# gohel-knowledge-context-procedural-graph-2026-10-25

## Veille

Publicación de LinkedIn de **Rakesh Gohel** (constructor en **JUTEQ**, infraestructura de gobernanza y prueba para agentes) publicada alrededor del **25 de octubre de 2026**, ~250 palabras, acompañada de una **infografía** atribuida a *@rakeshgohel01*. Distingue tres grafos que un agente necesita para decidir, usando el ejemplo *"Reprogramar a este pasajero"*.

## Titre Article

Knowledge Graph. Context Graph. Procedural Graph. — What's true → What matters now → What do I do next

## Date

2026-10-25

## URL

https://www.linkedin.com/posts/rakeshgohel01_aiagents-agenticai-generativeai-activity-7520100714279239681-QgHj

## Keywords

knowledge graph, knowledge graph, context graph, context graph, procedural graph, procedural graph, ontología, Semantic Spine, agentes de IA, memoria del agente, subgrafo acotado a la decisión, acotación del contexto, procedimiento como grafo, triples procedimiento-relación-procedimiento, trazas de decisión, rastro de auditoría, escalamiento a humano, aprendizaje a partir de trazas, context engineering, gobernanza de agentes

## Authors

Rakesh Gohel — builder chez JUTEQ (gouvernance et infrastructure de preuve pour agents IA) ; LinkedIn, newsletter rakeshgohel.substack.com.

## Ton

Publicación educativa en formato LinkedIn: una pregunta inicial, tres flechas que despliegan un único ejemplo (la reprogramación de un pasajero de una aerolínea), una conclusión de una sola frase, y luego una pregunta de interacción dirigida al lector. El vocabulario es asertivo y no cita ninguna fuente; se trata de un marco conceptual, no de un informe de campo cuantificado. La infografía, densa y pulida, aporta parte del argumento ausente del texto (la ontología, la columna de funciones, el almacén *Trace & Learn*) y termina con una llamada a seguir al autor y su newsletter. El registro es el de un profesional que promociona una infraestructura de gobernanza de agentes, como indica el cargo que muestra en su perfil.

## Pense-betes

- **Tres preguntas por decisión**: verdadero (knowledge graph), relevante ahora (context graph), siguiente (procedural graph).
- **Knowledge graph**: hechos estables, *"memoria a escala de toda la empresa"*; nodos del ejemplo: Passenger, Aircraft, Fare, Flight, Route, Airport, Weather, Policy.
- **Context graph**: *"No recuperes todo. Acota el grafo a lo que esta decisión necesita."* Estado en vivo (Flight 34/185, Gate C8, 4 asientos restantes, 9 min para el cierre), contexto organizacional, historial de decisiones.
- **Procedural graph**: Check Availability → (si es necesario) Check Visa; → Compare Alternatives; *No Options* → Escalate to human; *Options Found* → Apply Fare Rules → Resolved. *"Guía el siguiente paso. No lo dicta."*
- **Agente**: razona sobre el grafo acotado, sigue la siguiente arista, se desvía *"cuando el grafo está equivocado"*.
- **Ciclo Trace & Learn** (infografía): Acción → almacenamiento de trazas de éxito y fracaso → retroalimentación al agente; las trazas actualizan el conocimiento, el contexto y el procedimiento.
- **Semantic Spine** (infografía, ausente del texto): Ontology (*qué son las cosas*) → Knowledge Graph (*qué es verdadero*) → Context Graph (*qué importa ahora*) → Procedural Graph (*qué hacer a continuación*) → AI Agent (*actuando, y devolviendo el resultado*).
- **Lección del autor**: acotar el grafo en cada paso, almacenar el procedimiento *"como un grafo en lugar de un prompt"*, registrar cada decisión como rastro de auditoría.
- Relacionado con [[kb-context-engineering]].

## RésuméDe400mots

Rakesh Gohel, quien está construyendo una infraestructura de gobernanza para agentes de IA en JUTEQ, sostiene que toda decisión que toma un agente descansa en tres preguntas: qué es verdadero, qué importa ahora, qué hacer a continuación. Un knowledge graph responde bien a la primera; cada una de las otras dos, en su opinión, merece su propio grafo.

