What are context graphs, what are they good for, and why are they dubbed AI’s trillion-dollar opportunity? What does context mean actually, and how can it be defined using graphs and ontologies? And how can different types of graphs and graph technologies power AI? Gartner destacó Data Management, Semantic Layers y GraphRAG como las principales tendencias en datos y análisis para 2026. las startups y las empresas actuales en el espacio de la tecnología gráfica están haciendo progresos, mientras que el gráfico se está convirtiendo en el segmento de mayor crecimiento en la investigación de IA. Se ha revelado un repositorio completo, actualizado, visualización y análisis de ofertas en todo el espacio de tecnología de gráficos. Las combinaciones nuevas y existentes de gráficos y IA se están utilizando para alimentar casos de uso como la productividad de la ingeniería de software y apoyar las necesidades empresariales a escala de Netflix. Los casos de uso, así como la investigación y el desarrollo en ontologías también están en aumento, incluyendo temas como la arquitectura empresarial, herramientas visuales y evaluación de calidad para el uso asistido por el LLM de ontologías. Y sin embargo, el tema más ampliamente discutido en el mundo de la tecnología de gráficos -y más allá- durante estos últimos meses ha sido los gráficos de contexto. En este número del Año del Gráfico, exploramos el progreso en Ontología, Semántica, Gráficos de Conocimiento, Bases de Datos de Gráficos y Análisis, y cómo estas tecnologías pueden ayudar a definir el contexto y impulsar la IA. Tabla de contenidos Introducción a los gráficos de contexto Más allá de los gráficos contextuales Ontologías, gráficos de contexto y capas semánticas: lo que la IA realmente necesita en 2026 Instrumentos y marcos de evaluación para Ontologías De la Generación Aumentada a la Generación Aumentada al Conocimiento Gráficos de conocimiento en ingeniería de software y arquitectura empresarial Investigación del gráfico del conocimiento, aplicaciones y mejores prácticas Conocimiento de herramientas y plataformas de gráficos El estado del mercado de la base de datos gráfica Graph Analytics y Actualizaciones de Graph AI This issue of the Year of the Graph is brought to you by [metaphacts](https://metaphacts.com/knowledge-driven-ai-whitepaper?mtm_campaign=Year%20of%20the %20Graph%20-%20March%202026&mtm_kwd=knowledge-driven-ai-whitepaper-landing-pa ge), , , , , and . Graphwise Connected Thinking Linkurious Process Tempo State of the Graph, Connected Data London, Pragmatic AI Training Gráfico Pensamiento conectado Linkón El tiempo del proceso El estado del gráfico, Conectados datos de Londres, Formación pragmática Si desea ser presentado en una próxima edición y apoyar este trabajo, ! alcance fuera Why Most Enterprise AI Strategies Fail Incluso a medida que aumenta la adopción de la IA, el 80% de las empresas no reportan ningún retorno en sus inversiones de IA, y el 42% terminan abandonando sus estrategias por completo.Al mismo tiempo, aquellos que se alejan de la IA corren el riesgo de acelerar su propia obsolescencia. Al emparejar los LLM con una capa simbólica, las empresas son capaces de aprovechar la IA y confiar en que sus resultados son contextualizados y explicables. Este whitepaper se sumerge en cómo los gráficos de conocimiento proporcionan la estructura necesaria y la base que carecen los LLM, permitiendo estrategias de IA escalables y prohibidas. Download the free whitepaper Descarga el whitepaper gratuito An Introduction to Context Graphs Introducción a los gráficos de contexto Las reglas dicen a un agente lo que debería ocurrir en general. Las huellas de decisión capturan lo que sucedió en casos específicos. Los agentes no solo necesitan reglas. Necesitan acceso a las huellas de decisión que muestran cómo se aplicaron las reglas en el pasado, dónde se concedieron excepciones, cómo se resolvieron los conflictos, quién aprobó qué y qué precedentes realmente gobiernan la realidad. Un gráfico de contexto es la estructura acumulada formada por esas huellas: no es “la cadena de pensamiento del modelo”, sino un registro vivo de huellas de decisión recubiertas por entidades y tiempo, por lo que el precedente se vuelve