· AI Engineer World's Fair 2026
Ваше преимущество — модель данных
Your Moat Is Your Data Model
Устойчивое преимущество корпоративной AI-команды — граф знаний, в котором смоделированы процессы организации и неявные знания, а модели и чат-интерфейсы быстро становятся товаром.
- Иерархии финансирования и управления — финансирование моделируется как аддитивный DAG, управление как иерархия с прямым и косвенным подчинением. Производное ребро
Manages Invпредвычисляет агрегацию, и агент видит одну инвестицию с двух сторон. - Знания владельцев данных — поля, способы соединения таблиц и правила отчётности выясняют в разговоре с владельцами данных, и агент отвечает так, как на такой вопрос отвечали раньше. PII маскируется, права доступа проверяются для каждого пользователя.
- Eval от правил отчётности — тестовые вопросы строят вместе с владельцами данных по уровням сложности. LLM-as-a-judge измеряет pass@1 и стабильность ответов, а найденные пробелы возвращаются в доменные правила и описания схемы.
- MCP вместо собственного чата — граф через форк MCP-сервера Neo4j доступен в Claude и ChatGPT, где пользователи уже работают. По словам спикера, собственный UI не давал защитного преимущества.
Кому полезно: командам, которые строят агентов поверх разрозненных систем записи и хотят понять, как моделировать организационную логику в графе.
Статья по теме
Главы
Похожие доклады
Зачем мозгу агента нужен плейбук: практические преимущества онтологий
AI Engineer World's Fair 2025
Близко по содержанию
Практический GraphRAG: как сделать LLM умнее с помощью графов знаний
Stephen Chin, Jesús Barrasa, Michael Hunger
AI Engineer World's Fair 2025
Близко по содержанию
Тонкие агенты на умной основе: семантический слой на базе онтологии
AI Engineer World's Fair 2026
Близко по содержанию
Как закрепить Enterprise GenAI с помощью графов знаний
AI Engineer Summit 2025
Близко по содержанию

