Todo mundo está criando um grafo de contexto

Os fornecedores de IA empresarial chegaram a um nome para o que seus agentes precisam. A Day AI chama seu produto de “o grafo de contexto e plano de controle de agentes”. A AlphaSense construiu seu agente SuperAnalyst sobre o que chama de Context Graph. O Google diz que o Workspace Intelligence transforma o e-mail, o chat e os arquivos de uma empresa em um grafo de conhecimento. Snowflake e Databricks constroem modelos semânticos e catálogos para o mesmo propósito.

Eles estão certos. Um agente de IA só é tão útil quanto as informações que tem sobre sua empresa, e essas informações funcionam melhor estruturadas, ligadas às fontes de onde vieram, e compartilhadas pelas pessoas e agentes que as usam.

O que cada fornecedor constrói

A AlphaSense lançou o SuperAnalyst, um agente sempre ativo para pesquisa e monitoramento de mercado, em junho. Seu CTO, Raj Neervannan, descreveu o Context Graph por trás dele em julho. A AlphaSense o constrói a partir de documentos, registros regulatórios, pesquisas de corretoras e chamadas com especialistas, além de “conteúdo corporativo como memorandos de investimento, apresentações para o conselho e notas de reunião.” Um modelo extrai fatos e relações de cada fonte, e um segundo modelo verifica a extração contra o mesmo material. Toda afirmação cita sua fonte, e a AlphaSense registra a data de cada relação, de modo que “o que era verdade no segundo trimestre não é presumido verdadeiro no quarto.”

O Google anunciou o Workspace Intelligence em abril. O Google diz que ele “transforma seus e-mails, chats e arquivos dispersos em um grafo de conhecimento coeso.” Escrevi sobre como o Google combina esse grafo com uma memória pessoal no Gemini Enterprise.

A Day AI constrói seu grafo a partir de conversas. Ela chama o grafo de Customer Memory, “uma ontologia otimizada para LLM construída a partir da ingestão automaticamente permissionada do e-mail, calendário, reuniões e Slack da sua equipe.” A Day AI diz que “todo agente, em toda equipe, lê e escreve no mesmo grafo de contexto multiplayer,” que cada agente responde a uma pessoa, e que nada sai sem a aprovação dessa pessoa.

Então todos os três concordam que um grafo deve ser estruturado, ligado às suas fontes e compartilhado. Eles divergem no que alimenta o grafo: a AlphaSense lê documentos, o Google lê o Workspace de uma empresa, e a Day AI lê as conversas de uma equipe de go-to-market. A Meta segue uma quarta via, e faz sua IA de negócios aprender com as conversas de uma empresa com seus clientes.

Uma mudança enviada em um e-mail

Imagine que o gerente de contas a pagar da Acme, um dos seus clientes, escreve ao gerente de contas responsável pela Acme: “A partir de 1º de novembro, favor faturar para Acme Holdings em vez de Acme Inc., e enviar as faturas para ap@acmeholdings.com.” O gerente de contas responde “Entendido, obrigado” e segue em frente.

Um grafo de contexto construído a partir do e-mail desse gerente de contas bem pode capturar a mudança, ligada ao e-mail de onde veio. No dia 1º de novembro, porém, alguém do financeiro envia as faturas pelo sistema de cobrança como faz todo mês. Nada avisa essa pessoa para perguntar se a Acme mudou seus dados de faturamento, e a fatura vai para a Acme Inc. no endereço antigo.

Fatos também mudam nas fontes da AlphaSense, mas uma empresa que muda de nome ou de auditor anuncia isso em um registro público que qualquer um que acompanhe a empresa pode encontrar. A Acme anunciou sua mudança em um e-mail, para uma pessoa, e algumas das pessoas que precisam agir sobre isso talvez nunca vejam a conversa. Alguém pode consultar o grafo e encontrar o que o gerente de contas a pagar da Acme disse e para quem disse, mas só depois de pensar em perguntar, e só se o grafo tiver o que uma única pessoa ficou sabendo.

Conhecido por uma só pessoa

A pesquisa da Panopto com 1.001 adultos nos EUA concluiu que 42% do conhecimento institucional é exclusivo da pessoa que o detém. Depois daquele e-mail, os novos dados de faturamento da Acme são um exemplo desse tipo de conhecimento: o gerente de contas sabe, mas o financeiro não.

Um grafo que agentes e pessoas consultam resolve o problema de encontrar a resposta. A mudança da Acme precisa de algo que leia a mensagem em nome da equipe, perceba que ela pede uma mudança em como a Acme é faturada, e proponha as atualizações nos sistemas com os quais a equipe trabalha: uma tarefa para o financeiro antes da remessa de novembro, e uma atualização da página da Acme em um Brain compartilhado com os novos dados de faturamento, cada uma ligada ao e-mail. Quem é responsável pela conta confirma essas atualizações, e a partir daí o grafo, a remessa de faturas e as pessoas que enviam faturas têm a mesma resposta.

Essa é a camada que estamos construindo na this+that. O DoBox lê as mensagens que uma empresa já recebe pelos Gmail, Outlook, Slack, Microsoft Teams e Google Chat, as transforma em tarefas e as direciona a um Workflow ou a uma pessoa. Contatos mantém as pessoas dessas mensagens atualizadas por conta própria. Nosso Brain guarda o que a empresa sabe, mantido atualizado hoje por Workflows que escrevem de volta nele enquanto rodam, com uma pessoa aprovando ou editando cada atualização. Estamos construindo rumo a um Brain que mantém a maior parte de si mesmo atualizada a partir do fluxo de mensagens por meio de um único Workflow de manutenção, e essa parte ainda não está pronta.

Teste com as mensagens do mês passado. Escolha uma mudança que um cliente enviou em um e-mail, como um novo contato de faturamento ou um novo endereço de entrega, e verifique se todos que agem sobre ela ficaram sabendo sem precisar perguntar. Se não, veja como o DoBox pode ajudar.