Este artículo presenta un marco de grafos RAG basado en ontologías para abordar los desafíos que enfrentan los sistemas de Generación Aumentada por Recuperación (RAG) en el ámbito legal. Para abordar el problema de que los métodos simples de recuperación de texto existentes no consideran las estructuras jerárquicas, temporales y causales del derecho, lo que resulta en respuestas anacrónicas y poco fiables, construimos un grafo de conocimiento basado en un modelo formal inspirado en el modelo LRMoo. Distinguimos entre documentos legales abstractos (Obras) y sus versiones (Expresiones), agregamos eficientemente estados temporales y reutilizamos versiones inalteradas de los componentes. Además, designamos explícitamente los eventos legislativos como nodos de acción primarios, haciendo que las relaciones causales sean explícitas y consultables. Esta base estructural nos permite aplicar una estrategia de consulta integrada y basada en planificadores para abordar de forma determinista solicitudes complejas como (i) recuperación puntual, (ii) análisis de impacto jerárquico y (iii) reconstrucción de procedencia auditable. Un estudio de caso sobre la Constitución brasileña demuestra que el enfoque propuesto proporciona una base verificable y temporalmente precisa para los LLM, lo que permite capacidades de análisis de alta dimensión y reduce significativamente el riesgo de errores factuales. En definitiva, proporciona un marco práctico para construir sistemas de IA jurídica más fiables y explicables.
