Equipo editorial de Tinta Tech. Cobertura diaria de tecnología, IA, mercados y criptomonedas con perspectiva latinoamericana. Conoce al equipo →
Las empresas están descubriendo que una capa de inteligencia escalable basada en gráficos de conocimiento ofrece el contexto institucional que convierte los modelos genéricos de IA en sistemas de producción confiables.
A medida que las empresas impulsan la IA desde los proyectos piloto hasta la producción, está surgiendo una nueva capa de software para vincular datos estructurados, no estructurados y conectados en las vías neuronales de una empresa. Las empresas emergentes están compitiendo por construir esta base, con especialistas en gráficos de contexto como Jedify Inc. recaudando capital fresco para brindar a los agentes el conocimiento empresarial que necesitan para operar de manera confiable. La verdadera inteligencia permanece dentro de la empresa, basada en las relaciones entre sus datos, según Jeevan Pathuri (en la foto), vicepresidente de ingeniería de software de Microsoft Corp.
“El valor real de la inteligencia proviene de estas conexiones y las relaciones entre los diferentes datos distintos que tenemos en toda la empresa”, dijo Pathuri. "A medida que modelamos cosas en forma de nodos, bordes y relaciones, resulta muy fácil para estos modelos de lenguaje comprender y responder preguntas de una manera más sofisticada que las preguntas estándar que responden mediante una consulta SQL".
Pathuri habló con John Furrier de , para una serie de entrevistas exclusivas de AI Luminaries en el estudio de transmisión en vivo de Media. Discutieron cómo los gráficos, las ontologías y una capa de inteligencia escalable están remodelando el camino desde la experimentación con IA hasta el valor de producción. (* Divulgación a continuación.)
El gráfico de conocimiento como capa de inteligencia escalable horizontalmente
Arraigar un modelo de lenguaje grande en un contexto de dominio específico es lo que convierte la capacidad genérica en resultados comerciales, y los datos conectados hacen el trabajo pesado. En el trabajo de la cadena de suministro de Microsoft, modelar una lista de materiales como un gráfico permitió al equipo preparar a los agentes mucho más rápido, señaló Pathuri.
“Pudimos construir de 10 a 15 agentes en producción en cuestión de unas pocas semanas”, dijo. “Sin este tipo de inteligencia conectada, habríamos tenido que construir estos agentes individualmente, uno tras otro, redescubriendo las relaciones y los metadatos a lo largo del camino, en lugar de crear todo esto una vez y ponerlo a disposición de muchos escenarios”.
Esa capa semántica reutilizable es donde las empresas deberían invertir, y el mercado está haciendo lo mismo. Se prevé que el mercado de gráficos de conocimiento empresarial crecerá de aproximadamente 1.900 millones de dólares en la actualidad a casi 10.000 millones de dólares en 2032, impulsado por la realidad de que los agentes no pueden operar de manera confiable sin un contexto gobernado. Definir la intención claramente comprime el tiempo de comercialización, señaló Pathuri.
“Si realmente quieres extraer la inteligencia y hacer que el sistema funcione para ti, definir la capa semántica superior será muy crítico”, dijo. “En el pasado dedicamos tres o cuatro semanas a desarrollar un agente, ahora podemos hacerlo en cuestión de unos días”.
Construir esa base ahora es fundamental para una IA confiable y de grado de producción, un tema que se hizo eco en las predicciones de Research para 2026, que señalaron los gráficos de conocimiento y las capas semánticas como centrales para las implementaciones empresariales. Los humanos siguen a cargo, con evaluaciones y seguimientos de producción que respaldan el sistema, pero el trabajo preliminar con datos no se puede omitir, señaló Pathuri.
“Aquí no hay atajos. Sigue siendo un trabajo duro”, dijo Pathuri. "Crear esa capa de datos limpia, la capa de datos conectados, es absolutamente imprescindible".
Aquí está la entrevista en video completa, parte de la cobertura de y de la serie de entrevistas AI Luminaries:
(* Divulgación: es un socio de medios pago para la serie de entrevistas Neo4j AI Luminaries. Ni Neo4j, el patrocinador de la cobertura de, ni otros patrocinadores tienen control editorial sobre el contenido de o.)
