Deriva de embeddings
El problema de que los embeddings de distintos modelos (o versiones del mismo modelo) no son comparables entre sí — así que al cambiar o actualizar el modelo de embeddings hay que recalcular toda la base de datos vectorial. Un quebradero de cabeza de mantenimiento muy conocido en el RAG en producción.
Mecánica: una búsqueda vectorial solo funciona si la consulta y los documentos viven en el mismo espacio de embeddings. Modelos distintos (o una nueva versión del mismo) colocan el texto en coordenadas completamente distintas → una consulta calculada con el modelo B no se puede comparar de forma significativa con documentos calculados con el modelo A. Consecuencia: si quieres pasar a un modelo de embeddings mejor tienes que recalcular y reindexar TODO, lo cual para corpus grandes es caro y lento. El término también cubre que el contenido o la distribución de los datos vaya cambiando con el tiempo, de modo que los embeddings antiguos dejan de representar bien la realidad. Mitigación: embeddings matrioska y control de versiones, además de planificar la reindexación. Una realidad práctica con la que se topa cualquier sistema RAG en producción.