Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Grafo de conocimiento

Un grafo de conocimiento (knowledge graph) guarda la información como entidades (personas, productos, lugares, conceptos) conectadas por relaciones con nombre, para que el software pueda seguir los enlaces entre datos en lugar de buscar en texto suelto.

También llamado: KG

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

En un grafo de conocimiento, "Acme Corp", "Jane Doe" y "Berlín" son nodos, y las aristas dicen cómo se relacionan: Jane Doe trabaja en Acme Corp, Acme Corp tiene su sede en Berlín. Los datos se suelen escribir como triples de sujeto, relación y objeto. Las bases de datos de grafos como Neo4j y estándares como RDF y SPARQL son formas habituales de guardarlos y consultarlos.

Por qué importa para la IA

La búsqueda vectorial encuentra pasajes que suenan parecidos a la pregunta. Es más floja con las preguntas que necesitan varios saltos, como "¿qué proveedores de nuestra oficina de Berlín también trabajan para nuestros competidores?". Un grafo puede responderla siguiendo aristas. Los grafos también dan a un modelo datos limpios y estructurados en los que apoyar su respuesta, lo que puede reducir la alucinación.

Cómo se construyen

Los grafos curados se construyen a mano o a partir de datos estructurados. Los enfoques más recientes usan un LLM para extraer automáticamente entidades y relaciones de los documentos, que es el primer paso de GraphRAG. Los errores de extracción y las entidades duplicadas ("IBM" frente a "International Business Machines") son los problemas habituales.

Grafo de conocimiento frente a base de conocimiento

Una base de conocimiento es cualquier colección de información de la que puede tirar un sistema. Un grafo de conocimiento es una forma de estructurarla, con enlaces explícitos entre entidades.

La guía de grafos de conocimiento compara herramientas, y los sistemas de memoria del agente también guardan cada vez más los datos como grafos.

Términos relacionados

GraphRAG
GraphRAG es un enfoque de recuperación en el que un LLM construye primero un grafo de conocimiento a partir de una colección de documentos y escribe resúmenes de grupos de entidades relacionadas, y después responde preguntas usando esos resúmenes y los enlaces del grafo.
Base de conocimiento (IA)
En las aplicaciones de IA, una base de conocimiento (knowledge base) es la colección de documentos y datos en la que busca un asistente o un agente para responder preguntas, como artículos de ayuda, políticas o documentación de producto, separada del propio modelo.
Generación aumentada por recuperación
La generación aumentada por recuperación (RAG, retrieval-augmented generation) es un patrón en el que un sistema busca primero en una colección de documentos los pasajes relevantes para una pregunta y luego se los da a un modelo de lenguaje para que su respuesta se base en ellos.
Memoria del agente
La memoria del agente es el conjunto de técnicas que permiten a un agente de IA conservar información más allá de una sola ventana de contexto, como datos sobre un usuario o trabajo anterior, guardándola fuera del modelo y volviendo a cargarla cuando hace falta.
Grounding
El grounding (anclaje en fuentes) consiste en vincular la respuesta de un modelo de lenguaje a fuentes concretas y comprobables, como resultados de búsqueda, documentos o una base de datos, para que sus afirmaciones se apoyen en pruebas aportadas y no solo en los datos de entrenamiento.

Fuentes