GraphRAG / Arquitectura RAG

La brecha entre «fragmentos semánticamente similares» y «respuestas correctas y completas» es donde fracasa la mayoría de los despliegues empresariales de RAG. El Laboratorio de IA de Stanford halló que el 40% de las respuestas de RAG alucina incluso cuando se recuperan los documentos correctos. La recuperación funcionó. La fundamentación no.

Por qué RAG recupera documentos, no respuestas

Esto ocurre porque la similitud vectorial estándar no puede distinguir entre un pasaje temáticamente relevante y uno que realmente responde a la pregunta. Cuando su equipo de cumplimiento normativo pregunta «¿cuáles son los requisitos de notificación para una brecha de datos que afecta a residentes de la UE menores de 16 años?» y su sistema devuelve tres fragmentos sobre notificación de brechas según el RGPD sin las disposiciones específicas sobre la edad, la respuesta parece correcta pero está peligrosamente incompleta.

Nuestro enfoque consiste en construir sistemas de recuperación diseñados para cerrar esta brecha. La arquitectura que elegimos depende de sus documentos, sus consultas y su tolerancia a las respuestas erróneas. A veces se trata de una recuperación híbrida BM25 + densa con un reranker cross-encoder. A veces es una canalización completa de GraphRAG con extracción de entidades y resumen comunitario. A veces es un bucle de recuperación agéntica que descompone preguntas complejas, recupera de forma iterativa y se autocorrige antes de generar. No recurrimos por defecto a la opción más compleja: recurrimos a la que resuelve su problema de recuperación a un coste que pueda sostener.

Tres arquitecturas de recuperación, elegidas según sus patrones de consulta

Adaptamos la arquitectura a sus patrones de consulta en lugar de recurrir por defecto a la complejidad. Los tres patrones que se indican a continuación cubren la mayoría de las necesidades en producción.

Recuperación híbrida con reranking

Aquí es donde deberían comenzar la mayoría de los sistemas RAG en producción. BM25 gestiona la coincidencia exacta de palabras clave (códigos de error, SKU de productos, números de citación regulatoria), mientras que las incrustaciones (embeddings) densas capturan la intención semántica. La fusión recíproca de rangos (RRF, k=60) fusiona los dos conjuntos de resultados sin los problemas de normalización de puntuación que afectan a los enfoques de fusión aprendida.

Un reranker cross-encoder se sitúa por encima: BGE-reranker-v2-m3 en GPU ofrece una latencia de 50–100 ms sin coste recurrente de API, o Cohere Rerank para los equipos que prefieren infraestructura gestionada. Las pruebas comparativas en producción demuestran que esta canalización de dos etapas supera a todos los métodos de una sola etapa. La recuperación contextual de Anthropic es una técnica que se superpone a esta capa, reduciendo los fallos de recuperación en un 49% (un 67% con reranking) al anteponer el contexto a nivel de documento a cada fragmento antes de la incrustación.

Recuperación aumentada por grafos (GraphRAG)

Cuando sus preguntas requieren sintetizar información a través de múltiples documentos o razonar sobre relaciones entre entidades, la similitud vectorial por sí sola no es suficiente. Un equipo legal que pregunte «¿qué filiales de AcquiringCo tienen acciones regulatorias pendientes en jurisdicciones donde opera TargetCo?» necesita resolución de entidades, recorrido de relaciones y razonamiento multirrasgo (multi-hop).

Construimos grafos de conocimiento a partir de sus documentos, utilizando una extracción basada en dependencias que alcanza el 94% del rendimiento basado en LLM a una fracción del coste en tokens (detallado en nuestra investigación sobre GraphRAG con verificación de citas). GraphRAG de Microsoft : su enfoque (agrupamiento de Leiden + resumen comunitario) funciona para consultas de comprensión global a nivel de corpus, pero sus costes de indexación son de 4 a 8 veces superiores a los de RAG estándar. Lo utilizamos de forma selectiva:

• Resúmenes comunitarios para consultas globales.
• Recorrido de grafos de propiedades para preguntas sobre relaciones entre entidades.
• Recuperación vectorial estándar para todo lo demás.

