Đồ thị ngữ cảnh là gì và tại sao chúng lại quan trọng đối với AI doanh nghiệp

Trang chủ » Python » Đồ thị ngữ cảnh là gì và tại sao chúng lại quan trọng đối với AI doanh nghiệp

Đồ thị ngữ cảnh đang nhanh chóng trở thành một trong những ý tưởng được bàn luận nhiều nhất trong lĩnh vực trí tuệ nhân tạo doanh nghiệp.Và điều đó hoàn toàn có lý: chúng hứa hẹn sẽ cung cấp cho các tác nhân AI yếu tố còn thiếu để hoạt động đáng tin cậy trong các quy trình kinh doanh thực tế — ngữ cảnh thực tế, có thể truy vấn về cách các quyết định thực sự được đưa ra theo thời gian. Trong khi các hệ thống ghi chép truyền thống cho bạn biết điều gì đã xảy ra, biểu đồ ngữ cảnh nhằm mục đích nắm bắt câu chuyện phong phú hơn về cách thức và lý do tại sao nó xảy ra, trên nhiều yếu tố như con người, công cụ và chính sách.

Đồng thời, ngày càng có nhiều người hoài nghi một cách lành mạnh về sự cường điệu hóa này.Một số chuyên gia cho rằng biểu đồ ngữ cảnh nhầm lẫn giữa dữ liệu quyết định thô với kiến ​​thức tổ chức thực sự, hoặc đơn giản là quá khó xây dựng trong bối cảnh hiện nay của hầu hết các công ty. Hiểu được sự mâu thuẫn này — lời hứa trị giá hàng nghìn tỷ đô la so với thực tế phức tạp — là điều cần thiết nếu bạn muốn tìm hiểu xem liệu biểu đồ ngữ cảnh có nên nằm trong kế hoạch phát triển của mình ngay bây giờ, sau này, hay thậm chí là không bao giờ.

Đồ thị ngữ cảnh là gì (và không phải là gì)

Về bản chất, đồ thị ngữ cảnh là những biểu diễn dạng đồ thị của các quyết định và ngữ cảnh xung quanh chúng.Hầu hết các hệ thống doanh nghiệp — CRM, ERP, HRIS, ITSM — đều ghi lại một cách trung thực các kết quả: một khoản giảm giá đã được phê duyệt, một hóa đơn đã được thanh toán, một yêu cầu bồi thường đã bị từ chối, một ứng viên đã được tuyển dụng. Điều mà chúng hiếm khi lưu trữ là chuỗi lập luận dẫn đến những kết quả đó: những dữ liệu đầu vào nào đã được kiểm tra, những chính sách nào đã được xem xét, những ngoại lệ nào đã được yêu cầu, ai đã ký duyệt, theo thứ tự nào và với lý do gì.

Foundation Capital định nghĩa biểu đồ ngữ cảnh như một "bản ghi sống động về các dấu vết quyết định được kết nối giữa các thực thể và theo thời gian, nhờ đó tiền lệ trở nên dễ tìm kiếm".Một bản ghi quyết định không chỉ đơn thuần là một dòng nhật ký; nó là một bản ghi có cấu trúc về cách bối cảnh tình huống chuyển thành hành động. Cụ thể, một bản ghi duy nhất có thể bao gồm các dữ kiện được thu thập từ các hệ thống khác nhau, phiên bản chính xác của chính sách được áp dụng, bất kỳ ngoại lệ nào được viện dẫn, các phê duyệt được thu thập kèm theo dấu thời gian và kênh, các thay đổi được ghi lại vào hệ thống lưu trữ và kết quả cuối cùng.

Điều này khiến biểu đồ ngữ cảnh về cơ bản khác biệt so với chuỗi suy nghĩ riêng tư của mô hình.Chuỗi suy nghĩ là quá trình lập luận nội tại, nhất thời bên trong một hệ thống quản lý ngôn ngữ (LLM) cho một truy vấn duy nhất; đồ thị ngữ cảnh là một bộ nhớ bên ngoài, bền vững, trên toàn tổ chức về cách các quyết định thực sự được thực thi trong thế giới thực. Nó cũng không chỉ đơn thuần là lịch sử trò chuyện, vốn mang tính tuyến tính và tập trung vào người dùng. Đồ thị ngữ cảnh được thiết kế cho các mối quan hệ nhiều-nhiều giữa khách hàng, phiếu yêu cầu, chính sách, người phê duyệt, thời gian và công cụ.

