¿Qué pasa si tu LLM es un gráfico? los investigadores reimaginan la pila de IA

Knowledge Graphs and Graph RAG Galore, New Graph Database Engines, Graph Analytics and Visualization, and Graph Foundation Models.

¿Confias en los informes de investigación de mercado?Si lo haces, aquí está la evidencia número uno a considerar: El mercado global de gráficos de conocimiento se proyecta alcanzar los 6.93 mil millones de dólares en 2030 desde los 1.06 mil millones de dólares en 2024, creciendo en un CAGR del 36,6%.

Si lo haces, aquí está la evidencia #2 a considerar: Hasta el 50% de las consultas de clientes de Gartner en torno al tema de la IA involucran una discusión alrededor del uso de la tecnología gráfica.

Si lo haces, aquí está la evidencia #3 para considerar: productos basados en gráficos como RDFox y data.world están alimentando productos domésticos como el Samsung Galaxy S25 y ServiceNow, después de sus respectivas adquisiciones.

Todas estas pruebas apuntan en la misma dirección: el paisaje del gráfico está evolucionando rápidamente en términos de diversidad, profundidad y densidad y la perspectiva es positiva, a pesar de los altibajos.

Pero hay una buena razón para leer esta ronda de noticias y insights relacionados con los gráficos, incluso si no confías ni te importa ninguno de los anteriores.Leer más para aprender sobre cómo construir y visualizar gráficos, nuevos motores de bases de datos de gráficos, variantes en Graph RAG, un mapa de ruta para análisis de gráficos, y Modelos de la Fundación de Graph, aplicaciones a escala, LLMs y gráficos.

Tabla de contenidos

• El paisaje de la tecnología gráfica
• Gráfico de conocimiento de mercado Outlook
• Construir y evaluar los gráficos del conocimiento como activos duraderos
• Gráficos del conocimiento que impulsan los nombres domésticos a través de M&A
• Los gráficos del conocimiento como la capa de verdad esencial para la IA pragmática
• Gráfico RAG Galore
• Nuevos motores de bases de datos de gráficos, normalización y rendimiento
• Análisis gráfico y visualización: Roadmap, características y plataformas
• Modelos de fundación de gráficos, aplicaciones a escala, LLMs y gráficos

This issue of the Year of the Graph is brought to you by G.V(), metaphacts, Connected Data London, and Built to Last.

Si desea ser presentado en una próxima edición y apoyar este trabajo,alcance fuera!

You already understand the power of graph technology.

G.V() helps you understand your graph.

G.V() es un IDE de base de datos de gráficos que le ayuda a escribir, ejecutar y probar consultas; rastrear su modelo de datos; explorar y editar sus datos de gráficos en el vuelo; y mostrar su trabajo con poderosas visualizaciones de datos de gráficos. Compatible con 18 diferentes tecnologías de gráficos y creciente, G.V() es fácil de usar, bajo costo, bajo compromiso, agnóstico del proveedor y juega bien con cualquier arquitectura de seguridad.

Try out G.V() for yourself and start querying your database in less than 5 minutes: gdotv.com

El paisaje de la tecnología gráfica

ElTecnología gráfica Infografíaha ayudado a mapear el mundo de la tecnología gráfica desde 2014. Su objetivo es introducir las categorías clave dentro del mundo de la tecnología gráfica, y los jugadores clave dentro de esas categorías.

Por supuesto, como reconocen sus creadores en Linkurious, este es solo un punto de partida, no una lista completa.No podría ser, para un dominio que está evolucionando tan rápidamente tanto en términos de innovación de I+D como de crecimiento del mercado.

Mantener el seguimiento del paisaje de la tecnología gráfica requiere atención constante y trabajo duro, por lo que la infografía y el informe acompañante solo se actualizan una vez cada 5 años.

La ventaja de la versión de 2024 es que cada vez más organizaciones están adoptando la tecnología gráfica, ya que la encuentran como un activo para un número cada vez mayor de casos de uso.Perspectivas de las tecnologías gráficas en 2025por Paco Nathan,predicciones para los gráficos del conocimiento en 2025Por ejemplo, Tony Seale yRevisando otro paisaje de la tecnología gráficapor Nicolás Figay.

