GraphRAG

GraphRAG (Generación Aumentada por Recuperación con Grafo) extiende RAG estándar extrayendo primero un grafo de conocimiento del corpus fuente. Los nodos representan entidades—personas, organizaciones, conceptos, eventos—y las aristas representan relaciones nombradas entre ellas. En tiempo de consulta, el sistema recorre esta estructura de grafo para recuperar subgrafos conectados relevantes, en lugar de depender únicamente de similitud de incrustación para encontrar fragmentos de texto independientes. Esta conciencia estructural permite que el sistema siga cadenas de relaciones y agregue información distribuida en muchos documentos fuente.

El pipeline de GraphRAG opera en dos fases. Durante la indexación, un LLM procesa todos los documentos fuente para extraer entidades nombradas y relaciones, almacenándolas como un grafo, a menudo en una base de datos de grafos como Neo4j o como estructuras en memoria. Los algoritmos de detección de comunidades como el clustering de Leiden agrupan nodos relacionados en comunidades temáticas, y se producen resúmenes generados por LLM para cada comunidad. Durante la consulta, el sistema ejecuta consultas locales—encontrando nodos de entidades estrechamente conectados mediante similitud vectorial—o consultas globales—agregando sobre resúmenes de comunidades para responder preguntas temáticas amplias que abarquen todo el corpus. Los subgrafos recuperados o resúmenes se pasan como contexto a un LLM para la generación de la respuesta final.

RAG de vector denso estándar maneja consultas de búsqueda efectivamente pero tiene dificultades con preguntas que requieren síntesis en muchos documentos o razonamiento relacional multi-salto—identificar relaciones comerciales indirectas, rastrear la procedencia de una afirmación en docenas de fuentes, o resumir un tema que surge solo de leer muchos documentos juntos. GraphRAG maneja estas consultas holísticas y relacionales significativamente mejor. La compensación principal es un costo de indexación más alto, ya que la extracción de entidades basada en LLM debe procesar todo el corpus de antemano, y los gastos generales continuos de almacenamiento de grafos.

Microsoft publicó el framework de GraphRAG como código abierto en julio de 2024, acompañado por investigación que demuestra mejoras sustanciales sobre RAG ingenuo en benchmarks complejos de respuesta a preguntas a nivel de corpus. A partir de 2026, los principios de GraphRAG se han integrado en productos de gestión del conocimiento empresarial y plataformas de inteligencia de documentos de múltiples proveedores. Las arquitecturas híbridas que combinan recuperación de vector denso para consultas simples de búsqueda con recorrido de grafos para consultas relacionales están emergiendo como el estándar práctico para grandes bases de conocimiento empresarial.

Ejemplo

“Una firma de investigación de inversiones construye un sistema GraphRAG sobre diez años de transcripciones de llamadas de ganancias y presentaciones de la SEC; los analistas preguntan qué ejecutivos en las empresas de cartera han citado repetidamente el riesgo de la cadena de suministro, y el sistema recorre relaciones de entidades para compilar un resumen entre empresas respaldado por fuentes en segundos.