buscable. sucedió, pero para ocurrir. Qué Por qué se permitió Esto es cómo , alegando que serán el único activo más valioso para las empresas en la era de la IA, y una oportunidad de billones de dólares. Fundación Capital Jaya Gupta y Ashu Garg definieron gráficos de contexto de Gupta y Garg, así como de otros. Algunas personas, como Afraz Jaffri de Gartner, creen que Otros, como Andreas Blumauer de Graphwise, ver . usar el contexto como un adjetivo para describir un gráfico es redundante como un gráfico implica implicitamente el contexto gráficos de contexto como una evolución que se basa en gráficos de conocimiento, añadiendo tiempo y lineamiento de decisiones La distancia entre el registro de una decisión y la comprensión de su significado.Mientras que un gráfico de conocimiento define relaciones estáticas, un gráfico de contexto captura la realidad operativa: rastros de decisión, inteligencia temporal y lineamiento. Todd Blaschka identifica lo que él llama la brecha lógica en la narrativa gráfica contextual Cuando la arquitectura de IA carece de una base de conocimiento formal, se encuentran tres fallos críticos: crisis de identidad, juicio alucinado y rotura de contexto, observa Blaschka. , y . argumentando que el “grafo de contexto” es un rebranding Los gráficos contextuales son excelentes en teoría, pero requerirán sólidos fundamentos de gestión del conocimiento para convertirse en realidad. Transform Your AI With A Semantic Layer Las empresas están derramando millones de dólares en IA, pero sin la base adecuada, que las inversiones se mantienen. Graphwise proporciona el gráfico del conocimiento y la infraestructura de IA semántica que hacen que la IA empresarial esté lista para escalar, confiar y construir para realizar. Reconocido por Gartner, nombrado “Innovación de la Integración de Datos del Año” en el Data Breakthrough Awards 2025, y listado entre las 100 Empresas que importan de KMWorld, Graphwise es la solución más completa y validada de la industria. Get started with Graphwise today to make generative AI reliable and scalable for your business. Comience con Graphwise hoy para hacer que la IA generativa sea confiable y escalable para su negocio. Context Beyond Context Graphs Más allá de los gráficos contextuales Pero hay problemas aún más profundos con la forma en que se utiliza el “contexto”, Cuando una palabra se convierte en una unidad de facturación, el concepto asociado con la palabra puede perder significado rápidamente. ¿Estamos discutiendo el contexto relativo a tokens o contextos diseñados para la fiabilidad de la IA? ¿Es un gráfico? Un archivo de marcación? Un formato YAML o tablas de esquema? El talismán se expande Para aclarar las cosas, el Es el desarrollo de especificaciones, vocabularios y mejores prácticas para representar y resolver desequilibrios contextuales entre las representaciones del conocimiento global y los contextos de interpretación local en los sistemas de decisión y los flujos de trabajo humano-IA. Misión del Grupo Comunitario de Gráficos de Contexto del W3C Jason Stanley dice que . Los agentes de IA necesitan cinco gráficos, y nadie los tiene todos Los gráficos de seguridad mapean qué es explotable y cómo se ve el radio de explosión. Los gráficos de contexto capturan las trayectorias de decisión para que los agentes puedan actuar sobre el precedente. Los gráficos de acción modelan qué operaciones son legales en qué objetos bajo qué reglas. Los gráficos de conocimiento representan entidades y relaciones en toda la empresa. En términos más prácticos, Andrea Splendiani, Kurt Cagle, el equipo de Glean y Will Lyon comparten enfoques para implementar gráficos contextuales. y ofrecen alternativas basadas en RDF, mientras • El basándose en la premisa de que “ « . . espléndidos Cádiz Lyon trabaja con Neo4j El equipo de Glean comparte su arquitectura No se puede capturar de forma fiable el porqué; se puede capturar el cómo La tesis del gráfico de contexto también se convirtió en el plan para el desarrollo de la primera versión estable de . Semantica: un marco de código abierto para construir gráficos de contexto y capas de inteligencia de decisión para la IA Connected Thinking: From civilizational patterns to the next system Un viaje único