Cos'è la GraphRAG?

La GraphRAG è l'evoluzione della RAG che sostituisce (o affianca) la ricerca su frammenti di testo con la navigazione di un knowledge graph: una rete di entità (clienti, prodotti, impianti, contratti) e delle relazioni che le collegano. Il modello non riceve più solo paragrafi simili alla domanda, ma il pezzo di grafo che la riguarda, con i collegamenti espliciti tra i fatti. Il nome è diventato popolare dopo che Microsoft Research ha pubblicato un approccio con questo termine, ma l'idea di fondo, ancorare il recupero alle relazioni tra entità invece che alla sola similarità testuale, era già in uso in forma diversa in molti sistemi di ricerca aziendale su knowledge graph. La differenza pratica rispetto alla RAG classica si sente soprattutto sulle domande multi-hop, quelle che richiedono di attraversare più entità collegate prima di arrivare a una risposta, dove il recupero per similarità testuale tende a perdere pezzi del ragionamento.

Cosa risolve rispetto alla RAG classica

La RAG tradizionale è ottima sulle domande puntuali ("cosa dice la clausola 7 del contratto X?") ma fatica su quelle che attraversano più documenti e più salti logici: "quali clienti sono esposti se questo fornitore si ferma?" richiede di collegare fornitore, componenti, prodotti e ordini. Nessun frammento di testo contiene la risposta intera; il grafo sì, perché le relazioni sono la sua struttura. Per questo la GraphRAG si è affermata nei settori dove le risposte devono essere tracciabili e complete: finanza, sanità, manifattura, compliance.

Cosa serve per adottarla

Il prerequisito è avere (o costruire) il grafo: identificare le entità di business, definire le relazioni in un'ontologia condivisa e alimentare il grafo dai sistemi sorgente. È un investimento maggiore della RAG classica, ma è lo stesso investimento che rende i dati pronti per qualsiasi uso AI futuro: il grafo che serve alla GraphRAG è lo stesso che alimenta analisi, automazioni e agenti. In pratica: si parte quasi sempre con la RAG semplice, e si passa alla GraphRAG quando le domande iniziano a richiedere più salti di quanti il recupero testuale riesca a gestire.

La ricerca ha prodotto varianti che vincolano il recupero a un'ontologia formale invece che al solo grafo. OG-RAG e ORAG sono due lavori di ricerca indipendenti che si somigliano solo nella sigla, non uno la variante dell'altro. OG-RAG (Microsoft Research) usa un ipergrafo di fatti mappati sull'ontologia, ORAG usa l'ontologia per arricchire le classi con cui le entità vengono etichettate. Chi valuta un fornitore ha qui il punto su cui insistere: i risultati pubblicati di OG-RAG poggiano su un'ontologia verificata da esperti di dominio, e il paper stesso elenca tra i limiti che un'ontologia di dominio non è sempre disponibile né abbastanza completa. Il costo di scrivere quel modello, in OWL o in una forma più leggera, va messo in conto prima della tecnologia di recupero, non dopo.