# 3.0. Objetivos de sesión 3

Hasta ahora, Llama solo sabe lo que leyó en internet hasta 2023. No conoce tus precios, tus clientes ni tus secretos. Hoy cambiamos eso.

En esta sesión implementaremos **RAG (Retrieval-Augmented Generation)** para conectar la IA con tus documentos, y lo blindaremos legalmente para no violar la privacidad de nadie.

#### Ficha Técnica

| Concepto       | Detalle                                            |
| -------------- | -------------------------------------------------- |
| **Nivel**      | Técnico / Legal                                    |
| **Requisito**  | 5-10 Documentos PDF/Excel limpios.                 |
| **Meta Final** | Un agente que responde preguntas sobre TU empresa. |
| **Compliance** | Validación LFPDPPP y NOM-151.                      |

***

### ¿Qué vas a lograr hoy?

#### 1. Dominar la Arquitectura RAG

Entenderás cómo funciona el motor de búsqueda vectorial que permite a la IA "leer" miles de páginas en milisegundos sin alucinar. Dejarás de ver la IA como un chat y la verás como un sistema de consulta.

#### 2. Conexión de "Memoria Corporativa"

Configurarás tu base de conocimientos. Pasaremos de una IA genérica a un **experto en tu negocio**.

#### 3. Blindaje Legal (LFPDPPP)

La IA no es excusa para violar la ley. Aprenderás a clasificar tus datos (Públicos vs. Sensibles) y configurar los filtros de seguridad necesarios para evitar multas del INAI.

#### 4. Validación de Precisión

No basta con que responda. Debe responder con la verdad. Implementaremos un protocolo de pruebas para medir la tasa de alucinación antes de salir a producción.

{% hint style="warning" %}
**ADVERTENCIA DE DATOS** Si vas a usar datos reales de clientes hoy, asegúrate de seguir estrictamente el módulo de **Cumplimiento Normativo (4.4)** antes de procesar nada en la nube.
{% endhint %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://incmty.gitbook.io/llama/sesion-3/3.0.-objetivos-de-sesion-3.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.