L'evolució dels sistemes de recuperació augmentada per generació (RAG) ha estat significativa, però la majoria encara tracten les pàgines web com a text pla, perdent la riquesa semàntica de la seva estructura HTML. PolyUQuest sorgeix com una solució innovadora que aprofita grafs heterogenis per unificar la topologia d'enllaços entre pàgines, la jerarquia DOM dins de cada pàgina i les relacions entitat-relació a través del lloc. Aquest enfocament permet una recuperació conscient de l'estructura i totalment verificable, quelcom que les implementacions convencionals no aconsegueixen oferir. En lloc d'indexar pàgines senceres, el sistema descompon el contingut en blocs semàntics i els connecta mitjançant un graf que reflecteix tant la navegació com la lògica documental. Això transforma la manera com els models de llenguatge accedeixen a la informació, reduint dràsticament les al·lucinacions i millorant la precisió de les respostes.
El sistema compta amb un encaminador de dos nivells que dirigeix cada consulta al mode de recuperació més adequat: recuperació directa de blocs, recorregut de grafs entre pàgines, o raonament multi-salt sobre entitats. Cada resposta inclou cites amb la pàgina d'origen, la ruta d'encapçalaments i els enllaços a entitats, permetent als usuaris rastrejar cada afirmació fins a la seva evidència estructural. Aquest nivell de transparència és especialment valuós en entorns on l'auditoria de la informació és crítica, com al sector legal, financer o de compliment normatiu. A més, l'ús d'un graf heterogeni permet capturar relacions que un índex pla ignora, com la pertinença d'un paràgraf a una secció concreta o la connexió semàntica entre dos conceptes a través d'enllaços interns.
En les proves realitzades sobre el lloc web oficial de la Universitat Politècnica de Hong Kong, que comprèn més de 4.200 pàgines, 31.000 blocs DOM, 29.000 entitats i 37.000 relacions, PolyUQuest va superar els sistemes RAG tradicionals en precisió, cobertura i fidelitat, consumint a més menys tokens de LLM per consulta. Això el converteix en una solució eficient i escalable per a entorns empresarials que gestionen grans volums de documentació tècnica, portals de coneixement o llocs web complexos. La reducció en el consum de tokens no només abarateix els costos operatius, sinó que també accelera les respostes, millorant l'experiència de l'usuari final.
Aquesta arquitectura no només és rellevant per a entorns acadèmics. Empreses que gestionen grans volums de documentació tècnica, bases de coneixement o portals web interns poden beneficiar-se d'un RAG estructurat. En desenvolupament d'aplicacions a mida, Q2BSTUDIO integra sistemes d'aquest tipus per transformar la manera com les organitzacions accedeixen i verifiquen la informació. La nostra experiència en cloud AWS i Azure permet desplegar aquests sistemes amb alta disponibilitat, escalabilitat i seguretat, assegurant que les dades crítiques romanguin protegides mentre s'aprofita al màxim la intel·ligència artificial.
La verificació de respostes és clau en sectors regulats. PolyUQuest demostra que és possible combinar la potència dels models de llenguatge amb la traçabilitat que exigeixen normatives com GDPR o ISO 27001. La ciberseguretat també juga un rol fonamental, ja que cada bloc d'evidència està ancorat a la seva font original, evitant al·lucinacions i garantint la integritat de la dada. A Q2BSTUDIO, oferim serveis de ciberseguretat que complementen aquestes arquitectures, auditant tant l'origen de les dades com els canals de transmissió per mantenir la confidencialitat i la integritat.
A més, la capacitat d'extreure relacions entre entitats obre la porta a integrar aquests sistemes amb eines de Business Intelligence com Power BI, permetent als analistes no només consultar dades, sinó obtenir explicacions contextuals i verificables de les troballes. Imagineu un panell de BI que no només mostri KPI, sinó que també ofereixi un enllaç directe al document font de cada mètrica, amb la possibilitat de recórrer el graf d'evidències per validar la xifra. Aquest enfocament híbrid entre RAG estructurat i BI és una de les àrees on Q2BSTUDIO està innovant, ajudant les empreses a prendre decisions més informades i auditables.
Els agents IA autònoms que naveguin per la web corporativa amb la mateixa precisió que PolyUQuest seran la propera frontera. A Q2BSTUDIO ja treballem en prototips que combinen grafs heterogenis amb agents intel·ligents per automatitzar processos de suport tècnic i atenció al client. Aquests agents no només responen preguntes, sinó que executen tasques complexes com l'actualització de registres o la generació d'informes, mantenint sempre la traçabilitat de les seves accions. La integració de intel·ligència artificial en aquests sistemes permet una comprensió profunda de la informació, superant les limitacions dels xatbots tradicionals.
PolyUQuest representa un avenç significatiu cap a un RAG transparent i fiable. En un món on la informació desestructurada abunda, comptar amb sistemes que entenguin la semàntica de l'estructura web és un avantatge competitiu. Les empreses que adoptin aquest enfocament estaran millor posicionades per oferir experiències d'usuari precises i verificables, reduint el risc d'errors costosos i millorant la confiança dels seus clients i auditors. Des de la perspectiva tècnica, la combinació d'un graf heterogeni amb un encaminador adaptatiu i la verificació de cites estableix les bases per a la propera generació d'assistents intel·ligents. Q2BSTUDIO està preparat per ajudar les organitzacions a implementar aquestes capacitats, ja sigui mitjançant el desenvolupament d'aplicacions a mida, la integració amb el núvol o la creació d'agents IA especialitzats.