Điều quan trọng cần lưu ý là, đồ thị ngữ cảnh không chỉ đơn thuần là "một cơ sở dữ liệu vectơ" hay "một đồ thị tri thức".Vector rất tốt cho việc tìm kiếm sự tương đồng ngữ nghĩa mờ — “tìm cho tôi những đoạn văn tương tự như đoạn này” — nhưng chúng không mã hóa một cách tự nhiên nguồn gốc, thời gian hoặc các mối quan hệ rõ ràng như “ngoại lệ đối với”, “được phê duyệt bởi” hoặc “thay thế”. Mặt khác, đồ thị tri thức thường tập trung vào các thực thể và mối quan hệ tương đối tĩnh (khách hàng, sản phẩm, địa điểm, chính sách). Hầu hết các triển khai đồ thị tri thức đều dừng lại ở việc mô hình hóa toàn bộ đường dẫn thực thi quy trình làm việc và dòng dõi quyết định giúp cho các hành động có thể kiểm toán và phát lại được.

Mô hình tư duy đúng đắn là đồ thị ngữ cảnh là một bộ nhớ có dạng đồ thị về các quyết định cộng với ngữ cảnh.Nó coi chuỗi quyết định — ai, cái gì, khi nào, tại sao và theo tiền lệ nào — là dữ liệu hạng nhất, chứ không phải là điều được ghi chép lại rồi chôn vùi trong nhật ký, các cuộc trò chuyện trên Slack, hay hồi ức của mọi người.

Đồ thị ngữ cảnh như không gian vấn đề có cấu trúc dành cho các tác nhân AI

Ngoài vai trò là bộ nhớ doanh nghiệp, đồ thị ngữ cảnh còn có thể được xem như bản đồ của các không gian vấn đề phức tạp mà các tác nhân AI có thể điều hướng.Trong một số khuôn khổ tác nhân, đồ thị ngữ cảnh được mô tả là một trong những thành phần điều phối cốt lõi: chúng mã hóa "hình dạng" của một vấn đề — ranh giới của nó, các đường dẫn giải pháp điển hình, các điểm quyết định quan trọng, cơ hội để suy ngẫm và các ngõ cụt đã biết. Thay vì một sơ đồ khối cứng nhắc, bạn sẽ có một trường tôpô kết hợp cấu trúc với tính linh hoạt.

Quan điểm tôpô này rất quan trọng vì nó cho phép các tác nhân thực hiện suy luận lượng tử hóa với điểm số độ tin cậy rõ ràng.Thay vì đưa ra một câu trả lời duy nhất, tác nhân di chuyển qua các trạng thái suy luận riêng biệt hay còn gọi là "lượng tử", đánh giá ở mỗi bước mức độ tự tin, nhánh nào nên chọn tiếp theo và liệu vấn đề hiện tại có thể giải quyết được với ngữ cảnh hiện có hay không. Điều này thường được mô tả là suy luận nhận thức entropy: trong các vùng có độ chắc chắn cao của đồ thị, tác nhân hoạt động một cách xác định; trong các vùng không rõ ràng hơn, nó khám phá nhiều hơn và dựa vào danh tính, trực giác hoặc các công cụ bên ngoài.

Các chuyên gia con người luôn hoạt động một cách ngầm định trong không gian có cấu trúc nhưng vẫn linh hoạt như vậy.Ví dụ, một bác sĩ lâm sàng cấp cao không tuân theo một sơ đồ chẩn đoán cứng nhắc duy nhất; họ nhận ra các mô hình, biết đâu là những điểm quyết định có rủi ro cao, khi nào cần tạm dừng và suy ngẫm, và khi nào một trường hợp đang chuyển sang ranh giới giữa hướng dẫn và phán đoán. Đồ thị ngữ cảnh cố gắng làm cho kiến ​​thức cấu trúc ngầm định đó trở nên rõ ràng và có thể đọc được bằng máy, để các tác nhân có thể điều hướng nó một cách thông minh thay vì ảo tưởng về một quy trình mỗi lần.

