Una base de datos vectorial está diseñada para manejar datos en forma de vectores —representaciones matemáticas de cosas como imágenes, texto o audio— y encontrar similitudes entre ellos. En lugar de hacer búsquedas exactas como en SQL, acá la clave es descubrir qué vectores están “cerca” entre sí usando técnicas como k-Nearest Neighbors (k-NN) con estructuras optimizadas como HNSW (Hierarchical Navigable Small World).

¿Para qué sirve? Es la columna vertebral de aplicaciones con inteligencia semántica: recomendadores, chatbots con RAG, búsquedas por significado y detección de duplicados. Plataformas como Pinecone, Milvus y Weaviate lideran este nuevo ecosistema.