA, una arquitectura interna que preserva la privacidad y un comparador de referencias ligero que vincula las respuestas con el contenido complementario. Nuestros resultados experimentales demuestran mejoras en la precisión factual, la información y la usabilidad en comparación con los sistemas existentes al aplicarlos a la industria automotriz.