de exploración, transformación, compañía y aterrizaje.Una serie de seminarios interactivos a pie, reavivando la tradición de la escuela peripatética de los pensadores antiguos en los tiempos meta-modernos. Modelos de civilizaciones: una introducción a la macrohistoria. La pulsación de la hipótesis de la comunidad: cómo la coordinación basada en la comunidad ha pulsado a través de la historia como una alternativa. P2P y el Commons: La lógica emergente de peer-to-peer como un modelo de coordinación post-hierarquista. El siguiente sistema: ¿Qué podemos saber? mapeando los contornos de lo que reemplaza la forma agotada. Learn more and apply here Aprende más y aplica aquí Ontologies, Context Graphs, and Semantic Layers: What AI Actually Needs in 2026 Ontologías, gráficos de contexto y capas semánticas: lo que la IA realmente necesita en 2026 Inevitablemente, la conversación en el gráfico de contexto también toca la ontología, en el sentido de capturar el contexto de una manera que tanto las personas como la IA puedan usar de manera confiable. , las ontologías de la entidad se resuelven en gran medida por los estándares existentes.El trabajo real no resuelto es la validez temporal, los rastros de decisión y la resolución de hechos. El Frame La conversación actual se ha cristalizado en torno a una dichotomía: ontologías prescritas vs. ontologías aprendidas. Lo que falta de este enmarcamiento es una tercera opción que se ha escondido en la vista: Adopta lo que existe. Aunque la ontología se considera parte de los fundamentos de los Sistemas de Información, con sus orígenes están en la filosofía.La entrada para Ofrece antecedentes y referencias. 2026 fue proclamado el año de la ontología. Ontología y Sistemas de Información en la Enciclopedia de Filosofía de Stanford En el año 2026, Años de empilado de tuberías sin preocuparnos por el significado nos llegaron aquí: los agentes fallan exactamente donde se suponía que vivía la comprensión semántica. « . . La ontología está en tendencia porque los agentes de IA han expuesto la brecha Propiedad de la Ontología o alquiler de su futuro Verhelst identifica cuatro lagunas de capacidad que hacen que la IA de agentes sea incontrolable y propone el enfoque de la Ontología mínima viable. . ¿Por qué la mayoría de las tablas no pueden gobernar lo que no pueden definir, y cómo solucionar esto con la semántica y la ontología? El mundo en general parece estar despertando a la importancia de la semántica y la ontología. , con Gartner afirma que . Gartner destaca la gestión de datos, las capas semánticas y el GraphRAG como las principales tendencias en datos y análisis para 2026 El enriquecimiento semántico reconocido como una capacidad clave de las plataformas de gestión de datos El presupuesto para las capacidades semánticas no es negociable Bill Inmon, ampliamente reconocido como el padre del almacén de datos, compartió su viaje hacia la semántica y la ontología también. , admitiendo que nunca quiso terminar con saber nada sobre la ontología; fue la ontología la que lo encontró. Algunas perspectivas sobre la ontología Inmon y Talisman siguieron con , donde exploran lo que las ontologías parecen, cómo están estructuradas y cuáles son sus características y estructuras definidoras.Para personas atraídas a la ontología por la conversación sobre AI, gráficos de contexto y capas semánticas, Talisman . La anatomía de una ontología explora su relación y qué necesita la IA en 2026 The shortest path between you and graph insights La visualización gráfica y la analítica se han vuelto mucho más fáciles!Introducción Una solución en línea que trae poderosa exploración de gráficos a cualquier persona, desde un navegador. Nuevas versiones de Linkurious Enterprise Cloud Cree una cuenta, conecte su base de datos de gráficos, comience la exploración de sus datos, colabore con sus compañeros de equipo y comparta sus resultados, todo antes del almuerzo. ¿Qué más? • Compatibilidad con bases de datos gráficas líderes • Cero barreras de TI o tareas de infraestructura • Planes flexibles que se adapten a sus necesidades La forma más rápida de comenzar un proyecto de gráfico hoy - y la forma más fácil de escalarlo mañana. 