Trên thực tế, điều này có nghĩa là mã hóa không chỉ những bước nào có thể thực hiện được, mà còn cả những chuyển đổi nào là điển hình, những chuyển đổi nào hiếm gặp nhưng được cho phép và những chuyển đổi nào bị cấm.Theo thời gian, khi các dấu vết quyết định tích lũy, biểu đồ ngữ cảnh có thể được tinh chỉnh: các đường dẫn ngoại lệ mới xuất hiện, các mẫu bị lỗi được loại bỏ và các tuyến đường tốt hơn được ưu tiên. Điều này biến biểu đồ thành một mô hình thế giới sống động về cách thức tổ chức thực sự giải quyết các vấn đề lặp đi lặp lại của mình.

Từ các phác đồ lâm sàng và quy trình chuẩn đến các dịch vụ dễ điều hướng

Một trong những ứng dụng thiết thực nhất của đồ thị ngữ cảnh là trong các lĩnh vực có cấu trúc chặt chẽ như chăm sóc sức khỏe và các dịch vụ đòi hỏi quy trình phức tạp khác.Hãy nghĩ về các phác đồ lâm sàng, quy trình phân loại bệnh nhân hoặc các chương trình quản lý chăm sóc liên tục: trên giấy tờ, chúng là những tài liệu dài, tĩnh; trên thực tế, các bác sĩ lâm sàng liên tục điều chỉnh chúng cho phù hợp với bệnh nhân thực tế có bệnh lý đi kèm, thiếu dữ liệu hoặc biểu hiện không điển hình. Đồ thị ngữ cảnh có thể biến các phác đồ này thành các cấu trúc có thể điều hướng, trong đó mọi bước, nhánh và ngoại lệ đều được mô hình hóa một cách rõ ràng.

Thay vì một bản hướng dẫn PDF mà người dùng phải tự mình diễn giải, bạn sẽ nhận được một bản thiết kế dịch vụ mà nhân viên có thể dễ dàng thao tác.Đồ thị này mã hóa các thành phần cốt lõi của việc cung cấp dịch vụ — tiếp nhận, phân loại, chẩn đoán, lựa chọn điều trị, theo dõi, leo thang, lập hồ sơ, lập kế hoạch xuất viện, theo dõi sau điều trị, v.v. Mỗi nút có thể đại diện cho một trạng thái hành động (làm điều gì đó), một trạng thái quyết định (chọn một hướng đi) hoặc một trạng thái suy ngẫm (đánh giá xem bạn có còn đang đi đúng hướng hay không).

Điều này cho phép các tác nhân AI cung cấp dịch vụ chăm sóc nhất quán cao trong khi vẫn thích ứng với bối cảnh cụ thể của từng bệnh nhân.Ví dụ, trong việc định liều thuốc có rủi ro cao, biểu đồ ngữ cảnh có thể tạo ra một vi lộ trình chặt chẽ, có độ nhiễu thấp và rất ít chỗ cho sự ứng biến. Ngược lại, trong các cuộc trò chuyện trị liệu hoặc huấn luyện, cùng một biểu đồ đó có thể mở ra các vùng có mật độ thấp hơn, nơi người tham gia có nhiều tự do hơn trong cách đặt câu hỏi hoặc khám phá các chủ đề, miễn là tuân thủ các giới hạn cho phép.

Điều quan trọng là, đồ thị ngữ cảnh giúp thu hẹp khoảng cách giữa giao thức tĩnh và thực tiễn năng động.Họ có thể ghi lại cách các bác sĩ thực sự đi chệch khỏi quy trình "lý tưởng", những trường hợp ngoại lệ nào thường xuyên và an toàn, trường hợp nào dẫn đến các vấn đề phát sinh sau đó, và những sai lệch đó tương quan như thế nào với kết quả. Theo thời gian, việc theo dõi quyết định sẽ làm nổi bật các mô hình cần được đưa vào chính sách chính thức hoặc quy trình hoạt động tiêu chuẩn (SOP), thay vì để chúng như những giải pháp tạm thời.

