知識グラフアーキテクチャが企業にAIが生み出す知性の所有権をもたらす

知識グラフアーキテクチャは学術研究の段階から生産インフラの段階へと進化し、それを正しく構築する企業は自らのAIが生み出す知性を所有することになる。これがThumos Careの創業者兼コンテキストアーキテクトであるShan Rizvi氏が、依然としてAIの検索を単なる情報検索の問題として扱う実務者に投げかける中心的な主張である。

Rizvi氏は、検索拡張生成（RAG）はテキストの断片を見つけることはできるが、推論を行ったり、決定をエビデンスに遡って追跡したり、時間をかけて知識を蓄積したりすることはできないと指摘する。この違いを理解する組織とそうでない組織の間の溝は、エージェント時代の競争上の重要な分断線の一つになるだろう。

実際の事例として、Rizvi氏はトラック部品のメンテナンス向けAIを構築するスタートアップを挙げた。複数の基準を同時に満たすメーカーが製造する特定部品の代替品をすべて見つける必要があるシステムでは、検索では数百万のSKUにわたる大規模な関係パスの追跡が困難だが、知識グラフはそれをネイティブに処理し、最適な答えが見つかるまで異なるパスを再帰的に探索できる。これは人間の推論の仕方を模倣しており、従来の情報検索のエンジニアリングとは異なる。

本番環境での展開において最も重要な考慮事項はレイテンシである。Rizvi氏は、Thumos CareでNeo4jを使用して医療知識グラフ（疾患、症状、薬剤、臨床ガイダンスを大規模に接続）を構築した経験から、すべてのグラフデータベースプラットフォームが数百万ノードを信頼性高く処理できるわけではないことを指摘した。再帰的推論は必要な場合にのみ使用し、単純なクエリにはより高速なシングルホップ検索を用いることで、本番環境での応答時間を実用的に保つべきである。

データインフラに関して、Rizvi氏はグラフに何を含め、何を含めないべきかを明確に線引きした。頻繁に変更されるデータを持つ構造化された従来型データベースは、元のシステムに残し、そのオントロジー構造のみをグラフで表現することで、エージェントがいつ何をクエリすべきかを認識できるようにすべきである。Slackのスレッドや会議の書き起こし、チャットログなどの非構造化データソースは、グラフに直接抽出して取り込む方が適しており、文脈上の意味を保持し、時間の経過とともにドメインエンティティにリンクできる。

「知性エコシステムの一部を所有したいなら、その部分はデータではなく知性として見られなければならない」とRizvi氏は述べる。「ドメイン、知識、認知、意思決定のためのオントロジーが必要だ。これらのコンポーネントがあれば、モデルは使用頻度が増すほど向上し、その価値を所有することになる。」