30 días de prueba gratuita. Inscríbete ahora Tooling and Evaluation Frameworks for Ontologies Instrumentos y marcos de evaluación para Ontologías Para los no expertos, cuando se trata de implementar artefactos semánticos como las ontologías, Incluso cuando la gente entiende por qué la IA depende de la semántica y obtiene el buy-in, Anna Bergevin argumenta que las herramientas y los procesos son insuficientes para resolver este problema. El trabajo semántico puede necesitar su momento de Figma Bergevin señala que actualmente, las herramientas de semántica se construyen para expertos, no para comenzar. Ella identifica una brecha en el mercado, y cree que la historia de éxito paralela de cómo el diseño se democratizó sin socavar la experiencia puede ser instructiva. Athanassios Hatzis inició una conversación sobre herramientas para visualizar ontologías, que pronto Steve Hedden compartió Nuevas herramientas para el trabajo de modelado semántico como , de , y están apareciendo, mientras que otros como . ampliado para incluir editores de ontología una lista de herramientas gratuitas de visualización de RDF y ontología de código abierto Términos OntoBoom Encuentro Gra.fo se retira Algunas personas pueden estar tentadas a Pero Frédéric Verhelst y Joe Hoeller advierten contra No obstante, como la mayoría de los profesionales, los ingenieros del conocimiento pueden beneficiarse de usar los LLM con cuidado para ayudar en su trabajo. Obtenga LLMs para escribir su ontología Ciegamente confiando en las ontologías de LLM a fue presentado por Liber AI. Se han desarrollado más criterios para la evaluación de las ontologías generadas por LLM, y . marco y referencia para la construcción de ontología orientada a código abierto LLM para gráficos de conocimiento empresarial una como una colaboración entre LettrIA y EURECOM Un estudio realizado por investigadores de universidades alemanas y británicas Las ontologías son artefactos de conocimiento, pero también son artefactos de software. Como cualquier software, su calidad debe medirse de una manera sistemática y operativa. “, Jesús Barrasa de Neo4j y Alexander Erdl revisaron algunos artículos sobre este tema y implementaron algunas de las ideas que encontraron. Evaluar la calidad de las ontologías Process Tempo is the missing layer every graph stack needs Construido para acelerar el diseño, el desarrollo y la implementación de aplicaciones basadas en gráficos, Process Tempo transforma sus ideas en soluciones listas para la producción más rápidamente. Ya sea que esté construyendo gráficos de conocimiento empresarial o plataformas de inteligencia de datos, Process Tempo proporciona la velocidad, estructura y flexibilidad necesarias para llevar sus ideas conectadas a la vida. Learn More Aprender más From Retrieval Augmented Generation to Knowledge Augmented Generation De la Generación Aumentada a la Generación Aumentada al Conocimiento El uso de la ontología en la Generación Aumentada de Recuperación (RAG) también está ganando tracción.Sergey Vasiliev etiqueta esta familia de enfoques En lugar de simplemente mejorar la recuperación, el objetivo es integrar un gráfico de conocimiento como un substrato de razonamiento. En este punto de vista, el gráfico no es simplemente un índice de retriever, sino una columna vertebral semántica. KAG: Generación aumentada del conocimiento En “ “Un equipo de Graphwise muestra cómo un gráfico de conocimiento basado en ontología aumenta la precisión de Q&A multi-hop de un sistema de GraphRAG sin esquemas líder. Mejorar HippoRAG con semántica basada en grafo RAG estándar basado en vectores, GraphRAG, y la recuperación de gráficos de conocimiento construidos a partir de ontologías derivadas de bases de datos relacionales o corpora textual.Los resultados muestran que los gráficos de conocimiento orientados por ontología que incorporan información de pedazos logran un rendimiento competitivo con marcos de última generación. La investigación de Granter comparó una variedad de enfoques Eso no quiere decir que otros enfoques de RAG y GraphRAG hayan desaparecido. Raphaël MANSUY Como preámbulo a la introducción . Por qué el RAG clásico no funciona y qué hacer al respecto EdgeQuake: un framework de código abierto de alto rendimiento Graph-RAG en Rust Y Graphcore Research