El grafo de conocimiento funciona. Lo que no te cuentan es quién lo hace funcionar.

Dentro del expediente

Esta semana me pasaron un repositorio con más de ocho mil estrellas en seis semanas. Se presenta, en inglés, como el primer «enterprise world model» de código abierto del mundo. Por dentro es un grafo de conocimiento con fechas. Y me puse a mirar, porque llevo meses oyendo que los grafos son el siguiente paso obligatorio de la IA en empresa y a mí no me convence.

No me convence por una razón sencilla. Nunca me han enseñado la comparación. Me enseñan el diagrama, la demo con nodos de colores y la palabra ontología. La tabla en la que un grafo gana a un buscador corriente sobre los mismos documentos, esa, no me la enseña nadie. Así que fui a buscarla.

Uno de los más conocidos, en mantenimiento

Empiezo por lo más fuerte. GraphRAG, la versión de Microsoft Research y una de las implementaciones más conocidas, publicó en agosto de 2026 un aviso en su página. El proyecto queda en gran parte en modo mantenimiento, sin funciones nuevas. La razón que dan ellos mismos es que, desde la primera versión de julio de 2024, las capacidades de los modelos punteros han cambiado de forma drástica Fuente primaria ↗.

No digo que Microsoft haya declarado muerto el grafo. Digo que uno de los laboratorios que más lo empujó ha decidido no desarrollarlo más, más allá de parches, y lo justifica con que los modelos han mejorado. Si tu proveedor te lo vende hoy como lo último, conviene que sepa esto.

Lo que dicen los estudios que miden bien

El dato que más me sorprendió viene de gente favorable al grafo. Los autores de HippoRAG 2, un método basado en grafo, compararon varias técnicas sobre las mismas preguntas y con el mismo modelo para responder. El mejor buscador por embeddings del estudio, NV-Embed-v2, sin grafo, sacó 57,0 de F1 medio en siete conjuntos. Su reproducción de GraphRAG de Microsoft, 49,6. Solo su propio método le ganó, con 59,8 Fuente primaria ↗. Un buscador por embeddings bien elegido superó, por tanto, a la mayoría de grafos del estudio, y el que ganó lo hizo por menos de tres puntos.

Otro trabajo de 2026 repitió la comparación con GPT-5, Claude Sonnet 4.5 y Gemini 2.5 Flash, y con preguntas diseñadas para reducir mucho la posibilidad de que el modelo las respondiera de memoria. En su versión de HotpotQA con GPT-5, la búsqueda semántica acertó un 0,446, GraphRAG de Microsoft un 0,365 y HippoRAG, otro método de grafo, un 0,473. Con Sonnet 4.5, los tres empataron a 0,716 Fuente primaria ↗. El grafo de Microsoft no ganó; otro grafo sí, por poco. Mi lectura, y es lectura mía, es que las victorias holgadas del grafo se midieron con modelos de 2024 o contra buscadores flojos, y con modelos actuales la distancia se estrecha mucho.

La trampa más fea está en quién puntúa. Muchos estudios de grafos usan otra IA como juez que compara dos respuestas. Un equipo de la Universidad de Wuhan comprobó que ese juez prefiere la respuesta que va primero y la más larga. Enfrentando LightRAG, uno de los tres sistemas de grafo que evaluaron, consigo mismo, el resultado cambiaba más de un 30% según el orden. Al corregir esos sesgos, las ganancias de los grafos que probaron se volvieron mucho más moderadas que las publicadas, y el RAG sencillo llegó a superar ligeramente a LightRAG Fuente primaria ↗.

El famoso «tres veces más preciso»

Si has leído algo de un fabricante de grafos, habrás visto que el grafo triplica la precisión. Neo4j lo recoge en su manifiesto de 2024 Fuente primaria ↗. El origen es un informe de noviembre de 2023, con 43 preguntas sobre una sola base de datos de seguros, con GPT-4 y sin darle ejemplos. Con SQL directo acertó el 16,7%; consultando la misma base convertida en grafo, el 54,2%. Ni siquiera compara grafo con buscador de documentos, sino dos formas de consultar una base de datos. Los tres autores trabajaban en data.world, que comercializa un catálogo de datos construido sobre un grafo de conocimiento. Y un detalle que el titular no cuenta. Al grafo le dieron una ontología del negocio y unas reglas de correspondencia ya escritas. Sus propios autores concluyen que el contexto es crucial para la precisión Fuente primaria ↗.

