グラフデータベースがニッチからエンタープライズAIの知識層へ進化

生成AIが初期の実験段階を超えて成熟するにつれ、企業は大規模言語モデル（LLM）を信頼できるデータに結びつけるための共通アーキテクチャ、すなわち「エンタープライズ知識層」に収束しつつあります。Neo4jの最高技術責任者であるフィリップ・ラスル氏は、Neo4j GraphTalkイベントでtheCUBEのインタビューに応じ、ChatGPTのリリースから4年を経て、ほとんどの組織が場当たり的な実験を乗り越え、本番AIシステムのための共通語彙とアーキテクチャパターンを確立したと述べました。このシフトは、エンタープライズ知識層——組織のオントロジー、データ、エージェントメモリがモデルの外部に存在する基盤——をエンタープライズAIの議論の中心に据えています。

「エンタープライズ知識層は大きなトピックです」とラスル氏は言います。「GraphRAGは、LLMが知識グラフを呼び出すパターンを表しており、コンテキスト知識を外部化します。知識はモデルではなく、知識システムに存在します。これにより、より高い精度、説明可能性、ガバナンスが実現します。」

独立した研究がエンタープライズ知識層の有効性を裏付けています。英国国立イノベーション・データセンターは、エージェントの信頼性を向上させる2つの主要な技術を比較し、GraphRAGがベクトル検索のみを大幅に上回ることを発見しました。グラフベースのエージェントは「より真実性が高く」80%、回答できる質問数は2倍以上、トークン使用も効率的でした。

「お客様を通じて、GraphRAGが精度を向上させ、ガバナンスを提供し、説明可能性を改善するという多くのエビデンスを得てきました」とラスル氏は述べています。「しかし、世界クラスの学術機関が第三者として研究を行ってくれるのは非常にありがたいことです。その背後にある理由を理解できるからです。」

正確性は、システムが本番稼働に入ると直接経済効果に結びつきます。ラスル氏は、知識グラフが概念実証の停滞とシステムが測定可能な価値を提供するかの分岐点であることが多いと指摘します。最近の国税機関との協業は、データがテーブルに平坦化されるのではなくグラフとしてモデル化されると、価値がどれほど迅速に現れるかを示しています。

「概念実証開始から48時間で、1億ドル以上の税務詐欺を特定しました」とラスル氏。「一般化すれば、2次元のデータに制限されて歩き回っていたところに、データをグラフビューに持ち込むと、それまで単に見えなかったことが急に明白になるのです。」

Neo4jのグラフインテリジェンスプラットフォームは、AIエージェントと意思決定インテリジェンスのための接続組織として位置づけられています。同社は外部の検証を活用して自社の主張を強化しています。ラスル氏はtheCUBEのジョン・ファリアー氏と、GraphRAGの進化、グラフベース検索に関する独立研究、そしてエンタープライズ知識層の構造について議論しました。

（*開示：theCUBEはNeo4j GraphTalkイベントの有料メディアパートナーです。Neo4jや他のスポンサーは、theCUBEまたはSiliconANGLEのコンテンツに対する編集上の管理権を有しません。）

写真：SiliconANGLE