publicó . MegaRAG crea gráficos de conocimiento automáticamente a partir de documentos visuales UltRAG: una receta escalable universal para el gráfico de conocimiento RAG Un grupo de investigadores chinos publicó Una encuesta sistemática de GraphRAG, con formalización de flujo de trabajo, tareas a continuación, dominios de aplicación, metodologías de evaluación, casos de uso industrial y un repositorio de código abierto. Desarrollo de la Generación Aumentada de Graph Retrieval Google Publicado Este tutorial práctico demuestra cómo crear agentes inteligentes que entienden el contexto de los datos a través de las relaciones de gráficos y proporcionan respuestas a consultas altamente precisas. Una guía para construir agentes GraphRAG con el Kit de Desarrollo de Agentes de Google Steve Hedden explora Él señala que RAG puede haber sido necesario para la primera ola de IA empresarial, pero está evolucionando a algo más grande.Alex Gilmore de Neo4j escribió , elaborando cuándo y cómo implementar Text2Cypher en aplicaciones de agencia. el surgimiento de la ingeniería contextual y las capas semánticas para la IA Agentic Guía de Text2Cypher State of the Graph Un repositorio completo, actualizado, visualización y análisis de ofertas en todo el espacio de la tecnología gráfica. • Profesionales de tecnología que exploran herramientas de gráficos, plataformas y arquitecturas • Analistas e inversores que siguen las tendencias del mercado • Vendedores y constructores que buscan un mapa claro e inclusivo para posicionar sus innovaciones Learn more Aprender más Knowledge Graphs in Software Engineering and Enterprise Architecture Gráficos de conocimiento en ingeniería de software y arquitectura empresarial Bala Adithya Malaraju estaba tratando de aplicar una arquitectura GraphRAG a su base de código, pero corrió contra problemas. La idea central es simple: en lugar de dejar que un LLM descubra su ontología desde cero, lo define usted mismo. Deje de permitir que los LLM construyan sus gráficos de conocimiento Esta es solo una aplicación de gráficos de conocimiento y ontología en el dominio que probablemente está viendo el mayor impacto de la IA: la ingeniería de software. Uso de y el gdotv. Evalúa el RAG orientado a la base de códigos a través del análisis de Knowledge Graph Código gráfico-RAG convierte un repositorio en un gráfico de conocimiento basado en AST directamente en el navegador. convierte las sesiones de codificación de IA dispersas en un gráfico de conocimiento cuestionable. crea una representación unificada y de alta fidelidad para la codificación asistida por IA. GitNexus Sesión gráfica Planificación del repositorio Graph Encoder ofrece inteligencia de código semántico a través de gráficos de conocimiento RDF. Crea un gráfico de conocimiento local para Claude Code. descompone grandes PRs en un gráfico acíclico dirigido de pequeños PRs empacados revisables, y . Repolex Revisión de gráficos PR compartido gitCGR visualiza instantáneamente cualquier repo de GitHub como un gráfico Pero en última instancia, la ingeniería de software es sólo una parte de la arquitectura empresarial. ¿Y si la ontología pudiera revitalizar la arquitectura empresarial? Esta es la pregunta que conduce a la conversión de Alberto D. Mendoza Frameworks de arquitectura empresarial como TOGAF, DoDAF y FEAF han utilizado durante mucho tiempo ArchiMate: un lenguaje de modelado gráfico abierto, neutral y estandarizado utilizado para describir, analizar y visualizar arquitecturas. ArchiMate 3.2 a una Ontología de RDF El problema es que después de que se creen diagramas de ArchiMate, se aplananan, se guardan como un PDF, y el conocimiento que tomó tanto tiempo para recopilar se congela. Los elementos podrían almacenarse en un modelo que es gobernado, referenciado y evoluciona con el tiempo en lugar de recrearse desde cero.Pero las herramientas de EA almacenan esta información en tablas relacionales, por lo que EA se convierte en un obstáculo.Los gráficos son la corrección obvia.RDF/OWL fue diseñado para una rica representación del conocimiento, por lo que esto parece una coincidencia natural. Connected Data London 2026 10 años conectando datos, personas e ideas William Tunstall-Pedoe, el pionero de Amazon Alexa Malcolm