No digo que el dato sea falso. Digo que 43 preguntas, un esquema y un modelo de 2023 no bastan para una afirmación general, y que quien la hace vende el producto, algo que el titular no menciona.

Pasa lo mismo con la memoria de los agentes. En el propio paper de Mem0, que vende memoria para agentes, pasar la conversación entera al modelo, unos 26.000 tokens, sacó un 72,90 y su versión con grafo un 68,44, según una IA que hacía de juez Fuente primaria ↗. Lo reconocen en el texto, aunque insisten, con razón, en que su sistema es más rápido y más barato. El grafo mejoró su propia versión sin grafo, 66,88, pero perdió contra leerlo todo.

Tres personas dirigiendo el mismo proyecto

Vuelvo al repositorio de las ocho mil estrellas, que se llama Utopia. Tengo que decir algo a su favor. Es de lo más honesto que he leído en este campo. Publica sus propios fallos. Y precisamente por eso enseña lo que los demás callan.

Su prueba estrella pregunta cosas por fecha sobre una empresa inventada, por ejemplo quién dirigía tal proyecto en junio. Según el informe de su ejecución del 5 de septiembre, son 37 preguntas escritas por el propio autor sobre unos pocos documentos cortos, de las que apartan dos como fallos ya conocidos; con los ficheros de preguntas que hay hoy en el repositorio, esa separación no se puede reproducir y el denominador sería 37. Cuando una persona declara a mano las reglas del negocio, por ejemplo que un proyecto tiene un solo responsable a la vez, acierta 35 de 35. Cuando deja que el grafo aprenda solo, que es como llega a un cliente nuevo, baja a 28 de 35. Son cifras de principios de septiembre, anteriores a un cambio en la extracción que todavía no han vuelto a medir. Su documentación describe el fallo sin rodeos. En esa prueba sin reglas quedaron tres personas dirigiendo el mismo proyecto a la vez Fuente primaria ↗.

Y hay un detalle que para mí resume todo el asunto. En ninguna de sus pruebas lo comparan con un buscador corriente sin grafo. Ninguna. Miden si el grafo acierta, no si el grafo hacía falta.

Lo que sí hace bien el grafo

Aquí viene la parte que a mí no me gusta tanto, pero sería hacer lo mismo que critico si la callara. Hay variantes de grafo que ganan en tres sitios, según varios estudios. En preguntas que encadenan varios datos, del tipo «quién es el socio del cliente que firmó con este proveedor» Fuente primaria ↗. En las preguntas por fecha del estudio de Michigan State, la búsqueda global por comunidades de GraphRAG acertó el 53,34% de las preguntas temporales frente al 30,70% del RAG normal, con Llama 3.1 de 8B Fuente primaria ↗. Ojo, esa misma variante va mal en preguntas de detalle. Y en preguntas que obligan a sintetizar información repartida por muchos documentos, donde un buscador de fragmentos no ve el conjunto Fuente primaria ↗.

También hay despliegues reales. LinkedIn montó un grafo sobre sus incidencias de atención al cliente y publicó una reducción del 28,6% en el tiempo mediano de resolución durante unos seis meses Fuente primaria ↗. Ojo, que sus incidencias ya tenían estructura, con campos y enlaces entre tickets. No partían de PDF sueltos.

Y el coste. En el mismo estudio de Michigan State, construir el índice sobre MultiHop-RAG llevó 135 segundos con RAG normal y unos 5.560 con GraphRAG por comunidades, unas 41 veces más. Y en otra variante, la que guarda el grafo como tripletas sujeto, relación y objeto, solo el 65,8% de las entidades que respondían las preguntas de HotpotQA llegó a entrar en el grafo Fuente primaria ↗. Una de cada tres entidades que respondían las preguntas no estaba en el grafo antes de empezar a preguntar.

