Evolución de RAG desarrollada por Microsoft Research que estructura la información en grafos de conocimiento de entidades y relaciones interconectadas antes de consultar a la IA.
Explicación y Contexto Conceptual
Graph RAG representa el salto cualitativo más significativo sobre el RAG vectorial convencional, presentado por Microsoft Research en 2024. Mientras que el RAG vectorial tradicional es excelente para responder preguntas puntuales sobre hechos aislados ('¿Cuál es el precio del Producto X?'), fracasa estrepitosamente al intentar responder preguntas globales y complejas que exigen sintetizar información dispersa a lo largo de miles de documentos ('¿Cuáles son las tres principales quejas sobre el servicio de atención al cliente en el último año?').
Graph RAG procesa primero todo el corpus de datos mediante un LLM que extrae automáticamente entidades (personas, marcas, productos, problemas) y sus relaciones en una red o grafo de conocimiento interconectado. Además, agrupa el grafo en comunidades temáticas jerárquicas y genera resúmenes periódicos para cada comunidad.
Cuando entra una consulta estratégica amplia, el sistema no busca fragmentos sueltos; navega por el grafo de relaciones y sintetiza resúmenes a nivel de red, permitiendo una visión panorámica y de síntesis imposible de lograr con vectores tradicionales.
Ejemplo en la Práctica
Un CMO pregunta "¿Cómo se relacionan las opiniones negativas de nuestra última campaña con las devoluciones en tiendas?"; Graph RAG cruza las entidades de redes sociales con las de logística en el grafo y entrega el diagnóstico.