Por qué los grafos de conocimiento federados son el eslabón perdido de su estrategia de IA

Un reciente informe de McKinsey titulado "Superagencia en el lugar de trabajo: Capacitar a las personas para liberar todo el potencial de la IA "señala que "en los próximos tres años, el 92% de las empresas tiene previsto aumentar sus inversiones en IA". Continúan diciendo que las empresas necesitan pensar estratégicamente sobre cómo incorporar la IA. Dos áreas que destacan son los "modelos de gobernanza federados" y la "centralidad humana". Donde los equipos pueden crear y comprender modelos de IA que funcionen para ellos, al tiempo que disponen de un marco centralizado para supervisar y gestionar estos modelos. Aquí es donde el gráfico de conocimiento federado entra en juego.

Para los responsables de datos y TI que diseñan plataformas empresariales modernas, el grafo de conocimiento federado es un potente patrón de arquitectura y diseño para la gestión de datos, que proporciona integración semántica a través de ecosistemas de datos distribuidos. Cuando se implementa con la Actian Data Intelligence Platformun grafo de conocimiento federado se convierte en la base para la automatización consciente del contexto, uniendo su malla de datos o tejido de datos con IA escalable y explicable.

Gráfico de conocimiento vs. Gráfico de conocimiento federado

Un grafo de conocimiento representa los datos como una red de entidades (nodos) y relaciones (aristas), enriquecida con semántica (ontologías, taxonomías, metadatos). En lugar de organizar los datos por filas y columnas, modela cómo se relacionan los conceptos entre sí.

Por ejemplo, "El cliente X compró el producto Y en la tienda Z en la fecha D".

Un grafo de conocimiento federado va un paso más allá. Conecta conjuntos de datos dispares y distribuidos por toda la organización en un grafo semántico virtual sin mover los datos subyacentes de los sistemas.

En otras palabras:

• Usted no necesitas a lago de datos centralizado.
• Usted no necesitas que armonizar todos los esquemas por adelantado.
• Usted construye una capa lógica que conecta los datos utilizando un significado compartido.

Esto permite tanto a humanos como a máquinas navegar por el gráfico para responder a preguntas, inferir nuevos conocimientos o automatizar acciones, todo ello basado en un contexto que abarca múltiples sistemas.

Ejemplo real de un grafo de conocimiento federado en acción

Sus datos de clientes viven en un CRM basado en la nube, los datos de pedidos en SAP y los análisis web en un almacén de datos en la nube. Tradicionalmente, necesitaría una compleja canalización de extracción, transformación y carga (ETL) para unir estos conjuntos de datos.

Con un grafo de conocimiento federado:

• "Cliente", "usuario" y "cliente" pueden resolverse como una entidad unificada.
• Las relaciones entre sus comportamientos, compras y tickets de soporte se modelan como aristas.
• Y lo que es más importante, la IA puede razonar con preguntas como "¿Qué clientes de alto valor han experimentado fricciones de soporte que se correlacionan con un menor compromiso?".

Este tipo de conocimiento es el que impulsa la automatización inteligente.

Por qué son importantes los grafos de conocimiento federados

Los grafos de conocimiento se utilizan actualmente en diversas aplicaciones, sobre todo en motores de recomendación. Sin embargo, el enfoque federado aborda la integración entre dominios, especialmente importante en las grandes empresas.

Federación en este contexto significa:

• Los datos permanecen bajo control local (fundamental para una estructura de malla de datos). 
• La propiedad y la gobernanza siguen estando descentralizadas. 
• El acceso en tiempo real es posible sin duplicación. 
• La semántica se comparte globalmente, lo que permite a los sistemas de IA funcionar en distintos ámbitos. 

Esto hace que los gráficos de conocimiento federado sean especialmente útiles en entornos en los que los datos están distribuidos por diseño, entre departamentos, plataformas en la nube y unidades de negocio.

Cómo los grafos de conocimiento federados apoyan la automatización de la IA

La automatización de la IA no sólo se basa en los datos, sino también en la comprensión. Un grafo de conocimiento federado proporciona esa comprensión de varias maneras:

• Unificación semántica: Resuelve incoherencias de denominación, estructura y significado entre conjuntos de datos.
• Inferencia y razonamiento: Los modelos de IA pueden utilizar grafos y ontologías para obtener nuevos conocimientos.
• Explicabilidad: Los gráficos de conocimiento federados almacenan las rutas que hay detrás de las decisiones de IA, lo que permite una mayor transparencia y comprensión. Esto es fundamental para el cumplimiento y la confianza.

Para los ingenieros de datos y los equipos informáticos, esto significa dedicar menos tiempo al mantenimiento de las canalizaciones y más a habilitar aplicaciones inteligentes.

Complementación de Data Mesh y Data Fabric

Los gráficos de conocimiento federados no son sólo un añadido a su arquitectura de datos moderna, sino que amplían sus capacidades. Por ejemplo:

• En una arquitectura de malla de datoslos dominios conservan el control de sus productos de datos, pero la semántica puede fragmentarse. Los grafos de conocimiento federados proporcionan una capa semántica global que garantiza un significado coherente en todos esos dominios, sin imponer una propiedad centralizada.
• En un enfoque de diseño de tejido de datosla atención se centra en la integración, el descubrimiento y la gobernanza automatizados de los datos. Los grafos de conocimiento federados sirven como capa de razonamiento sobre el tejido, permitiendo a los sistemas de IA interpretar las relaciones, no solo acceder a los datos en bruto.

No sólo se complementan entre sí en una configuración arquitectónica compleja, sino que, cuando se alimentan de un grafo de conocimiento federado, hacen posible un ecosistema de datos escalable e inteligente.

Una base más inteligente para la IA

Para los responsables técnicos, la automatización de la IA consiste en dotar a los modelos del contexto necesario para razonar y actuar con eficacia. Un grafo de conocimiento federado proporciona la base semántica escalable que necesita la IA, y Actian Data Intelligence Platform lo hace realidad.

La plataforma Actian Data Intelligence se basa en un grafo de conocimiento federado que transforma su panorama de datos fragmentados en una capa de conocimiento conectada y preparada para la IA, ofreciendo una rampa de acceso a la implementación:

• Acceso a los datos sin movimiento de datos: Puede conectarse a fuentes de datos distribuidas (en la nube, on-prem, híbridas) sin mover ni duplicar datos, lo que permite la integración semántica.
• Gestión de metadatos: Puede aplicar metadatos empresariales y ontologías de dominio para unificar las definiciones de entidades y las relaciones entre silos, creando una capa semántica compartida para los modelos de IA.
• Gobernanza y linaje: Puede realizar un seguimiento del origen, las transformaciones y el uso de los datos en toda su canalización, lo que permite una IA explicable y el cumplimiento normativo.
• Reutilización: Puede acelerar el despliegue con modelos de datos reutilizables y alimentar múltiples aplicaciones (como cliente 360 y mantenimiento predictivo) utilizando la misma capa de conocimiento federado.

Empiece a utilizar Actian Data Intelligence

Haga un tour del producto hoy mismo para experimentar la inteligencia de datos potenciada por un gráfico de conocimiento federado.

Acerca de Actian Corporation

Actian permite a las empresas gestionar y gobernar con confianza los datos a escala. Las soluciones de inteligencia de datos de Actian ayudan a agilizar los entornos de datos complejos y a acelerar la entrega de datos listos para la IA. Diseñadas para ser flexibles, las soluciones Actian se integran a la perfección y funcionan de forma fiable en entornos locales, en la nube e híbridos. Más información sobre Actian, la división de datos de HCLSoftware, en actian.com.