Grafo de conocimiento de McKinsey conecta datos e IA

La mayoría de las empresas guarda sus datos en grandes bases de datos relacionales. Estos sistemas gestionan bien las transacciones, pero cojean a la hora de explicar cómo se relacionan entre sí un cliente, un producto y un proceso. McKinsey & Company sostiene que los grafos de conocimiento pueden cubrir ese hueco y aportar a la IA empresarial el contexto de negocio que a menudo le falta.

James Kaplan, socio distinguido de McKinsey, defendió esta idea en una entrevista con John Furrier, de theCUBE Research. La conversación formaba parte de la serie theCUBE + NYSE Wired: AI Luminaries en theCUBE, el estudio de retransmisiones en directo de SiliconANGLE Media. Neo4j, una empresa de bases de datos de grafos, patrocinó la cobertura del evento por parte de theCUBE. SiliconANGLE asegura que los patrocinadores no tienen ningún control editorial sobre sus contenidos.

Una tecnología que ya usamos a diario

Según Kaplan, los grafos ya son familiares para la mayoría de la gente, aunque no los reconozca. LinkedIn, Wikipedia y las redes sociales funcionan sobre estructuras de grafos. En su opinión, las tecnológicas de consumo vieron el valor de este enfoque antes que la mayoría de las empresas.

Kaplan contrapuso los grafos a las bases de datos relacionales de las que dependen casi todas las compañías. Esas bases de datos son "estupendas si estás procesando datos transaccionales", afirmó, pero "mucho menos buenas con datos ambiguos o complicados". Un grafo es "mucho más intuitivo", según Kaplan, porque describe las cosas a través de sus vínculos con otras cosas. Puede tratarse de un cliente, un producto, un proceso o un único paso dentro de un proceso.

Convertir datos desordenados en reglas

El gran cambio, explicó Kaplan, está en lo que la IA puede hacer ahora con la información no estructurada. Antes, dar una estructura útil a documentos y registros dispersos exigía el trabajo de analistas de negocio o científicos de datos. Era una tarea lenta y cara, y los resultados solían ser imperfectos.

Ahora, según Kaplan, la IA puede examinar procesos complejos y generar reglas de negocio deterministas de forma programática. Puede tomar "datos desordenados, sin correlacionar y no estructurados" y convertirlos en datos estructurados, que a menudo se almacenan en un grafo. "Eso abre fronteras completamente nuevas", señaló.

También defendió que deben ser las prioridades de negocio las que decidan adónde van esas mejoras de la IA. Puso como ejemplo una empresa que orienta sus avances en IA a la experiencia de cliente en lugar de a la productividad. El valor del grafo, dijo, crece con sus conexiones: "Cuanto más ricas sean las interconexiones entre los nodos, más inteligencia hay en el grafo y más cosas puedes determinar".

Así funciona EcliptOS

McKinsey aplica este planteamiento en EcliptOS, lo que la consultora denomina un sistema operativo de IA. Su objetivo declarado es conectar la estrategia de la alta dirección con la ejecución del día a día mediante flujos de trabajo agénticos, es decir, agentes de IA que llevan a cabo tareas de varios pasos. Se apoya en una capa semántica de datos, que organiza los datos junto con las relaciones entre ellos, y esa capa da soporte a aplicaciones de IA generativa.

Kaplan describió el resultado como "un grafo de bases de datos". Según explicó, los grafos tienen esquemas de datos más flexibles que los sistemas tradicionales. Esa flexibilidad facilita construir un grafo virtual que abarque muchas bases de datos independientes sin fusionarlas en una sola. Lo calificó de "increíblemente potente".

Nuestra opinión

La entrevista replantea un viejo problema de datos en clave de IA. Las empresas acumulan enormes cantidades de información en sistemas separados, y los modelos de IA solo pueden razonar sobre el contexto que reciben. El argumento de Kaplan es que buena parte del significado reside en las relaciones entre los datos, y que los grafos mantienen esas relaciones al alcance del modelo.

Esto encaja con una tendencia más amplia en el software empresarial. Los proveedores presentan cada vez más los agentes como una capa que se sitúa por encima de las aplicaciones existentes, como hace SAP con Joule como capa de trabajo agéntica y Google Cloud con su asistente único Gemini Agent. El "grafo de bases de datos" de McKinsey apunta al mismo objetivo desde el lado de los datos: conectar lo que ya existe en lugar de sustituirlo.

Conviene que el lector tenga presente el contexto. Se trataba de una serie de entrevistas patrocinada, y el patrocinador del evento vende tecnología de grafos. La fuente no ofrece cifras sobre la adopción, el coste o los resultados de EcliptOS, así que las afirmaciones siguen siendo la visión de una consultora, no pruebas medidas.

Habrá que ver si las "reglas de negocio deterministas" generadas por IA se sostienen en la práctica. Las reglas extraídas de forma automática a partir de datos desordenados quizá sigan necesitando revisión humana antes de que los agentes actúen en base a ellas. Quedan otras dos preguntas abiertas: cómo gobiernan las empresas un grafo virtual que abarca muchas bases de datos y si el foco en la experiencia de cliente que describió Kaplan se refleja en implantaciones reales.