AI you can trust, powered by semantics

Cuando la IA carece de contexto específico de la empresa, es sólo una adivinación.En julio de 2025, metis es la nueva plataforma de IA basada en el conocimiento de metafacts que transforma los datos empresariales desconectados en valor empresarial real.

Con Metis, las empresas pueden:

● Respuestas de IA terrestre en la semántica empresarial para la precisión y la confianza

● Diseñar y desplegar agentes de IA orientados al conocimiento personalizados equipados con interfaz de conversación

• Control y auditoría del uso de datos empresariales

Combina herramientas como la sumarización, la vinculación de entidades y la ejecución de consultas, con semánticas específicas de negocios

Al fundamentar la IA en la semántica, metis proporciona la IA que realmente entiende tu negocio, al tiempo que garantiza la seguridad, la explicabilidad y la fiabilidad.

Metáforas de contactoPara aprender más!

Conocimiento gráfico de mercado de perspectivas

Los motores clave para la creciente adopción de la tecnología gráfica, identificados porInforme de Investigación del Gráfico del Conocimiento de Investigación y Mercados 2025, son la creciente demanda de soluciones de IA / IA generativas, el rápido crecimiento en el volumen y la complejidad de los datos, y la creciente demanda de búsqueda semántica.

El mercado de los gráficos de conocimiento se estima en 1.06 mil millones de dólares en 2024 a 6.93 mil millones de dólares en 2030, con una tasa de crecimiento anual compuesto (CAGR) de 36.6%. Como observa Research and Markets, se prevé que el segmento de Graph Database Engine tenga el mayor tamaño de mercado, y se prevé que el segmento de servicios registrará la tasa de crecimiento más rápida durante el período de previsión.

Investigación y Mercados señala la falta de experiencia y conciencia, así como la normalización e interoperabilidad como los principales desafíos que detienen el crecimiento en el mercado, aunque eso está cambiando.

Connected Data London is back!

The go-to conference for those who use the relationships, meaning, and context in Data to achieve great things.Connecting Data, People & Ideas desde 2016.Connected Data Londres proporciona una comunidad, eventos y liderazgo de pensamiento en todas las cosas Knowledge Graph, Graph Analytics, AI, Data Science, Graph Databases y Semantic Technology.

Ya sea que sea un ingeniero, científico de datos, arquitecto o tomador de decisiones, esta es su oportunidad de conectarse con las mentes más brillantes que forman el futuro de los datos conectados y el programa completo de:

Conversaciones de expertos

Red con los innovadores

Estudios de caso del mundo real

Talleres prácticos

La cena de la comunidad

Leonardo Royal Hotel Tower Bridge 20-21 de noviembre de 2025

Billetes de aves tempranas con descuento ahora disponibles en2025.connected-data.Londres

Construir y evaluar los gráficos del conocimiento como activos duraderos

El informe de Investigación y Mercados identifica la “proliferación rápida de los gráficos de conocimiento” como una oportunidad.

A medida que la popularidad de los gráficos de conocimiento crece, la complejidad de su implementación subraya la necesidad de evaluar si son la solución correcta para el caso de uso de la organización.Cómo evaluar la aplicabilidad de los gráficos de conocimiento para sus casos de uso« . .

Gartner identificó los gráficos del conocimiento en el corazón de las tecnologías Critical Enabler en su 2024 Hype Cycle for Emerging Technologies, y señaló que “Adding Semantic Data Integration & Knowledge Graphs” fue una de las 10 principales tendencias en la integración de datos e ingeniería para 2024.

Sin embargo, Gartner encuentra que aunque la conciencia de los casos de uso de gráficos de conocimiento está aumentando, la voluntad o compra de negocios para invertir en tales iniciativas es baja.Los beneficios para el negocio siguen siendo inciertos, y las organizaciones todavía están luchando para averiguar cuándo usar gráficos de conocimiento para entregar valor empresarial.

como Mike DillingerNotasLos gráficos de conocimiento rico son activos duraderos – activos que tienen una larga vida útil, proporcionando utilidad o valor durante un período prolongado, generalmente en un contexto empresarial o económico.