Qué pedirle al proveedor antes de pagar

Si alguien te ofrece un grafo de conocimiento para tu despacho, estas son las cinco preguntas que yo le haría. Ninguna es técnica. Todas salen de lo que acabas de leer.

1. ¿Dónde está la tabla contra un buscador normal? Su grafo frente a un buscador por embeddings bien elegido, con tus documentos y con preguntas tuyas de las que ya sabes la respuesta. Y no contra un buscador flojo, porque en el estudio de HippoRAG 2 el mejor buscador por embeddings sacó más nota media que casi todos los grafos.

2. ¿Quién puntuó las respuestas? Si fue otra IA haciendo de juez, pregunta si cambiaron el orden de las respuestas y si controlaron su longitud. Si no lo hicieron, la victoria puede ser del juez, no del grafo.

3. ¿Quién escribe las reglas y qué pasa si nadie las escribe? Qué ontología trae, quién la mantiene y cuántas horas al mes cuesta. Y que te enseñe el mismo sistema funcionando sin esas reglas, como llegaba en Utopia a un cliente nuevo.

4. ¿Qué se queda fuera del grafo? Qué parte de los nombres, fechas e importes de tus documentos acaba dentro, y cómo te enteras de lo que no entró. Una respuesta que no está en el grafo no se puede recuperar desde el grafo.

5. ¿Qué tipo de preguntas mejora? Resultados separados según sean preguntas de un solo dato, preguntas que encadenan varios y preguntas por fecha. Si solo gana en las que tú no haces, no lo necesitas. Y ya que estás, pregunta qué pasa si el proyecto en el que se apoya deja de mantenerse.

Quién hace funcionar el grafo

Esto es lectura mía, no un resultado de ningún estudio. En el «x3» de data.world, el grafo llegó con una ontología del negocio y unas reglas de correspondencia ya escritas, así que no se puede separar lo que aportó el grafo de lo que aportaron esas reglas. Utopia es la única prueba que he encontrado que compara el mismo grafo con y sin reglas escritas por una persona, y ahí la diferencia la marcaron las reglas. Los demás estudios no miden esto, así que no lo puedo generalizar. Pero yo pediría ver antes de pagar quién escribe las reglas, y qué hace el grafo cuando nadie las escribe. En Utopia, según su propio informe, sin esas reglas el sistema acabó guardando tres versiones distintas del mismo dato.

Lo que Utopia hace de verdad bien es separar la fecha en que algo era cierto de la fecha en que lo supimos. Eso en un despacho fiscal es el pan de cada día, con la norma vigente a la fecha de devengo y el criterio que se conocía al presentar. Es una idea valiosa, y no exige por sí misma un grafo. Sí exige cosas más aburridas, como registrar desde cuándo y hasta cuándo vale cada dato, cuándo lo supimos y cuándo dejamos de creerlo, y alguien disciplinado que lo mantenga.

Declaración de interés. Uso a diario un índice en forma de grafo, pero sobre mi propio código, no sobre documentos. Ahí quién llama a quién está escrito en el código y no hay que adivinarlo. La memoria de mi despacho admite fechas de validez en cada nota, sin grafo. No vendo ninguna de las dos cosas ni tengo relación con los proyectos citados.

Un grafo puede funcionar, pero vendértelo sin la comparación no se sostiene. Pide la tabla con tu buscador corriente contra su grafo, con tus documentos y tus preguntas. Si no la tienen, estás pagando un diagrama.

Lo que me preguntan cuando cierro el portátil.

¿Qué es GraphRAG?

Es una forma de RAG en la que, antes de responder, un modelo de IA lee los documentos, extrae entidades y relaciones y las guarda en un grafo. Luego busca en ese grafo en vez de, o además de, en los fragmentos de texto. Microsoft publicó su versión en 2024 y desde agosto de 2026 la mantiene sin desarrollo nuevo.

¿Es mejor GraphRAG que el RAG normal?

