YooMoney crea una plataforma RAG y «Eugene», un asistente de IA para buscar en su Wiki corporativa

El servicio de pagos YooMoney ha explicado en Habr cómo construyó su propia plataforma RAG (Retrieval-Augmented Generation) y «Eugene», un asistente de IA que sustituye a la búsqueda convencional en su Wiki corporativa. A diferencia de esta, entiende el sentido de la consulta del empleado y no se limita a buscar coincidencias de palabras clave.

Por qué la búsqueda convencional dejó de ser suficiente

Con el tiempo, las empresas acumulan miles de páginas de documentación interna y encontrar en ellas la información necesaria resulta cada vez más difícil. Según YooMoney, la búsqueda convencional en la Wiki corporativa deja de dar abasto con ese volumen: los empleados pierden tiempo navegando entre páginas y, en lugar de buscar la respuesta por su cuenta, repiten las mismas preguntas a sus compañeros.

• Empresa: YooMoney, servicio de pagos ruso
• Nombre del asistente: «Eugene», basado en tecnología RAG
• Autor del artículo: Iliá, director del departamento de desarrollo de YooMoney
• Decisión clave del equipo: descartar las soluciones RAG listas para usar (off-the-shelf) y optar por una plataforma propia
• Público objetivo del artículo: arquitectos, ingenieros de IA y especialistas que implantan soluciones LLM corporativas

Cómo funciona el asistente de IA «Eugene»

Eugene combina el conocimiento corporativo de la empresa con las capacidades de los modelos de lenguaje de gran tamaño. RAG son las siglas de Retrieval-Augmented Generation, es decir, «generación aumentada por recuperación»: primero el sistema localiza en la base de conocimiento los fragmentos de documentación relevantes para la pregunta y, después, el modelo de lenguaje redacta la respuesta a partir de ellos, y no solo a partir de los datos con los que se entrenó originalmente. Así puede responder según el sentido de la consulta y no por una coincidencia formal de palabras, como ocurre en la búsqueda clásica de texto completo en la Wiki.

Según el equipo de YooMoney, fue precisamente la consolidación de los modelos de lenguaje de gran tamaño como herramienta de trabajo lo que permitió unir el conocimiento corporativo acumulado con las capacidades de los LLM. Así nació Eugene, capaz de entender el sentido de la pregunta del empleado y no solo sus palabras clave.

Por qué YooMoney descartó las soluciones listas para usar

Iliá, director del departamento de desarrollo de YooMoney, promete explicar a los lectores por qué el equipo renunció a las soluciones RAG disponibles en el mercado y decidió construir su propia plataforma de conocimiento corporativo. El autor dirige el artículo, sobre todo, a arquitectos e ingenieros de IA que se enfrentan a una disyuntiva similar al implantar LLM dentro de la empresa: integrar un producto ya hecho o construir por su cuenta una plataforma adaptada a sus datos corporativos.

YooMoney presenta el artículo como un análisis práctico de esa elección concreta: por qué el desarrollo propio resultó preferible a comprar o conectar un servicio RAG de terceros para buscar en la documentación interna de la compañía.

«Me llamo Iliá y soy director del departamento de desarrollo de YooMoney.

Os contaré por qué renunciamos a las soluciones listas para usar y cómo construimos una plataforma RAG para el conocimiento corporativo», escribe el autor en Habr.

Qué significa esto

YooMoney ilustra el camino típico que recorren las empresas en 2026: pasar de una documentación dispersa en la Wiki a un asistente de IA interno basado en RAG, una tecnología que se está convirtiendo en el estándar para buscar conocimiento en compañías con un gran volumen de documentación interna. El artículo de YooMoney está dirigido, sobre todo, a quienes implantan este tipo de soluciones por su cuenta.