A Neo4j anunciou hoje o Neo4j Context Engine, um produto desenvolvido para fornecer aos agentes de IA uma camada de conhecimento compartilhada e reutilizável para raciocinar sobre dados corporativos. O problema que ele visa solucionar é um que a maioria das implementações de agentes enfrenta logo no início: um agente não sabe o que “cliente”, “conta”, “fornecedor” ou “risco” significam dentro de uma determinada empresa, porque esse significado está disperso em bancos de dados, aplicativos, documentação e implementações individuais de IA. O Context Engine já está disponível para empresas, e a Neo4j está aceitando inscrições de parceiros de design.
“Modelar relacionamentos e ser capaz de mostrar exatamente por que e como esses relacionamentos existem é absolutamente essencial para resolver o problema do contexto para IA. Todas as outras opções são paliativos e se tornam ineficazes à medida que os agentes de IA crescem em complexidade e em seus requisitos de acesso ao sistema”, disse Sudhir Hasbe, presidente de tecnologia e diretor de produtos da Neo4j.
Ontologia de negócios de 6 camadas
O Context Engine se baseia em um modelo gráfico predefinido de 6 camadas que mapeia uma organização, seus processos de negócios, seus dados e seus ativos de IA no Neo4j. O Neo4j construiu o modelo a partir de padrões encontrados em centenas de implementações de clientes corporativos. A ontologia conecta fontes de dados físicas diretamente à lógica de negócios, permitindo que a IA e outros sistemas tomem decisões com o contexto adequado, servindo tanto para o trabalho de arquitetura em tempo de projeto quanto para a execução em tempo de execução.
O componente Context Build and Runtime constrói a ontologia a partir de fontes de dados existentes, como Databricks e Snowflake, e a expõe a camadas de orquestração de IA que controlam agentes guiados por processos ou agentes de análise conversacional. As equipes criam e operam a camada semântica por meio de execução headless, ferramentas de linha de comando ou pacotes Python. Ele funciona em diversas plataformas de dados, catálogos de dados e sistemas de armazenamento corporativos existentes, possui gerenciamento de mudanças integrado e usa os retrievers do GraphRAG para extrair o contexto da camada semântica.
Camada de Governança e Memória Persistente do Context Studio
O Context Studio é o plano de controle da ontologia. Ele oferece às equipes um local centralizado para gerenciar e monitorar o ambiente, um construtor visual para a ontologia de negócios e os fluxos de trabalho executados nela, além de ferramentas de configuração para agentes de IA, servidores do Protocolo de Contexto de Modelo (MCP) e ferramentas de desenvolvimento.
A Memória de Contexto é uma camada de memória nativa de grafos que fornece aos agentes memória persistente e estruturada em curto e longo prazo, além de memória de raciocínio, juntamente com a destilação de habilidades. Ela registra o raciocínio e os caminhos operacionais dos agentes como um registro permanente da experiência empresarial, executa algoritmos de grafos sobre interações passadas para condensar eventos repetidos em conhecimento reutilizável e retroalimenta o que aprende no sistema central para aprimorar o raciocínio e a precisão dos agentes ao longo do tempo.
A Neo4j estrutura o lançamento em torno de um terceiro consumidor de dados corporativos. Os humanos compreendem as relações entre os dados de forma intuitiva e institucional, e os aplicativos fazem o mesmo por meio de lógica codificada. Os agentes de IA são o terceiro consumidor, e o argumento da empresa é que inferir relações já não é suficiente à medida que os casos de uso de agentes se tornam mais complexos; as relações precisam ser representadas explicitamente, que é o que um grafo faz nativamente.
Amazon