Los gráficos de conocimiento son organizativos CapEx, y deben ser evaluados como tales.Medir su valor debe basarse en lo que permiten, que va desde la gobernanza de datos hasta aplicaciones de IA.

En “Por qué fracasan las implementaciones gráficas“, Lulit Tesfaye señala que a menudo, las organizaciones tienen una comprensión limitada de la ecuación costo-beneficio.Qué hace falta para construir un gran gráfico“Y Gartner comparte”Cómo construir gráficos de conocimiento que permitan las aplicaciones empresariales impulsadas por IA»

Jessica Talisman se enamora dePipeline de Ontología para impulsar los sistemas de conocimiento semántico, señalando que un enfoque estructurado y escalable para la gestión semántica del conocimiento puede justificar inversiones con métricas de ROI bien definidas y mejorar la calidad de los datos y la gobernanza, esenciales para el éxito de la IA. Jeremy Ravenel comparte su experiencia en¿Dónde empezar cuando quieres construir una ontología?.

Tampoco hay escasez de herramientas para construir gráficos de conocimiento. Yassir Lairgi compartió2 kilos, un paquete de Python diseñado para construir incrementalmente gráficos de conocimiento consistentes con entidades y relaciones resueltas.WhyHow abrió su Knowledge Graph StudioyOpenSPG(Semantic-Enhanced Programable Graph) es una nueva generación de gráficos de conocimiento empresarial (EKG) motor, bidireccionalmente mejorado por LLMs y gráficos de conocimiento.

Gráficos de conocimiento que alimentan los nombres domésticos a través de fusiones y adquisiciones

El hecho de que los gráficos del conocimiento representen una inversión para las organizaciones que son serias en la construcción de IA se está entendiendo cada vez más.ServiceNow obtiene esto, y está adquiriendo data.world para profundizar en los datos para la IAComo señala Joe Hilger, elConsolidación en la industria del software semántico, impulsado por GenAI y capas semánticas.

“De acuerdo con un grupo focal de Gartner, el 4% de los líderes tecnológicos creen que sus datos están listos para la IA – eso es bastante sobrio.Informe separadoque en 2026, el 60% de los proyectos de IA fracasarán porque los datos no están listos para la IA”, dijo Gaurav Rewari, vicepresidente senior y gerente general de productos de datos y análisis de ServiceNow en el contexto de la adquisición de data.world.

Hay otros especialistas en catálogo de datos, pero Rewari dijo que la implementación de gráficos de conocimiento de Data.world lo hizo un buen ajuste para ServiceNow. ServiceNow ya tiene soporte para gráficos de conocimiento, pero data.world trae colectores de metadatos y experiencia en gráficos de conocimiento que pueden enriquecer aún más el gráfico de ServiceNow.

A comienzos del año,Samsung lanza la nueva serie Galaxy S25 con nuevas características de IA basadas en la tecnología de Oxford Semantic TechnologiesUn spin-off de la Universidad de Oxford en 2017 por tres de los principales profesores de informática del mundo en el campo de la tecnología de IA basada en el conocimiento, Oxford Semantic Technologies fue adquirida por Samsung Electronics en julio de 2024.

La tecnología RDFox® de la compañía esdetrás del motor de datos personales de Samsung para crear experiencias de usuario hiper-personalizadas aprovechando los gráficos de conocimiento, y se incluirá en la última serie Galaxy S25. cofundadorIan Horrocks fue uno de los oradores en el evento Unpacked de Samsung.

Suscríbete al año de la Newsletter de Graph

Si te gusta esta newsletter, suscríbeteAquíAsegúrate de que siempre se encuentre en tu caja de entrada.

Los gráficos del conocimiento como la capa de verdad esencial para la IA pragmática

Las organizaciones se enfrentan a un desafío crítico para la adopción de la IA: cómo aprovechar sus conocimientos específicos de dominio para utilizar la IA de una manera que brinde resultados confiables.

