Graf wiedzy korporacyjnej

Semantyczna sieć wiedzy organizacyjnej reprezentująca encje i relacje jako graf — dostępna dla agentów AI, pozwalająca na odpowiedzi uwzględniające kontekst i powiązania, nie tylko izolowane fakty z dokumentów. Microsoft Graph jako gotowy knowledge graph dla ekosystemu M365.

W Polsce nazywane też:

graf wiedzy enterpriseknowledge graph firmasemantyczna baza wiedzyMicrosoft Graph knowledge

SharePoint pełen dokumentów to biblioteka. Przydatna, ale nieustrukturyzowana — wiesz że wiedza jest „gdzieś tam” ale relacje między informacjami są niejawne.

Knowledge graph to sieć — węzły to encje (klienci, produkty, projekty, osoby, koncepcje) a krawędzie to relacje między nimi. „Klient X kupił produkt Y przez projekt Z który prowadził pracownik W.” Nie tylko fakty, ale połączenia między faktami.

Agent zasilany knowledge graph nie tylko wie co — wie też jak poszczególne rzeczy są ze sobą powiązane.

Czym jest knowledge graph enterprise

Knowledge graph enterprise to semantyczna sieć wiedzy organizacyjnej — reprezentująca encje (klientów, produkty, projekty, pracowników, koncepcje) i relacje między nimi jako graf — dostępna dla agentów AI przez interfejs zapytań, pozwalająca na odpowiedzi które uwzględniają kontekst i powiązania, nie tylko izolowane fakty z dokumentów.

Knowledge graph vs RAG

RAG pobiera relevantne fragmenty dokumentów do kontekstu agenta — dobre dla pytań o konkretne fakty zawarte w dokumentach. Knowledge graph dostarcza ustrukturyzowanych relacji między encjami — dobre dla pytań o powiązania i kontekst.

„Jaka jest procedura zatwierdzania faktur?” → RAG (dokument z procedurą)
„Kto z działu X ma uprawnienia do zatwierdzania faktur powyżej 50k i jakie projekty aktualnie prowadzi?” → knowledge graph (relacje między pracownikami, uprawnieniami i projektami)

Najlepsze systemy enterprise RAG łączą oba podejścia — dokumenty przez RAG i relacje przez knowledge graph, agent decyduje które źródło odpytać dla danego pytania.

Microsoft Graph jako enterprise knowledge graph

Microsoft Graph jest de facto knowledge graphem dla organizacji korzystających z M365 — reprezentuje relacje między użytkownikami, dokumentami, mailami, spotkaniami, Teams i aplikacjami Microsoft. Copilot for M365 korzysta z Microsoft Graph do odpowiadania na pytania wymagające kontekstu relacyjnego.

Dla organizacji poza ekosystemem Microsoft: Neo4j, Amazon Neptune, Google Cloud Spanner Graph — dedykowane bazy grafowe dla enterprise knowledge graphs.

Budowanie knowledge graph

Knowledge graph nie buduje się raz — rośnie organicznie gdy systemy są integrowane. Każda nowa integracja (CRM, ERP, HRMS, ticketing) dodaje nowe węzły i krawędzie. Automatyczna ekstrakcja relacji z dokumentów przez NLP uzupełnia strukturę o wiedzę nieustrukturyzowaną.

Wyzwanie: enterprise knowledge graph wymaga data governance żeby był wartościowy. Niespójne nazwy encji („Jan Kowalski”, „J. Kowalski”, „jkowalski@firma.pl” — ta sama osoba?), duplikaty, przestarzałe relacje — to wszystko degraduje jakość odpowiedzi agenta.

Powiązane pojęcia

Encyjne SEOOptymalizacja obecności online pod kątem bycia rozpoznaną encją w grafach wiedzy wyszukiwarek i modeli AI — przez dane strukturalne (Person, Organization schema), obecność w Wikidata i budowanie wyraźnej tożsamości semantycznej. AI cytuje encje z kontekstem, nie anonimowe URL-e.Korporacyjny RAGRAG dostosowany do środowiska korporacyjnego — z kontrolą dostępu na poziomie dokumentu (agent widzi tylko to do czego użytkownik ma uprawnienia), obsługą wielu źródeł (SharePoint, SAP, Salesforce), audytem retrieval i skalą enterprise.M365 jako środowisko agentoweKoncepcja opisująca jak Microsoft 365 — Teams, Outlook, SharePoint, Word, Excel — staje się środowiskiem w którym agenty AI działają jako wbudowani asystenci z dostępem do danych korporacyjnych przez Microsoft Graph i mogą wykonywać akcje bezpośrednio w aplikacjach codziennej pracy.SharePoint jako baza wiedzyModel w którym SharePoint Online staje się źródłem wiedzy korporacyjnej dla agentów AI — przez indeksowanie przez Azure AI Search i Microsoft Graph — pozwalając agentom odpowiadać na pytania o polityki i procedury z danych które pozostają w środowisku korporacyjnym.RAGRetrieval-Augmented Generation — technika wzbogacania odpowiedzi modelu AI o dane pobrane w czasie rzeczywistym ze stron WWW lub baz wiedzy, zamiast polegania wyłącznie na wiedzy z treningu.