Knowledge Graph aziendale: quando il grafo diventa il cuore del workflow Agentic AI

Ho incontrato questo tipo di persistenza fin dall’inizio della mia carriera, lavorando ad un recommendation system basato su ML tradizionale. Oggi la utilizziamo come knowledge graph aziendale alla base di un workflow agentico.

Col tempo ho imparato ad apprezzare il fatto che coniuga i punti di forza dei DB relazionali e NoSQL: da un lato permette di modellare le relazioni in modo flessibile, dall’altro consente di memorizzare anche dati non strutturati in forma schema optional, che ne favorisce l'evolvibilità nel tempo.  
In questo modo si possono navigare relazioni anche molto complesse in maniera efficiente, evitando join ripetute o la necessità di denormalizzare i dati a priori.

L’idea è nata dal cliente, che vedeva le potenzialità di questa tecnologia e stava cercando un partner tecnologico per implementarla e adottarla. Abbiamo lavorato insieme alla definizione delle ontologie e integrato dati e informazioni presenti su diversi sistemi aziendali tramite l'implementazione di data pipeline AWS Batch, utilizzando un approccio che abbiamo definito ETLL+E (Extract, Transform, Load, Link + Embedding). Questo consente di accedere al knowledge graph tramite ricerche ibride, sfruttando relazioni, metadati e semantica, rendendolo fruibile all’interno del nostro sistema di agenti.