Đây là điểm mà một số nhà phê bình vạch ra một ranh giới quan trọng: chỉ dựa vào dữ liệu thô về quá trình ra quyết định không phải là điểm khởi đầu tốt.Nếu bạn chỉ đơn thuần khai thác các cuộc trò chuyện trên Slack hoặc nhật ký EMR để tạo biểu đồ ngữ cảnh, bạn có nguy cơ mã hóa sự không nhất quán. Mười bác sĩ đưa ra mười lựa chọn khác nhau về các trường hợp tương tự không mang lại cho bạn sự hiểu biết; nó chỉ tạo ra một mớ hỗn độn có thể tái hiện được. Các quy trình chuẩn (SOP) hoàn thiện và được biên soạn kỹ lưỡng vẫn là nền tảng đúng đắn, và biểu đồ ngữ cảnh được xây dựng từ các dấu vết được biên soạn kỹ lưỡng nên giúp tinh chỉnh các SOP đó, chứ không phải thay thế chúng hoàn toàn.

Quản lý mật độ ngữ cảnh và entropy

Một ý tưởng mạnh mẽ thường xuất hiện trong các cuộc thảo luận về đồ thị ngữ cảnh là “mật độ ngữ cảnh” — về cơ bản, đó là mức độ giới hạn của một vùng trên đồ thị.Các khu vực mật độ cao tương ứng với entropy thấp: tác nhân có rất ít tự do và phải tuân theo một trình tự các bước chính xác. Các khu vực mật độ thấp có entropy cao: nhiều lựa chọn được chấp nhận, cho phép thử nghiệm và sáng tạo, và phong cách riêng của tác nhân có thể được thể hiện.

Quản lý mật độ ngữ cảnh về cơ bản là quản lý sự hỗn loạn trong hoạt động.Trong các hướng dẫn quan trọng về an toàn — ví dụ như liều lượng lâm sàng hoặc các hành động tuân thủ tài chính — bạn cần mật độ cao: gần như không có sự mơ hồ, các bước xác thực rõ ràng và phân nhánh rất hẹp. Trong các buổi huấn luyện hoặc các phiên chiến lược khám phá, bạn cần mật độ thấp hơn: người tham gia có thể tự do suy nghĩ, đặt câu hỏi mở, so sánh các lựa chọn thay thế và chỉ thỉnh thoảng quay lại điểm kiểm tra có cấu trúc.

Sự phân tầng entropy có chủ đích này mang lại cho bạn những lợi ích tốt nhất của cả hai thế giới.Bạn có được sự đáng tin cậy của các quy trình có cấu trúc chặt chẽ, nơi mà sai sót rất tốn kém, và sự linh hoạt thích ứng, giống như con người, nơi mà sự tinh tế và sáng tạo thực sự quan trọng. Bản thân biểu đồ ngữ cảnh trở thành cơ chế để bạn điều chỉnh mức độ ràng buộc tăng hoặc giảm, từng vùng một, thay vì cố gắng "chống xâm nhập" toàn bộ mô hình.

Các ví dụ cụ thể sẽ giúp bạn dễ hình dung hơn.Một vùng có mật độ cao có thể tương ứng với "tiêm insulin theo đúng quy trình", trong đó mọi quyết định nhỏ đều được cố định. Một vùng có mật độ trung bình có thể mô phỏng "buổi tư vấn nghề nghiệp", nơi có các chuỗi hội thoại được đề xuất nhưng cũng có nhiều hướng đi khả thi. Một vùng có mật độ thấp có thể bao gồm "khám phá các mục tiêu tương lai", nơi đồ thị chỉ xác định một vài điểm mốc không chính xác và cho phép người dùng tự ứng biến ở giữa.

Từ góc độ thiết kế, bạn có thể coi mật độ như một ngân sách.Bạn càng sẵn sàng chấp nhận rủi ro cao hơn, bạn càng cấp cho tác nhân nhiều mức độ tự do hơn trong phần đó của đồ thị ngữ cảnh. Các yêu cầu về tuân thủ và an toàn càng nghiêm ngặt, bạn càng thu hẹp con đường thành một đường hầm hẹp, được trang bị đầy đủ các thiết bị đo đạc.