Hawker – líder de pensamiento, CDO Profisee Juan Sequeda – Investigador Fundamental Principal, ServiceNow 🔹 Jessica Talisman – Semantic Architect, Founder of The Ontology Pipeline Book Now Libro ahora Knowledge Graph Research, Applications and Best Practices Investigación del gráfico del conocimiento, aplicaciones y mejores prácticas Al igual que la ingeniería de software es un dominio de aplicaciones premium para los gráficos de conocimiento, el gráfico está surgiendo como el segmento de mayor crecimiento en la investigación de IA. . El gráfico fue una parte importante de NeurIPS 2025, significando su creciente importancia y cuota de mercado. Los hallazgos de Dan McGrath refuerzan esto. Los resultados muestran una clara aceleración, con un punto de inflexión en 2024, cuando el gráfico se convirtió en el segmento de mayor crecimiento en la investigación de IA. McGrath siguió el crecimiento bruto de la investigación relacionada con el gráfico frente a la línea de partida de todos los artículos de IA desde 2023 hasta el presente Las aplicaciones del mundo real también abundan, como se muestra en Juan Sequeda Una conferencia de gráficos de conocimiento en la que cada conversación viene de empresas, no de vendedores, no de POCs. Despliegue de producción real con arquitecturas maduras y roles y procesos bien pensados. Informe de viaje Connected Data Londres 2025 Sequeda ha sido un constructor de gráficos de conocimiento y defensor durante décadas. Y él será . 20 lecciones de 20 años de construcción de ontologías y gráficos de conocimiento Volver a Connected Data Londres 2026 como parte de una línea inicial que también incluye a William Tunstall-Pedoe, Malcolm Hawker y Jessica Talisman Veronika Heimsbakk escribió una serie de publicaciones para Dejar de lado la motivación - Ellos elaboran en , de y comparte una guía de traducción - . Ingenieros de datos que buscan comprender los gráficos del conocimiento ¿Por qué debes preocuparte por los gráficos de conocimiento? Ingeniería de Datos Ontología Algunas ideas básicas sobre la lógica SPARQL para desarrolladores SQL Ashleigh Faith también tiene décadas de experiencia modelando gráficos de conocimiento y ontología. Mientras que sus consejos tienen un fuerte enfoque en los modelos de gráficos basados en RDF, los principios son lo suficientemente profundos como para ser útiles para casi cualquier proyecto de modelado de datos de gráficos. Top 10 consejos de modelado para ontología y gráficos El debate entre los modelos de datos de gráficos RDF y Labeled Property Graph (LPG) está en curso. analizar las relaciones entre ellos, argumentando que . explica Property Graph y LPG como modelos semánticos estructurales y aplicados, pone RDF en su papel como un marco semántico general RDF es un modelo de representación del conocimiento y LPG es la infraestructura de decisión Niklas Emegård comparte a Y Pieter Colpaert argumenta que - Evitar quedarse atrapado en tomar decisiones de compromisos y tener que esperar al consenso. hack de no-ontología para mostrar que no necesita pasar semanas modelando datos para comenzar a construir un gráfico de conocimiento de RDF La posible interoperabilidad Pragmatic AI Training De la alfabetización de datos a la ciencia de datos y la IA pragmática Para aquellos que quieren comprender los primeros principios de la IA, y aprender a usarlo para obtener resultados. • Creado a través de una amplia experiencia • Diseñado para profesionales ocupados • Validado por líderes mundiales • Entrega en el sitio Learn More Aprender más Knowledge Graph Tools and Platforms Conocimiento de herramientas y plataformas de gráficos Si está buscando herramientas y plataformas de gráficos de conocimiento que puede usar, hay algunos recursos para ayudar allí también. Transforma los documentos en conocimientos estructurados, extrayendo entidades, relaciones y temas. es una biblioteca de Python para la fácil manipulación con los gráficos del conocimiento. Es un marco para transformar datos tabulares y jerárquicos en gráficos de propiedades e ingerirlos en bases de datos de gráficos. Hombres Kit de herramientas de gráficos de conocimiento (KGTK) Gráfico El es un repositorio completo, actualizado, de visualización y análisis de ofertas