Grafos Temporales: Por Qué tu IA Sigue Citando una Promoción que Venció
Una promoción que venció el mes pasado es historia, no una respuesta. Parece obvio dicho así, pero es exactamente el error que cometen la mayoría de los agentes de IA en producción: encuentran el dato, lo dan por bueno y nadie se entera hasta que un cliente reclama un descuento que ya no existe.
El problema no es del modelo. Es que casi ningún sistema de recuperación de información guarda cuándo un hecho fue cierto.
El tiempo es un dato, no un metadato
En un buscador por similitud, un documento de precios de enero y uno de agosto son igual de relevantes para la pregunta "¿cuánto cuesta?". Ambos hablan del mismo producto, ambos contienen la palabra precio, ambos se parecen a la pregunta. La similitud mide parecido semántico, no actualidad — no es que lo haga mal, es que no es lo que mide.
Un grafo temporal parte de otra premisa: cada hecho tiene una ventana de validez. No se guarda "el tratamiento X cuesta $8,000", sino "el tratamiento X cuesta $8,000, válido desde el 1 de junio". Cuando llega un precio nuevo, el anterior no se borra: se cierra su ventana y se abre la del nuevo.
Por qué conservar la historia y no borrarla
La reacción intuitiva es sobrescribir: llega un precio nuevo, se pisa el viejo, listo. Funciona hasta la primera vez que alguien pregunta algo como:
- "Me cotizaron en mayo, ¿me respetan ese precio?"
- "¿Desde cuándo subió?"
- "El año pasado esto incluía instalación, ¿qué cambió?"
- "¿Cuántas veces ha cambiado la tarifa este año?"
Con el histórico cerrado y guardado, todas tienen respuesta. Sin él, ninguna. Y son preguntas de ventas y de servicio, no curiosidades: la que abre la lista aparece en cualquier operación con ciclos de decisión largos.
Tres formas en que esto falla sin vigencia
La promoción zombi. Terminó hace seis semanas pero sigue en un PDF. El agente la ofrece, el cliente la acepta, y alguien en la empresa tiene que decidir entre honrarla o quedar mal. Las dos opciones cuestan.
El precio superpuesto. Existen tres listas y el agente elige la que "se parece más" a la pregunta, que suele ser la más detallada, no la más reciente. Cotiza mal de forma consistente y difícil de detectar.
El producto fantasma. Se descontinuó, se sacó del sistema, pero sigue mencionado en un catálogo antiguo. El agente lo ofrece con toda seguridad y genera una expectativa que nadie puede cumplir.
Los tres tienen la misma raíz y el mismo síntoma que describimos en determinismo vs probabilismo: el agente responde con absoluta confianza algo que no es cierto, sin ninguna señal de error.
Qué hace un grafo temporal por debajo
Cuando entra información nueva, el sistema no la añade sin más: comprueba si contradice un hecho existente. Si el tratamiento X ya tenía precio y llega uno distinto, cierra la ventana del anterior y abre la del nuevo, dejando ambos en el grafo con sus fechas.
Esa detección de contradicciones es la parte difícil, y es lo que separa un grafo temporal de una base de datos con un campo de fecha — y también de un sistema RAG, que recupera por parecido y no por vigencia. Requiere reconocer que "tratamiento X", "trat. X" y el nombre comercial del mismo servicio son la misma entidad, y que un precio nuevo la reemplaza en lugar de sumarse.
En GraphOS, la plataforma de grafo de Mind2Flow, esa reconciliación ocurre al ingerir. Es la razón por la que se pueden conectar fuentes que se contradicen entre sí —el Excel viejo y la API del ERP— sin que el agente empiece a dar respuestas distintas según de dónde saque el dato.
Cómo comprobar si tu sistema lo hace
Tres pruebas que puedes correr hoy sobre cualquier agente:
- La promoción vencida. Pregunta por un descuento que terminó. ¿Lo ofrece?
- El precio contradictorio. Deja a propósito dos documentos con precios distintos del mismo producto y pregunta. ¿Elige el vigente o el más "parecido"?
- La fecha. Pregunta "¿desde cuándo cuesta eso?". Si no puede responder, no está guardando vigencia.
Las tres deberían formar parte de tu batería de pruebas habitual, como planteamos en QA de agentes. Si las tres fallan, el problema no se arregla con un prompt mejor: falta la capa que distingue lo que es cierto hoy de lo que fue cierto antes. Es, en nuestra experiencia, la diferencia práctica más grande entre un agente que la empresa deja hablar con clientes y uno que se queda en piloto interno para siempre.