Este es el resumen de una conversación en profundidadLos gráficos del conocimiento como la capa de verdad esencial para la IA pragmáticaCon Tony Seale. Aborda todo, desde los principios del gráfico del conocimiento primero hasta los patrones de aplicación para la IA segura y verificable, la experiencia del mundo real, las tendencias, las predicciones y el camino hacia adelante. Seale, también conocido como “The Knowledge Graph Guy”, es el fundador de la firma de consultoría homónima.

Algunos materiales relacionados: “¿Cuáles son los diferentes tipos de gráficos?Los equívocos más comunes y la comprensión de sus aplicaciones“También así como”¿Qué es la semántica y por qué importa?” – ambos por Enterprise Knowledge, destacando diferentes aspectos de los principios del conocimiento gráfico primero.Gráficos de conocimiento para dummiesY más allá.

Gráfico RAG galore

A pesar de los obstáculos en la adopción de GenAI, o precisamente por ello, aprovechar al máximo los sistemas alimentados por GenAI al combinarlos con información confiable en entornos controlados, RAG (Retrieval Augmented Generation) ha recibido constantemente la atención.

Para una introducción a Graph RAG, consulte “Democratizar los datos con Graph RAG: qué es, qué puede hacer, cómo evaluarlo“Lo que llevó a laDesafío de gráficos de conocimiento de datos conectados, y unImplementación de código abierto basada en KuzuySe puede visualizar en G.V(). aIntroducción a Graph RAGtambién es dada por Jakob Pörschmann, quien luego detalla unImplementación de Google Cloud Stack.

En los últimos meses hemos visto a MicrosoftImplementación de Graph RAGproporcionar mejoras tales comoAuto-tuning para una rápida adaptación a nuevos dominiosySelección dinámica de la comunidady la liberaciónLázaroLazyGraphRAG está destinado a abordar una crítica clave de Graph RAG, es decir, que esCostoso para implementarPero hayMás información sobre Graph RAG.

Es por eso que personas como Irina Adamchic vienen con alternativas para abordarlas.Arquitectura de entidades fijas de tres capas para un RAG eficiente en gráficosSe basa en aprovechar el conocimiento del dominio en una llamada capa de ontología.Variaciones basadas en NLPque no depende del conocimiento del dominio, mientras que Elena KohlweyNavega por el mundo de los patrones RAG avanzados.

El RAG, por el contrario, es una variante de RAG que ofrece una generación aumentada de recuperación basada en la ontología para modelos de idiomas grandes.KET-RAG enPromete 10x más barato, recuperación de conocimiento más inteligente.MiniaturaIntroduce el RAG preciso de cerca de LLM para modelos de idiomas pequeños con sólo el 25% del almacenamiento.Mínimo RAGEs un marco diseñado para la recuperación del conocimiento basada en la intención y alineada contextualmente.

GFM-RAG enEs un modelo de base gráfica para RAG.El RAGutiliza un gráfico Neural Retrieval para el razonamiento LLM.NodeaEs una variante de Graph RAG que utiliza gráficos heterogéneos con unidades semánticas finas, entidades, relaciones y resúmenes de alto nivel en lugar de gráficos homogéneos.SimplementeTransforma las consultas en patrones de grafo y las alinea con subgrafos candidatos utilizando una métrica de distancia semántica de grafo.

mmGráficoToca en datos no textuales como imágenes y audio.PatrocinadoReduce eficazmente la información redundante con el corte basado en el flujo, mientras guía a los LLM para generar respuestas más lógicas y coherentes con la solicitud basada en el camino.CDF-RAG enIterativamente refina las consultas, recupera gráficos causales estructurados y permite el razonamiento causal multi-hop a través de fuentes de conocimiento interconectadas.

aInformación sobre Graph RAGformaliza el flujo de trabajo de GraphRAG, presenta las tecnologías básicas y los métodos de formación en cada etapa, examina las tareas a continuación, los dominios de aplicación, las metodologías de evaluación y los casos de uso industrial y explora las direcciones de investigación futuras.

Paco NathanDesbloquea el gráfico en GraphRAG, deLetra, deJay YuyMay HabibBenchmark It, de Francois Vanderseypencomparte una visión general conceptual para construir soluciones robustasy aColección de pilas de gráficos RAG de código abierto para generar y visualizar gráficos de conocimiento.

