Una consulta en un buscador web (Google, Bing) ofrece un vasto volumen de información que, a modo de ventana de conocimiento, va más allá de la consulta e incluye conexiones, temáticas y conceptos vinculados la misma. Este entramado de datos es posible gracias a la inteligencia de los algoritmos, a la tecnología y al modelo de organización de la información de estos servicios web.

Este modelo de estructuración y almacenamiento de datos se fundamenta en los grafos de conocimiento que, a modo de enciclopedia, presenta un diseño comprensible para los humanos e interpretable por un software de gestión del conocimiento. En un grafo, los objetos se representan mediante nodos y sus relaciones mediante líneas, siguiendo un patrón reticular.

Los grafos resultan útiles cuando los datos presentan muchas relaciones relevantes. Son ampliamente utilizados en redes sociales (Facebook, Twitter), aplicaciones semánticas (Alexa, Google Home, Siri) o para el cálculo de rutas sobre mapas (Google Maps, Waze). Desde la perspectiva empresarial, los grafos facilitan la toma de decisiones de negocio. Por ejemplo, en los servicios de asistencia técnica, partiendo de la gestión previa de incidencias, se recuperan registros de problemas similares, alternativas de soluciones y documentación asociada, para ofrecer una resolución más rápida y eficiente.

La NASA dispone de una base de datos de lecciones aprendidas (NASA Lessons Learned) con cientos de millones de documentos, publicaciones científicas e informes médicos que, al estar muy parcelada entre departamentos, dificulta su utilización interna. Para romper estos silos informacionales y mejorar el rendimiento de las consultas, ha añadido una “capa superior”, por medio de bases de datos en grafo.

Un desafío similar es el que enfrenta el GDELT Project, que recopila noticias de medios de comunicación a escala internacional para saber qué está pasando en cada momento por todo el mundo. Para ello, aplica un grafo de datos abiertos en tiempo real (GDELT Global Knowledge Graph) que recoge los acontecimientos, los agentes implicados y las opiniones de la población.

El proyecto NELL (Never-Ending Language Learner), impulsado por la Carnegie Mellon University, pretende poner a punto un sistema autodidacta capaz de leer y entender la web a partir del escaneado de páginas en internet, utilizando grafos para diseñar sistemas informáticos que entiendan mejor la semántica humana.

Las soluciones basadas en grafos de conocimiento también se aplican a los datos comerciales y financieros. Por ejemplo, el proyecto europeo euBusinessGraph posee información detallada de organizaciones empresariales para plantear servicios avanzados de analítica de datos. Asimismo, la empresa Refinitiv trabaja con un grafo de conocimiento alimentado con indicadores de los mercados financieros, a fin de que sus clientes puedan tomar decisiones ágiles combinando la propia información interna de la que disponen con estos recursos adicionales.

Artículo redactado por Javier Sánchez Lacuesta , director del IBV y publicado en el Suplemento Innovadores por el diario Levante el domingo 05/01/2020.