Cos'è un knowledge graph e come aiuta l'AI
Un database classico ragiona per tabelle; un knowledge graph ragiona per collegamenti. È la struttura giusta quando le domande attraversano più passaggi: quali clienti sono toccati se un fornitore ritarda un componente? Seguendo i collegamenti la risposta esce precisa e spiegabile.
Con i modelli linguistici il grafo torna utile in due modi. L'AI può aiutare a costruirlo, estraendo entità e relazioni da documenti e mail. E il grafo può dare all'AI una mappa affidabile da cui rispondere, insieme o al posto della ricerca per somiglianza del RAG. Questa combinazione viene spesso chiamata GraphRAG.
Un esempio in una PMI
Un distributore di componenti elettronici collega in un grafo articoli, codici equivalenti, fornitori e clienti. Quando un fornitore annuncia la fine produzione di un chip, l'ufficio acquisti chiede all'assistente quali ordini aperti lo contengono e quali alternative compatibili sono a magazzino. Il grafo risponde seguendo i collegamenti, non indovinando.
Gli errori più comuni
- Costruire un grafo enorme prima di sapere a quali domande deve rispondere.
- Lasciare che l'AI estragga relazioni senza controllo: un collegamento sbagliato si propaga a tutte le risposte.
- Usarlo dove una tabella ben fatta basterebbe.
Perché ti interessa
Molte informazioni preziose di una PMI sono relazioni che stanno nella testa di poche persone: chi fornisce cosa, quale pezzo sostituisce quale. Un knowledge graph le rende esplicite e interrogabili, anche quando quelle persone sono in ferie.
Tutte le parole dell'AI spiegate semplici sono nel glossario.
Domande frequenti
Knowledge graph e database vettoriale sono alternativi?
No, spesso si combinano. Il database vettoriale trova testi simili per significato, il grafo segue relazioni precise. Insieme coprono domande diverse.
Serve un software particolare?
Esistono database a grafo dedicati, ma per partire basta una struttura semplice. Conta di più definire bene entità e relazioni.
Da leggere dopo
Cos'è il RAG: l'AI che risponde dai tuoi documenti
Il RAG (Retrieval Augmented Generation) è una tecnica in cui, prima di rispondere, l'AI cerca i passaggi utili nei tuoi documenti e li usa come base per la risposta.
GlossarioCos'è un database vettoriale e quando serve davvero
Un database vettoriale è un archivio fatto per conservare embedding e trovare in fretta quelli più vicini a una domanda, cioè i testi più simili per significato.
GlossarioCos'è una knowledge base e perché l'AI ne ha bisogno
Una knowledge base è l'insieme ordinato delle informazioni dell'azienda, come FAQ, procedure, schede prodotto e condizioni, da cui un assistente AI prende le risposte, tenuto aggiornato da un responsabile.
GlossarioCos'è l'estrazione dati dai documenti (IDP)
L'estrazione dati dai documenti, chiamata anche IDP, è l'uso dell'AI per leggere fatture, ordini, contratti o moduli e ricavarne i campi che servono, come fornitore, importi, date e codici, pronti da caricare in un gestionale. Unisce lettura del testo, comprensione e controlli.
GlossarioDati strutturati e non strutturati: la differenza
I dati strutturati sono organizzati in campi fissi, come le righe di un gestionale o di un foglio di calcolo. I dati non strutturati non hanno uno schema: mail, PDF, foto, registrazioni, chat. La maggior parte delle informazioni di un'azienda è non strutturata, ed è qui che l'AI aiuta di più.
Vuoi capire cosa serve davvero alla tua azienda, senza gergo? Parliamone.
Testi e grafica realizzati con il supporto dell'AI. Metodo e contenuti sono di AIR.