Toma el ejemplo de una solicitud sencilla hecha a un agente de una aerolínea: reprogramar a un pasajero. El knowledge graph contiene lo que es verdadero a escala de toda la empresa: pasajeros, aeronaves, vuelos, tarifas, rutas, aeropuertos, clima, políticas, mantenido estable y gobernado. El context graph extrae de él un pequeño fragmento limitado a la decisión en cuestión: Gate C8, Flight 34/185, cuatro asientos restantes, nueve minutos antes del cierre, y cómo se han gestionado casos similares. La infografía resume este principio: no recuperar todo, acotar el grafo a lo que la decisión necesita.

El procedural graph almacena los procedimientos como triples procedimiento-relación-procedimiento. El agente pasa de verificar la disponibilidad a comparar alternativas y luego a la resolución, comprueba el visado si es necesario, aplica las reglas tarifarias cuando existen opciones, y escala a un humano cuando no las hay. El grafo guía el siguiente paso sin dictarlo: el agente razona sobre el contexto acotado, sigue la siguiente arista y conserva la libertad de desviarse de él si el grafo está equivocado.

Cada traza se vuelve a escribir en el sistema. Los precedentes refinan el contexto, las ejecuciones fallidas corrigen el procedimiento, y los patrones recurrentes se convierten en hechos gobernados. La infografía encarna este ciclo mediante un almacén "Trace & Learn" que recopila trazas de éxito y fracaso y actualiza el conocimiento, el contexto y el procedimiento.

Añade un elemento ausente del texto, el "Semantic Spine", una cadena de cinco eslabones: la ontología dice qué son las cosas, el knowledge graph qué es verdadero, el context graph qué importa ahora, el procedural graph qué hacer a continuación, y el agente actúa y vuelve a escribir el resultado.

La lección del autor se resume en tres instrucciones: acotar el grafo en cada paso, almacenar el procedimiento como un grafo en lugar de como un prompt, y registrar cada decisión, porque ese registro se convierte en el rastro de auditoría. La publicación termina preguntando al lector cuál de los tres grafos le falta a su agente.

## GrapheDeConnaissance

- Rakesh Gohel —travaille_chez→ JUTEQ (ORGANISATION, 0.9)
- Rakesh Gohel —a_créé→ Semantic Spine (CONCEPT, 0.85)
- Rakesh Gohel —affirme_que→ chaque décision d'agent dépend de trois questions : ce qui est vrai, ce qui compte maintenant, ce qu'il faut faire ensuite (AFFIRMATION, 0.95)
- Semantic Spine —utilise→ ontologie (CONCEPT, 0.9)
- Semantic Spine —utilise→ knowledge graph (TECHNOLOGIE, 0.92)
- Semantic Spine —utilise→ context graph (CONCEPT, 0.92)
- Semantic Spine —utilise→ procedural graph (CONCEPT, 0.92)
- context graph —est_basé_sur→ knowledge graph (TECHNOLOGIE, 0.9)
- context graph —est_basé_sur→ traces de décision (CONCEPT, 0.88)
- procedural graph —remplace→ procédure en prompt (CONCEPT, 0.85)
- procedural graph —permet→ escalade humaine (CONCEPT, 0.85)
- agents IA —utilise→ procedural graph (CONCEPT, 0.88)
- traces de décision —améliore→ procedural graph (CONCEPT, 0.88)
- traces de décision —permet→ piste d'audit (CONCEPT, 0.9)
- Rakesh Gohel —recommande→ scoper le graphe à chaque étape plutôt que tout récupérer (AFFIRMATION, 0.94)
- Rakesh Gohel —recommande→ stocker la procédure comme un graphe plutôt que comme un prompt et journaliser chaque décision (AFFIRMATION, 0.94)
- Rakesh Gohel —affirme_que→ le graphe procédural guide l'étape suivante sans la dicter ; l'agent s'en écarte quand le graphe est faux (AFFIRMATION, 0.9)

---
Canonical: https://www.thekb.eu/es/fiches/gohel-knowledge-context-procedural-graph-2026-10-25/