Depende del tipo de pregunta. En preguntas de un solo dato, los estudios independientes encuentran que la búsqueda por fragmentos con un buen modelo de embeddings empata o gana. Algunas variantes de grafo ganan en preguntas que encadenan varios datos, en ciertas preguntas por fecha y en preguntas globales sobre un conjunto de documentos. Como solución general, no he encontrado evidencia de que sea superior.

¿Qué pruebas debo pedir a un proveedor de grafos de conocimiento?

Cinco. Una tabla que compare su grafo con un buscador por embeddings bien elegido, con tus documentos y tus preguntas. Quién puntuó las respuestas y, si fue una IA, si controló el orden y la longitud. Quién escribe y mantiene las reglas del negocio, y cómo funciona el sistema sin ellas. Qué parte de tus datos entra en el grafo y cómo te avisa de lo que falta. Y resultados separados por tipo de pregunta, para ver si mejora las que tú haces.

¿Cuánto más tarda montar un grafo de conocimiento que un buscador normal?

Bastante más. En un estudio de Michigan State University, construir el índice del corpus MultiHop-RAG llevó 135 segundos con RAG normal y unos 5.560 con un GraphRAG por comunidades, unas 41 veces más. Eso es tiempo, no precio, y en ese estudio la consulta posterior fue incluso más rápida con el grafo. Lo que no mide ningún estudio es el trabajo de después, que consiste en revisar duplicados, declarar reglas y mantener la ontología.

El expediente detrás del artículo.

GraphRAG, repositorio oficial y aviso de modo mantenimiento ↗Microsoft Research · README en GitHub, aviso añadido el 14 de agosto · 2026
Repositorio de código del autorFrom RAG to Memory: Non-Parametric Continual Learning for Large Language Models ↗Jiménez Gutiérrez y otros, principalmente Ohio State University · método HippoRAG 2 · arXiv 2502.14802, tabla 2 · 2025
Preprint; autores de un método basado en grafoGenerating Leakage-Free Benchmarks for Robust RAG Evaluation ↗Liu, Zhang, Jin y Neville · arXiv 2605.08838, mayo · 2026
PreprintHow Significant Are the Real Performance Gains? An Unbiased Evaluation Framework for GraphRAG ↗Zeng y otros, Universidad de Wuhan y Shanghai Jiao Tong · arXiv 2506.06331 · 2025
PreprintRAG vs. GraphRAG: A Systematic Evaluation and Key Insights ↗Han y otros, Michigan State University · arXiv 2502.11371, versión de marzo de 2026 · 2025
PreprintA Benchmark to Understand the Role of Knowledge Graphs on Large Language Model's Accuracy for Question Answering on Enterprise SQL Databases ↗Sequeda, Allemang y Jacob, data.world · arXiv 2311.07509 · 2023
Informe técnico de empresa que comercializa un catálogo de datos basado en grafoThe GraphRAG manifesto: Adding knowledge to GenAI ↗Philip Rathle, Neo4j · 11 de julio · 2024
Blog de fabricanteMem0: Building Production-Ready AI Agents with Scalable Long-Term Memory ↗Chhikara y otros, Mem0 · arXiv 2504.19413 · 2025
Preprint de empresaUtopia, banco de pruebas temporal (scripts/bench) ↗DeepLethe · repositorio deeplethe/utopia, consulta del 18 de septiembre · 2026
Repositorio de código del autorRetrieval-Augmented Generation with Knowledge Graphs for Customer Service Question Answering ↗Xu y otros, LinkedIn · arXiv 2404.17723 · 2024
Preprint con despliegue en producciónWhen to use Graphs in RAG: A Comprehensive Analysis for Graph Retrieval-Augmented Generation (GraphRAG-Bench) ↗arXiv 2506.05690, preprint de 2025 y versión ICLR 2026 · observación 2: ventaja del grafo en razonamiento complejo y síntesis contextual · 2026
Preprint

Fuentes consultadas hasta el 1 de octubre de 2026. Las recomendaciones y ejemplos son elaboración editorial y no se atribuyen íntegramente a estas fuentes. Comprueba versión y ámbito antes de aplicar una norma.

Divulgación general. Ninguna herramienta de esta web certifica la revisión, seguridad o conformidad de un proceso.