context graph

Gate C8, volo 34/185, quattro posti rimasti, nove minuti prima che la porta si chiuda: questo è lo scenario che Rakesh Gohel chiama context graph. Gohel, che costruisce infrastrutture di governance per agenti AI presso JUTEQ, lo separa dal knowledge graph, che contiene ciò che è vero a livello aziendale (passeggeri, aeromobili, voli, tariffe, rotte, aeroporti, meteo, politiche) e viene mantenuto stabile e governato. Il context graph estrae solo ciò di cui ha bisogno la decisione in corso, incluso il modo in cui casi simili sono stati gestiti in precedenza. La sua indicazione è di definire l'ambito del grafo a ogni passaggio, piuttosto che recuperare tutto.

Jaya Gupta e Ashu Garg di Foundation Capital arrivano al medesimo oggetto dal lato del software enterprise. Individuano un livello mancante al di sotto degli agenti AI: le tracce decisionali, le eccezioni, le deroghe, i precedenti e il contesto cross-sistema che oggi vivono su Slack, nelle conversazioni dei deal desk, nelle chiamate di escalation e nella memoria dei dipendenti. Accumulate, queste tracce formano un context graph, un registro vivo delle decisioni collegate tra entità e nel tempo, dove il precedente diventa interrogabile. Sostengono che gli operatori storici non possano costruirlo. Salesforce memorizza lo stato attuale, non lo stato al momento della decisione. Snowflake riceve i dati tramite ETL dopo che le decisioni sono state prese, perdendo il contesto decisionale.

Le due note convergono su una ricollocazione del sistema di registrazione, dall'oggetto di business alla decisione. L'infografica di Gohel posiziona il context graph al terzo posto in una "Semantic Spine" di cinque anelli, tra il knowledge graph e il procedural graph. Gupta e Garg lasciano aperta la questione di quali startup finiranno per possedere quel livello.