en todo el espacio de la tecnología gráfica. Reúne plataformas dedicadas, proveedores de infraestructuras y herramientas de búsqueda y gestión centradas en el conocimiento para que pueda ver quién está haciendo qué, dónde se superponen y dónde difieren. Estado del gráfico Catálogo del Graph Knowledge Graph Creado por Steve Hedden Ítalo Oliveira Y Michael Hoogkamer creó . Open Knowledge Graphs – un motor de búsqueda para ontologías, vocabularios controlados y herramientas web semánticas una lista corta de modelos conceptuales y herramientas de datos vinculados Una taxonomía interactiva de los conceptos de modelado semántico Las taxonomías pueden ser consideradas como pilares para las ontologías y los gráficos del conocimiento. Heather Hedden compartió sus ideas sobre y y Kurt Cagle muestra cómo . ¿Qué taxonomías no son Fuentes taxonómicas Uso de taxonomías públicas Yumiko Saito reflexiona sobre ello.Kurt Cagle explora . Los taxónomos tienen un papel en el nuevo mundo de la IA generativa Cómo hacer que las taxonomías (y los gráficos de conocimiento en general) sean más amigables para los LLM Para utilizar LLMs con gráficos de conocimiento, : una metodología integral que introduce una arquitectura modular de cuatro etapas que unifica a más de 40 sistemas existentes de Graph RAG bajo un formalismo común, a , y el . Fanghua (Joshua) Yu propone el Modelo Generativo del Conocimiento (GenKM) Operador algebra Ciclo de vida de GenKG para la gobernanza del conocimiento de extremo a extremo The State of the Graph Database Market El estado del mercado de la base de datos gráfica El , con más competencia entre los proveedores y más opciones para los usuarios. Es un intento de presentar el mercado en una vista única, estructurada e incluyente de los proveedores, con el objetivo de permitir a los usuarios ver cómo las bases de datos de gráficos se comparan entre diferentes características. El mercado de bases de datos gráficas está creciendo Estado del catálogo gráfico de bases de datos de gráficos Hay más de 50 bases de datos de gráficos enumeradas en el catálogo del Estado del gráfico. Pero Jason Saltzman, Jefe de Insights en CB Insights, A medida que esto sucede, el mercado se vuelve mucho menos perdonador. observa que, al igual que la infraestructura en la nube antes de ella, las bases de datos se están moviendo de la amplia experimentación a la estandarización en torno a algunas cargas de trabajo críticas Saltzman llama a Neo4j, señalando que su impulso refleja la escala y la defensibilidad: $ 200M ARR, 84% de penetración de Fortune 100, y la adopción acelerada de GraphRAG, contribuyendo a una de las más altas probabilidades de IPO de las pistas de CB Insights. Sudhir Hasbe, Neo4j CPO, elabora sobre , y comparte un mapa de ruta para 2026. Notablemente, esto incluye “Ontologies como un ciudadano de primera clase”: una herramienta de modelado independiente de primer nivel con un repositorio de muestras específicas de casos de uso y ejecución de esquemas de gráficos nativos. . La evolución arquitectónica de Neo4j en 2025 Neo4j introduces support for schema as a preview feature Hemos visto movilidad en el paisaje de la base de datos de gráficos, con nuevos proveedores y lanzamientos. , una edición de código abierto de su base de datos gráfica de alto rendimiento. , combinando gráficos de conocimiento, incorporaciones vectoriales y razonamiento neurosimbólico. , implementando tuberías sofisticadas como consultas de bases de datos atómicas. TuringDB lanza la versión de la comunidad AllegroGraph lanza la versión 8.5 Memgraph lanza Atomic GraphRAG Pipelines , mejorando la estabilidad, el rendimiento y las herramientas, la experiencia del desarrollador y la construcción de agentes de IA, mientras que también . el y agregó soporte multi-escritor concurrente. SurrealDB lanza la versión 3.0 Aumentar la extensión de $ 23M Series A Vela Partners lanza un nuevo fork de KuzuDB , creando una brecha en el ecosistema de la base de datos de gráficos. Además de las forcas de KuzuDB, es una nueva base de datos de gráficos incorporados construida en Rust. es otra base de datos de gráficos distribuidos escrita en Rust, que recientemente lanzó v0.6.1. KuzuDB fue adquirida por Apple Gráfico Samyama Tanto Grafeo