Este documento presenta el marco Structure-Aware Temporal Graph RAG (SAT-Graph RAG) para abordar el desafío Limitations de los sistemas de Recuperación-Generación Aumentada (RAG) en el dominio legal. El enfoque simple de recuperación de texto de los sistemas RAG existentes no tiene en cuenta las estructuras jerárquicas, temporales y causales del derecho, lo que resulta en respuestas obsoletas y poco confiables. SAT-Graph RAG aborda estos desafíos modelando explícitamente la estructura formal y las características temporales de las normas legales. Basado en un grafo de conocimiento formal inspirado en el modelo LRMoo, distingue entre documentos legales abstractos y sus representaciones versionadas, agrega eficientemente estados temporales y reutiliza representaciones versionadas de componentes sin cambios. Además, encarna eventos legislativos como nodos de acción primarios, haciendo que las relaciones causales sean explícitas y consultables. Esta base estructural permite la resolución determinista de solicitudes complejas, como (i) la recuperación puntual, (ii) el análisis de impacto jerárquico y (iii) la reconstrucción auditable de la procedencia, mediante una estrategia de consulta integrada y guiada por un planificador. Un estudio de caso de la Constitución brasileña demuestra que este enfoque proporciona una base de LLM verificable y precisa en el tiempo, lo que permite capacidades analíticas de alto nivel y reduce significativamente el riesgo de errores factuales. En consecuencia, proporciona un marco práctico para construir sistemas de IA jurídica más fiables y explicables.
