El autor identifica el 'Semantic Clobbering' como una limitación en el enfoque RAG basado en búsqueda vectorial pura, que corrompe la lógica de recuperación. Propone Graph-RAG como un cambio de paradigma, utilizando grafos de conocimiento para recuperar información estructurada y permitir el razonamiento multi-salto.
El artículo detalla la evolución del sistema de recuperación de 2asy.ai, pasando de una búsqueda vectorial básica a un Graph RAG de ontología de dominios cruzados. Esta reconstrucción busca superar las limitaciones de la recuperación basada en similitud y comprender mejor las complejas relaciones causales en las noticias arancelarias.
El verdadero desafío en Graph RAG no es la extracción de datos, sino la normalización para garantizar la navegabilidad del grafo. El autor descubrió esto al construir un grafo de conocimiento para 2asy.ai, donde la inconsistencia en la denominación de entidades y tipos de relación hacía que el grafo fuera inútil a pesar de una extracción exitosa.