¿Qué es un grafo de conocimiento?

Explicación

Un grafo de conocimiento representa la información como nodos (entidades como clientes, productos, contratos o personas) unidos por aristas con nombre (relaciones como «firmó», «suministra» o «depende de»). Como las conexiones son explícitas, un sistema puede recorrerlas para responder preguntas que cruzan varias fuentes, como qué proveedores se ven afectados por una pieza retrasada. Google popularizó el término en 2012 para describir una búsqueda basada en «cosas, no cadenas de texto». En la IA empresarial, los grafos de conocimiento mejoran la recuperación y el razonamiento en RAG porque añaden estructura y significado que la búsqueda por texto no encuentra.

Cómo funciona un grafo de conocimiento

• Entidades: lo que importa al negocio, cada una con un identificador estable y sus atributos.
• Relaciones: enlaces con tipo entre entidades, que también pueden llevar atributos como fechas o fuentes.
• Esquema u ontología: los tipos de entidades y relaciones acordados, para que distintos equipos describan lo mismo de la misma forma.
• Consultas: lenguajes de consulta de grafos o APIs que recorren caminos, por ejemplo de un cliente a sus contratos y de ahí a los productos que incluyen.

Grafos de conocimiento e IA generativa

Los modelos de lenguaje se manejan bien con texto, pero les cuesta seguir muchas relaciones exactas. El grafo aporta esa estructura. En los enfoques GraphRAG, un modelo extrae entidades y relaciones de los documentos para construir un grafo y luego lo usa para responder preguntas que necesitan conectar muchos documentos.

El grafo también sirve al revés: como fuente de hechos verificados que el modelo debe respetar, lo que limita los detalles inventados.

Cuándo tiene sentido

• Las preguntas dependen de relaciones entre sistemas, no de un único documento.
• La misma entidad (un cliente, un activo) aparece con nombres distintos en distintas fuentes.
• Las respuestas tienen que ser explicables: el camino por el grafo muestra el porqué.
• Hay alguien que se hará cargo del esquema y de la calidad de los datos; un grafo sin responsable se degrada rápido.

Preguntas frecuentes

Guías de decisión que usan este término

• GraphRAG o RAG vectorial: ¿cuándo necesita un grafo tu asistente de conocimiento?

Cómo llevarlo a la práctica

• ¿Cómo no perder el conocimiento de los expertos que se jubilan?
• ¿Cómo modernizar código legacy con IA?

Para seguir leyendo

• Data Fabric: una visión unificada del panorama de datos para ventaja estratégica

Términos relacionados

• IA Empresarial IA construida y operada para grandes organizaciones: gobernada, segura, escalable e integrada con los sistemas existentes, como ERP, CRM y plataformas de datos.
• RAG Técnica que recupera fragmentos relevantes de una base de conocimiento y se los da a un modelo de lenguaje como contexto, para que responda apoyándose en esas fuentes.
• Recuperación Paso de búsqueda que obtiene los documentos o pasajes más relevantes para una consulta, antes de mostrarlos o pasarlos a un modelo.
• Aprendizaje federado Forma de entrenar un modelo común entre muchos dispositivos u organizaciones dejando los datos donde están y compartiendo solo actualizaciones del modelo.
• Base de Datos Vectorial Base de datos pensada para guardar embeddings y devolver, rápido y a escala, los vectores más parecidos a un vector de consulta.
• Big Data Conjuntos de datos tan grandes, rápidos o variados que las bases de datos y herramientas tradicionales no pueden guardarlos ni procesarlos con eficiencia; materia prima de la IA.