Como almacén de soporte del grafo, FalkorDB gestiona cargas de trabajo de RAG con lectura intensiva a 6,693 QPS con arranques en frío inferiores al milisegundo, mientras que Neo4j sigue siendo la opción adecuada cuando se necesita RBAC maduro, agrupamiento (clustering) y agregación compleja.

Recuperación agéntica

El patrón más potente en 2026 y el más costoso de implementar correctamente. Un bucle de recuperación agéntica descompone las consultas complejas en subconsultas, enruta cada una hacia la estrategia de recuperación adecuada (vectorial, grafo o base de datos estructurada), evalúa si los resultados son suficientes e itera hasta alcanzar los umbrales de confianza.

Implementamos esto en LangGraph, donde la abstracción de máquina de estados proporciona ramificación condicional, nodos de interrupción con intervención humana (human-in-the-loop) y auditabilidad determinista. Las capas de RAG correctivo añaden entre 100 y 800 ms de latencia por consulta, pero detectan errores de recuperación antes de que lleguen al LLM. Este patrón está listo para producción en Morgan Stanley, PwC y ServiceNow. No está listo para equipos sin capacidad dedicada de MLOps para monitorizar y ajustar los bucles de recuperación.

Qué ocurre antes de la incrustación: acertar con la fragmentación

La fragmentación (chunking) es donde los sistemas RAG fallan silenciosamente. La fragmentación ingenua de tamaño fijo produce puntuaciones de fidelidad de 0.47–0.51. La fragmentación semántica alcanza 0.79–0.82, pero requiere calcular la incrustación de cada frase en su corpus. La estrategia adecuada depende de sus documentos:

• Presentaciones regulatorias estructuradas — el análisis sintáctico con reconocimiento de diseño preserva la jerarquía de secciones.
• PDFs de contenido mixto con tablas y gráficos — la fragmentación guiada por visión (tratando cada página como una imagen para detectar el diseño y extrayendo luego las regiones de texto) mejora la precisión de recuperación en un 8–15% frente al análisis exclusivo de texto.
• Documentos narrativos extensos — la fragmentación tardía (late chunking) procesa el documento completo a través del transformer en primer lugar, de modo que la incrustación de cada token refleje el contexto bidireccional, y luego aplica los límites de fragmento tras el paso hacia adelante.

Probamos entre tres y cuatro estrategias de fragmentación con su conjunto real de consultas antes de elegir una. El entorno de evaluación (métricas de fidelidad y precisión de contexto de RAGAS, juicios de relevancia específicos del dominio) se entrega como parte de la canalización, no como una ocurrencia tardía. El 60% de los nuevos despliegues de RAG incluye ahora una evaluación sistemática desde el primer día, frente a menos del 30% a principios de 2025. Integramos la evaluación en su CI/CD para que la calidad de recuperación se mida en cada despliegue, no cuando los usuarios se quejan.

¿Cuánto cuesta operar un sistema RAG empresarial?

Una empresa de fabricación gastó $400,000 en desplegar un sistema RAG, para luego descubrir que las operaciones continuas costaban $18,000/mes — más del doble de su previsión. El modelo de costes que pasaron por alto: el reranking. Las API de incrustación cuestan $20–120 por cada mil millones de tokens. El alojamiento de bases de datos vectoriales para 10M de vectores cuesta entre 1.5 y 3 veces más con servicios gestionados (Pinecone, Weaviate Cloud) frente a opciones autohospedadas (Qdrant, pgvector). Pero el reranking con volúmenes de consulta de producción es donde los presupuestos se disparan: Cohere Rerank cuesta $2 por cada 1,000 consultas, mientras que BGE-reranker-v2-m3 autohospedado en una sola GPU iguala esa latencia a un coste de cero por consulta, aunque se paga por la instancia de GPU.

