¿Qué es una base de datos vectorial?

¿Qué es una base de datos vectorial?

Una base de datos tradicional responde preguntas exactas: «dame la factura 001-002-000123456». Una base de datos vectorial responde preguntas por parecido: «dame los documentos que hablan de algo similar a esto». La documentación de Microsoft la define como una base diseñada para guardar y administrar embeddings, que son representaciones matemáticas de datos en un espacio de muchas dimensiones.

Palabras, frases, documentos completos, imágenes o audio pueden convertirse en vectores. La base los indexa y, ante una consulta, devuelve los más cercanos. Es una de las piezas que usan los proyectos de inteligencia artificial para buscar en documentos.

¿Cómo funciona, en simple?

1. Cada documento, o cada fragmento de un documento, se convierte en un vector con un modelo de embeddings.
2. La base guarda el vector junto con datos de apoyo: de qué documento viene, su fecha y quién puede verlo.
3. Cuando alguien pregunta, la pregunta también se convierte en vector y la base busca los vecinos más próximos.

Para que esa búsqueda sea rápida con millones de vectores se usan índices especiales; Microsoft menciona algoritmos como HNSW, IVF y DiskANN. La extensión pgvector, de código abierto, permite hacer todo esto dentro de PostgreSQL, con búsqueda exacta o aproximada y con distintas medidas de distancia, como la euclidiana, el producto interno o el coseno.

¿Pura o integrada?

Microsoft explica que la opción integrada evita copiar los datos a otro sistema y facilita mantener la consistencia entre los vectores y la información original. Si tu equipo ya administra PostgreSQL, por ejemplo, empezar ahí reduce piezas nuevas.

Un ejemplo en una empresa ecuatoriana

Imagina una constructora que acumula años de contratos, actas de entrega, especificaciones técnicas y correos con proveedores. Si convierte esos documentos en vectores y los guarda en una base vectorial con permisos por proyecto, un residente de obra puede preguntar «¿qué acordamos con el proveedor de acero sobre los plazos de entrega?» y recibir los fragmentos exactos, con el documento de origen, para que un modelo de lenguaje redacte la respuesta.

¿Qué límites tiene?

• No reemplaza a tu ERP. Para saldos, inventarios o cuentas por cobrar se consulta el sistema de gestión de la empresa; la base vectorial es para buscar en textos y contenidos.
• Permisos. Si todos los fragmentos están en un mismo índice sin control de acceso, cualquiera podría recuperar lo que no debe ver.
• Mantenimiento. Cada vez que cambia un documento, su vector debe actualizarse; si no, el sistema responde con versiones viejas.

¿Cómo se relaciona con otros términos?

La base de datos vectorial es la memoria de búsqueda de RAG (generación aumentada por recuperación). Microsoft destaca que esa combinación permite a los modelos de lenguaje responder con información propia de la empresa y superar sus límites de tokens. Junto con los embeddings, es lo que hace que un asistente responda con tus documentos en lugar de su memoria general.