Hành trình xuyên nhiều trạng thái và “hành trình ẩn giấu” của các tác nhân

Một trong những khả năng ít được đánh giá cao của đồ thị ngữ cảnh là chúng cho phép điều hướng nội bộ phong phú giữa các lượt thao tác của người dùng.Người dùng chỉ thấy một cuộc hội thoại qua lại đơn giản hoặc một hành động duy nhất được thực hiện thay mặt họ; nhưng đằng sau hậu trường, tác nhân có thể trải qua hàng tá trạng thái nội bộ, tham khảo nhiều bộ nhớ và tinh chỉnh một kế hoạch nội bộ — tất cả đều nằm trong đồ thị — trước khi đưa ra phản hồi.

Nhiều framework thực thi "đảm bảo trạng thái hành động": tác nhân luôn bắt đầu và kết thúc ở một trạng thái hành động nhất định từ góc nhìn của người dùng.Mọi thứ diễn ra ở giữa — suy luận, hình thành giả thuyết, gọi công cụ, đánh giá chính sách, suy ngẫm — đều được cấu thành từ các lượng xử lý nhỏ hơn được liên kết bởi đồ thị ngữ cảnh. Điều này đảm bảo rằng mỗi tương tác hiển thị đều tương ứng với một hành trình mạch lạc, có thể theo dõi được thông qua cấu trúc cơ bản.

Hãy tưởng tượng một người dùng nói với chuyên viên trị liệu rằng: “Tôi cảm thấy bế tắc trong sự nghiệp”: “Tôi cảm thấy bế tắc trong công việc”.Phản hồi hiển thị có thể là một thông điệp đồng cảm duy nhất, tiếp theo là một vài câu hỏi thăm dò. Tuy nhiên, bên trong, tác nhân có thể trải qua nhiều trạng thái: đánh giá sắc thái cảm xúc, kiểm tra các yếu tố rủi ro, lựa chọn khung trị liệu phù hợp, tìm kiếm các dấu vết tương tự trước đó để làm tiền lệ, soạn thảo kế hoạch nhiều lượt nói, và chỉ sau đó mới tạo ra câu nói tiếp theo. Người dùng trải nghiệm một cuộc hội thoại tự nhiên, trôi chảy; biểu đồ ngữ cảnh bảo toàn một quá trình duyệt ẩn nhưng hoàn toàn có thể kiểm tra được.

Các nhà thiết kế thường xem xét quá trình duyệt này ở ba cấp độ phân giải.Ở cấp độ toàn cầu, tác nhân nhìn thấy các vùng rộng lớn của đồ thị — ví dụ: “đánh giá”, “lập kế hoạch”, “thực hiện”, “xem xét”. Ở cấp độ trung bình, nó nhìn thấy các đồ thị con chi tiết hơn tương ứng với các quy trình công việc hoặc cẩm nang cụ thể. Ở cấp độ cục bộ, nó suy luận về các chuyển đổi trạng thái nhỏ bên trong một lượt chơi duy nhất. Khả năng điều hướng đa độ phân giải này phản ánh cách các chuyên gia con người phóng to và thu nhỏ giữa khung cảnh tổng thể và việc thực hiện từng bước.

Điểm mấu chốt là tất cả các bước trung gian nội bộ này đều có thể được ghi lại như một phần của quá trình truy vết quyết định.Điều đó có nghĩa là các nhóm quản lý rủi ro, tuân thủ và chất lượng sau này có thể tái tạo lại không chỉ những gì tác nhân đã xuất ra cho người dùng, mà còn cả ngữ cảnh mà nó đã xem xét, các quy tắc mà nó đã áp dụng và cách đường đi của nó so sánh với các dấu vết thành công hoặc thất bại trước đó.

Đồ thị ngữ cảnh, trí nhớ, kiến ​​thức và suy luận

Đồ thị ngữ cảnh chỉ phát huy hết tiềm năng khi được kết nối với bộ nhớ chức năng và hành vi động.Trí nhớ, kiến ​​thức và suy luận (thường được viết tắt là M-K-R) tạo thành một chu trình: trí nhớ lưu trữ các tương tác và dấu vết trong quá khứ, kiến ​​thức mã hóa các sự kiện và bản thể luận ổn định hơn về thế giới, và suy luận điều phối cách áp dụng cả hai vào một tình huống mới. Đồ thị ngữ cảnh nằm ở điểm giao nhau của ba luồng này.