Al final, puede serEl híbrido RAGenfoques que pueden resultar lo suficientemente flexibles como para adaptarse a diferentes escenarios. Para muchas aplicaciones, una combinación de métodos de recuperación, orquestada por un router inteligente,Puede proporcionar el mejor equilibrio de rendimiento y flexibilidad.

Nuevos motores de bases de datos gráficas, estandarización y rendimiento

Aunque Graph RAG ha sido un beneficio para los proveedores de bases de datos de gráficos, también es posibleImplementación de Graph RAG sin una base de datos de gráficosAgregar bases de datos de gráficos y gráficos de conocimiento en una categoría como el informe de Investigación y Mercados puede no ser algo con lo que todos estarán de acuerdo, pero es comprensible por qué las bases de datos de gráficos están marcadas como la mayor parte de esta categoría agregada.

Las bases de datos de gráficos han existido desde hace mucho tiempo. como todos los antagonistas de SQL, suLa utilidad a veces se cuestionaY ellos tienenUps y downs en términos de mindsharePero en general están en una trayectoria de crecimiento, con casos de uso cada vez más comprendidos, la estandarización y los recursos educativos que facilitan la adopción, y importantes nuevos desarrollos en el mercado.

En “Las bases de datos de gráficos después de 15 años: ¿a dónde van?Gábor Szárnyas resume la historia de los sistemas de bases de datos de gráficos, centrándose en sus principales categorías y casos de uso, y discute los principales desafíos que siguen obstaculizando la adopción de las bases de datos de gráficos, incluyendo un paisaje fragmentado y limitaciones de rendimiento.

Envuelve los recientes desarrollos positivos: (1) Avances en la normalización que llevaron a las lenguas ISO GQL y SQL/PGQ, (2) mejoras de rendimiento, (3) Una nueva generación de sistemas de bases de datos de gráficos de código abierto.Introducción y antecedentes en bases de datos gráficasLa historia de Joe DreyerGuía para la creación de bases de datos gráficas.

Hemos cubierto los desarrollos en la normalización en boletines anteriores. Keith Hare comparteEstado actual, y Alastair Green destacaNuevas características de GQLy el esfuerzo continuado para cerrar el “La brecha ontológica» yAlinear el vocabulario RDF y los esquemas LPGAlex Milowski también está trabajando enEsquemas y tipos de GQL.

Los proveedores de bases de datos de gráficos continúan evolucionandoGoogle entró en el mercado de bases de datos de gráficos con Spanner Graph, AWS tomó un paso más hacia la visión de One Graph para Neptune, y Neo4j lanzó nuevas características de auto-servicio y GenAI.Spanner Graph ya está en marcha, deNeo4j presenta Aura Graph Analytics, yAmazon Neptune impulsa las bases de conocimiento de Amazon Bedrock con Graph RAG.

Al mismo tiempo, también notamos la evolución en el rendimiento de la base de datos de gráficos, con nuevos proveedores y motores como:El Neo4j Bifrost, deInicio BARQ, deAeropuerto Graph, deDatos gráficos, deCuaderno, deKUZU, yHugeGrafía.

What if fitness wasn’t about following a strict routine—but about building a plan that works for YOU?

“Built To Last” no es sólo otro libro de fitness. Es una guía práctica y personalizable diseñada para ayudarle a crear un enfoque sostenible para la salud, el movimiento y la longevidad. Ya sea que esté comenzando su viaje o ajustando su rutina actual, este libro le da las herramientas para tomar el control de su aptitud – en sus términos.

Por qué Built To Last es diferente: A diferencia de otros libros de fitness que impulsan correcciones rápidas y regímenes extremos,Construido para el últimoSe basa en la ciencia real, los resultados reales y la sostenibilidad real.

Análisis y visualización de gráficos: roadmap, características y plataformas

¿Cómo podrían los futuros sistemas de procesamiento de gráficos ofrecer amplia escalabilidad, eficiencia y versátiles funcionalidades de consulta y análisis para satisfacer las diversas demandas de los escenarios del mundo real?Esta es la pregunta general que un panel de expertos se planteó para abordar en un panel de ACM Sigmod.Un mapa de ruta para Graph Analytics« . .