GraphRAG añade otra capa de costes. La construcción del grafo de conocimiento consume entre 4 y 8 veces más tokens que el texto de origen para la extracción de entidades y el resumen comunitario. El mantenimiento consume entre el 40 y el 60% del presupuesto de ingeniería del primer año porque la resolución de entidades, la deduplicación y las actualizaciones de ontologías son un trabajo continuo, no una configuración única. La extracción basada en dependencias (PLN clásico en lugar de llamadas a LLM) reduce los costes de construcción aproximadamente en un 90% manteniendo el 94% de la calidad de extracción. Dimensionamos cada proyecto con proyecciones explícitas de costes recurrentes mensuales que cubren incrustación, almacenamiento, recuperación, reranking y mantenimiento del grafo.

Cuándo vale la pena GraphRAG (y cuándo no)

Necesita recuperación aumentada por grafos cuando sus consultas requieren razonamiento multirrasgo (multi-hop) entre entidades y relaciones:

• Due diligence de fusiones y adquisiciones que abarca cientos de presentaciones de filiales.
• Síntesis de evidencia clínica a través de bases de datos de interacción farmacológica.
• Análisis de riesgos de la cadena de suministro que conecta redes de proveedores con acciones regulatorias.

GraphRAG ofrece su mayor precisión de búsqueda en consultas corporativas complejas y multicapa en pruebas comparativas (consulte una demostración operativa de recuperación legal verificada por citas). No lo necesita cuando sus consultas son búsquedas en un solo documento, respuestas tipo FAQ o búsquedas basadas en palabras clave: la recuperación híbrida BM25 + densa con un reranker gestiona esto a una fracción del coste y la complejidad. Si su corpus tiene menos de 5 millones de vectores y sus preguntas no cruzan los límites de los documentos, pgvector con indexación HNSW es realmente suficiente. Evaluamos esto antes de recomendar una arquitectura y le diremos cuándo la opción más simple es la correcta.

La pregunta de «¿siquiera necesitamos RAG?» también es importante. Con ventanas de contexto que superan 1M+ de tokens (Gemini 3 Pro con 10M), algunos equipos se plantean introducir corpus enteros en el prompt. El problema: una sola consulta de 1M de tokens cuesta $2–10, lo cual es insostenible con el volumen de consultas empresariales. La calidad del contexto se degrada a partir de ciertos umbrales incluso dentro de los límites anunciados. RAG sigue siendo la arquitectura adecuada para cualquier sistema que gestione consultas repetidas sobre conjuntos de documentos amplios y dinámicos.

¿Cuál es la superficie de ataque de una canalización RAG?

La investigación PoisonedRAG (USENIX Security 2025) demostró que cinco documentos cuidadosamente manipulados e inyectados en un corpus de un millón de documentos pueden alterar las respuestas de la IA con más del 90% de éxito. Su canalización de recuperación es una vía de ingesta para contenido adversario. OWASP reconoce ahora formalmente las debilidades en vectores e incrustaciones (LLM08:2025) y la inyección de prompts a través de documentos recuperados (LLM01:2025) como principales riesgos de seguridad en LLM.

Incorporamos trazabilidad de procedencia de documentos, detección de anomalías a nivel de incrustación y capas de saneamiento de entrada en la canalización de recuperación. Cada pasaje recuperado incluye metadatos de origen y puntuación de confianza. La capa de generación está restringida para citar pasajes específicos, y las afirmaciones que no puedan fundamentarse en el contenido recuperado se señalan en lugar de admitirse sin más. Esto no es opcional para ningún sistema RAG desplegado en entornos regulados, como se detalla en nuestra investigación sobre la protección de LLM empresariales privados.

Qué entregamos

Cada proyecto produce:

• Una arquitectura de recuperación elegida para sus patrones de consulta y tipos de documentos específicos.
• Una estrategia de fragmentación e incrustación evaluada con respecto a sus consultas reales.
• Un entorno de evaluación de nivel de producción con métricas RAGAS y casos de prueba específicos del dominio.
• Proyecciones de costes explícitas que cubren incrustación, almacenamiento, recuperación, reranking y cualquier mantenimiento del grafo.
• Refuerzo de seguridad frente a ataques basados en la recuperación.
• Una pila de monitorización que detecta la degradación de la calidad de recuperación antes de que lo hagan los usuarios.

También le indicamos cuándo su configuración actual es adecuada y la inversión en una recuperación más compleja no resultará rentable.