Trong một kiến ​​trúc tác nhân được thiết kế tốt, đồ thị ngữ cảnh cung cấp các đường dẫn và điểm quyết định nơi bộ nhớ và kiến ​​thức được truy xuất hoặc cập nhật.Khi một tác nhân xử lý một trường hợp mới, nó có thể truy xuất các tài liệu liên quan từ biểu đồ nội dung, lấy các mối quan hệ thực thể từ biểu đồ tri thức, và sau đó ghi lại các hành động của mình dưới dạng một dấu vết quyết định mới bên trong biểu đồ ngữ cảnh. Mỗi kết quả thành công hoặc thất bại đều được phản hồi lại, cập nhật những gì hệ thống coi là tiền lệ mạnh mẽ so với các mô hình phản tác dụng cần tránh.

Theo thời gian, bạn sẽ chuyển từ tư duy tĩnh "tải một số tài liệu và hy vọng RAG hoạt động" sang một vòng phản hồi có băng thông cao.Các tác nhân không chỉ tiêu thụ ngữ cảnh mà còn tạo ra ngữ cảnh có cấu trúc trong quá trình hoạt động. Ngữ cảnh mới đó sau đó sẽ có sẵn cho các bước suy luận trong tương lai, cả cho cùng một tác nhân và cho các tác nhân khác hoạt động trong các quy trình công việc liền kề. Những cải tiến trong tổ chức bộ nhớ, thiết kế bản thể học hoặc chiến lược suy luận sẽ lan tỏa khắp biểu đồ ngữ cảnh và ngược lại.

Đây cũng là lúc các công cụ tối ưu hóa tự động phát huy tác dụng.Các hệ thống như “Agent Forge” (và các tác nhân lập trình tương tự) có thể phân tích dữ liệu hiệu suất thực tế ở cấp độ đồ thị: mô hình duyệt nào tương quan với sự thành công, tác nhân bị mắc kẹt ở đâu, tải nhận thức tăng đột biến ở đâu, hiệu chỉnh mật độ nào quá chặt hoặc quá lỏng. Thay vì tinh chỉnh đồ thị thủ công, các tác nhân lập trình có thể điều chỉnh trạng thái, cạnh và mật độ theo chương trình, phát triển đồ thị dựa trên các kết quả có thể đo lường được.

Tầm nhìn dài hạn là một hệ sinh thái tự cải thiện.Các tác nhân hoạt động trên một đồ thị ngữ cảnh, tạo ra các dấu vết, các tác nhân tối ưu hóa tinh chỉnh đồ thị dựa trên các dấu vết đó, và đồ thị được cập nhật cho phép đưa ra quyết định tốt hơn trong tương lai. Về cơ bản, đó là học tăng cường trên quy trình làm việc, với đồ thị đóng vai trò là nền tảng chung.

Đồ thị ngữ cảnh, đồ thị tri thức và thế giới dựa trên bộ ba

Để hiểu đầy đủ về đồ thị ngữ cảnh, bạn cần đặt chúng trong bối cảnh rộng lớn hơn của các công nghệ đồ thị.Nhiều sự nhầm lẫn trong lĩnh vực này xuất phát từ việc sử dụng quá nhiều thuật ngữ như “đồ thị tri thức”, “GraphRAG” và “ngữ nghĩa học”, mỗi thuật ngữ đều có lịch sử và nhóm người ủng hộ riêng. Đồ thị ngữ cảnh hấp thụ các ý tưởng từ tất cả những thuật ngữ này mà không thể quy giản về bất kỳ thuật ngữ nào duy nhất.