El análisis visual es un complemento natural para el análisis gráfico. El Grupo i2 publicó una lista deConsideraciones para la visualización y la analítica de gráficos de conocimiento, destacando Flexibilidad, Alineación Ontológica, Visualización, Estilización Dinámica, Agregación, Grupalización y Sumarización, Personalización, Semántica, Desduplicación y Resolución de Entidades, Linealización de Datos y soporte para Tipos Especiales.

G.V() es un cliente de base de datos de gráficos y una herramienta de visualización que comenzó con Gremlin y ahora tambiénSoporta Neo4j, Memgraph y Neptune Analytics. elRDF a Gephies una herramienta de código abierto para visualizar los gráficos de conocimiento RDF. Y un nuevo widget de código abierto yFiles hace que sea conveniente agregarVisualizaciones gráficas de consultas SPARQL a Jupyter Notebooks.

Modelos de fundación de gráficos, aplicaciones a escala, LLMs y gráficos

También tenemos nuevos desarrollos en el área de Graph AI, algunos de ellos desencadenados por la ola de LLM, algunos continuando la ola de innovación existente.La era de los modelos de la Fundación Graph ha comenzado, y proporciona algunos ejemplos de cómo uno puede usarlos ya hoy. caso en punto:AnyGraph, un modelo de fundación de gráficos en el salvaje.

Galíndez también advierte queEl aprendizaje de gráficos puede perder relevancia debido a los malos índices de referenciaMientras que un grupo de investigadores de Huawei e institutos de investigación exploran laFundamentos y fronteras de la teoría del aprendizaje gráficoSi desea alcanzar la velocidad con GNNs, esteIntroducción a las redes neuronales gráficasY esta lista dePapeles de lectura obligada en GNNsSerá de mano.

Investigadores de Amazon presentanGraphStorm, un framework de aprendizaje automático de gráficos de código abierto para aplicaciones industrialesque ha sido utilizado y desplegado para más de una docena de aplicaciones de la industria a escala de miles de millones. Snapchat también utiliza redes neuronales de gráficos a gran escala en la producción, aprovechando su propio marco de código abierto llamadoGiGL (Gigantesco Aprendizaje de Gráficos).

Bryan Perozzi de Google comparte cómoLos gráficos pueden ayudar a representar los datos estructurados para los LLM, cubriendo la codificación de gráficos, GraphTokens, el razonamiento de gráficos de Transformer, y el uso de gráficos para la generación de datos sintéticos.RDFGrafgenyEnlace.

En “Plan como un gráficoLos investigadores mejoran la ejecución de tareas de LLM descomponéndolas en sub-tareas que pueden ser resueltas por el LLM en paralelo o secuencialmente.Gráficoes un punto de referencia para la comprensión del gráfico y el razonamiento complejo en los LLM.

Bryan Perozzi también compartió el trabajo de su equipo enRazonamiento gráfico con LLMsy “Una encuesta de grandes modelos de lenguaje para gráficosintroduce una nueva taxonomía para categorizar los métodos existentes que combinan LLMs y GNNs.

Una forma diferente de mezclar gráficos y modelos de idiomas:Modelos de Lenguaje GráficoSon transformadores de gráficos, que permiten el razonamiento de gráficos.Al mismo tiempo, heredan y explotan los pesos del modelo de lenguaje, permitiéndoles representar y contextualizar tripletes en un gráfico de tripletes.Transformadores de gráficos relacionalesEs una nueva arquitectura que transforma la forma en que extraemos inteligencia de bases de datos relacionales.

Envuelve con un pensamiento - una pregunta provocadora, y una nueva forma de mirar los LLM:¿Qué pasa si tu LLM es un gráficoComo dijo Pierre-Carl Langlais enanálisis compartido por Petar Veličković, una vez que empieces a ver los LLMs como redes neuronales de grafo, muchas extrañezas estructurales de repente caen en su lugar.Diferencias entre los LLM y los gráficos del conocimiento.

This issue of the Year of the Graph is brought to you by G.V(), metaphacts, Connected Data London, and Built to Last.

Si desea ser presentado en una próxima edición y apoyar este trabajo,alcance fuera!