como Samyama destacan Los resultados. el , anteriormente conocido como el Linked Data Benchmark Council (LDBC), es una organización sin fines de lucro que define los gráficos estándar de referencia y fomenta una comunidad en torno a las tecnologías de procesamiento de gráficos. Benchmarks de LDBC Consejo de Datos de Graph (GDC) Hay más referencias y actualizaciones para el ecosistema Gremlin. es una implementación basada en Gremlin de la Trabajo de trabajo. es una herramienta de benchmarking diseñada para bases de datos de gráficos basadas en Apache TinkerPop. . LDBC SNB Interactive para TinkerPop LDBC Benchmark de Redes Sociales (SNB) Interactive v1 TinkerBench Se publica la segunda edición de Practical Gremlin: An Apache TinkerPop Tutorial Graph Analytics and Graph AI Updates Graph Analytics y Actualizaciones de Graph AI Se prevé que el mercado de Graph Analytics crezca de 2.41 mil millones de dólares en 2025 a 2.92 mil millones de dólares en 2026 (21.61% CAGR), en camino a llegar a 9.49 mil millones de dólares en 2032. ofrece un único punto de acceso para navegar, comparar y seleccionar herramientas de análisis de gráficos que se adapten a sus necesidades. Catálogo de estado del gráfico para análisis de gráficos Una entrada notable en el mercado de análisis de gráficos es Google BigQuery Graph. , permite a los usuarios realizar consultas a escala, unificar datos y visualizar insights, mientras que soporta el lenguaje de consultas de gráficos (GQL). BigQuery Graph, actualmente en previsión privada Netflix también aprovecha la analítica gráfica.El equipo compartió y El siguiente paso fue el . Cómo y por qué Netflix construyó un gráfico distribuido en tiempo real Cómo crear una abstracción de gráficos de alto rendimiento Evolución de la IA de la búsqueda de gráficos en Netflix, pasando de consultas estructuradas a lenguaje natural ClickHouse y PuppyGraph presentan el , consultando relaciones directamente en los datos existentes sin ETL a una base de datos de gráficos. . Concepto de gráfico de LakeHouse: análisis de gráficos de copia cero DuckDB también ofrece análisis de gráficos ahora a través de Onager es una biblioteca de ciencia de datos de gráficos para Rust. proporciona estructuras de datos comunes y algoritmos para analizar redes del mundo real, como redes sociales, de transporte y biológicas. El blog Neo4j ofrece antecedentes y ejemplos de algunos de los algoritmos de análisis de gráficos más comunes. , de , y . La grafía Luján Jacquard Páginas Graph AI está siendo redefinido por el advenimiento de la memoria gráfica para los agentes de IA”. Cognee, un motor de memoria de IA de código abierto que convierte los datos en un gráfico de conocimiento vivo, . Memoria de agentes basada en gráficos: taxonomía, técnicas y aplicaciones Recogió $ 7.5M de financiación de semillas para construir memoria para agentes de IA Himanshu jha elabora un paralelo entre cómo los transformadores cambiaron la modelización de secuencias y cómo los transformadores de gráficos podrían estar cambiando el aprendizaje de gráficos, el enmarcado . El cambio de GNNs a Transformers de gráficos a través de la lente de la revolución de Transformers GraphBench estándariza la evaluación, y incluye un marco unificado de ajuste de hiperparámetros, y proporciona bases sólidas con modelos de transmisión de mensajes y transformadores de gráficos de última generación y código fácil de conectar y jugar. El Graphbench Graph Billion-Foundation-Fusion (GraphBFF) es la primera receta de construcción (GFMs) para gráficos heterogéneos arbitrarios a escala de miles de millones de dólares.Centro de la receta es el Transformer GraphBFF, una arquitectura flexible y escalable diseñada para GFMs prácticos a escala de miles de millones de dólares. Millones de parámetros de Graph Foundation Models Suscríbete al año de la Newsletter de Graph Mantener un seguimiento de todas las cosas Gráfico Año tras año. Gráfico de conocimiento, bases de datos de gráficos, análisis, IA, ciencia de datos Suscríbete al año de la Newsletter de Graph Suscríbete al año de la Newsletter de Graph Mantener un seguimiento de todas las cosas Gráfico Año tras año. Gráfico de conocimiento, bases de datos de gráficos, análisis, IA, ciencia de datos