Đồ thị tri thức kinh điển biểu diễn các thực thể và mối quan hệ giữa chúng dưới dạng bộ ba.: chủ ngữ → vị ngữ → tân ngữ. Đó có thể là “Alice → isMotherOf → Bob” hoặc “Ticket123 → governed_by → Policy_v4.” Về cơ bản, các bộ ba này thường được lưu trữ trong kho lưu trữ bộ ba RDF hoặc cơ sở dữ liệu đồ thị thuộc tính. RDF mang đến một bộ tiêu chuẩn phong phú — RDFS cho lược đồ, OWL cho bản thể học — trong khi các đồ thị thuộc tính như trong Neo4j nhấn mạnh các nút, cạnh và thuộc tính với các ngôn ngữ truy vấn thân thiện hơn với nhà phát triển như Cypher hoặc, gần đây hơn, GQL.

Các cuộc tranh luận về "cách thức đúng đắn" để mô hình hóa tri thức đã diễn ra suốt nhiều thập kỷ.Những người ủng hộ RDF nhấn mạnh sức mạnh biểu đạt và khả năng tương tác của nó thông qua URI; những người hâm mộ đồ thị thuộc tính lại ưa thích sự đơn giản của mô hình nút-cạnh và các thuộc tính trên cạnh. Các ontology như OWL, SKOS hoặc Schema.org bổ sung thêm từ vựng miền, ràng buộc và hệ thống phân cấp, giúp định nghĩa ý nghĩa có thể đọc được bằng máy cho các thực thể và mối quan hệ.

Đồ thị ngữ cảnh thường nằm trên hoặc song song với các cấu trúc này chứ không phải thay thế chúng.Bạn có thể sử dụng đồ thị tri thức để biểu diễn khách hàng, sản phẩm, hợp đồng và chính sách của mình, và đồ thị nội dung để tổ chức tài liệu, phiếu yêu cầu và bản ghi. Đồ thị ngữ cảnh sau đó liên kết các thực thể và tài liệu đó theo thời gian bằng cách lưu trữ dấu vết quyết định: “ngoại lệ này_đối với chính sách đó”, “sự chấp thuận này_bởi người đó”, “sổ tay hướng dẫn này được sử dụng_trong sự cố đó”, cùng với dấu thời gian và kết quả.

Một bước ngoặt thú vị trong kỷ nguyên LLM là các mô hình giờ đây có thể đọc và ghi một cách trôi chảy cả định dạng mà con người có thể đọc được và định dạng mà máy tính có thể đọc được.Các thí nghiệm cho thấy rằng việc cung cấp ngữ cảnh dưới dạng RDF hoặc Cypher — mặc dù dài dòng hơn về số lượng token — có thể mang lại kết quả tốt hơn so với văn bản không cấu trúc hoặc CSV thô. Bản thân cấu trúc truyền tải được đâu là nút, đâu là cạnh và đâu là thuộc tính, giảm bớt gánh nặng cho mô hình trong việc suy luận lược đồ một cách tức thời.

Vượt ra ngoài RAG: GraphRAG, các hệ thống tri thức và bối cảnh thời gian

Hành trình từ đồ thị RAG đơn giản đến đồ thị ngữ cảnh trải qua một số giai đoạn trung gian.Ban đầu, chúng ta có các mô hình LLM đơn giản trả lời dựa trên dữ liệu huấn luyện của chúng. Sau đó xuất hiện RAG: chia nhỏ một số tài liệu, nhúng chúng thành các vectơ, và đưa các phần tương tự nhất vào câu hỏi. GraphRAG mở rộng điều này bằng cách sử dụng các biểu diễn dựa trên đồ thị — thường là các đồ thị tri thức được tạo ra từ LLM — để nắm bắt các mối quan hệ giữa các thực thể và điều hướng qua chúng để truy xuất.

RAG dựa trên ontology tiến thêm một bước nữa bằng cách áp đặt các lược đồ và mối quan hệ rõ ràng hơn.Thay vì để mô hình tự tạo ra các vị ngữ tùy ý, bạn định nghĩa một từ vựng được kiểm soát — một hệ thống ngữ nghĩa — cho lĩnh vực của mình, chẳng hạn như “khách hàng”, “hợp đồng”, “sự cố”, “chính sách”, “phê duyệt”, cùng với các loại mối quan hệ cụ thể. Sau đó, việc truy xuất sẽ tuân thủ ngữ nghĩa này, cải thiện cả độ chính xác và khả năng thu hồi thông tin.

Đồ thị ngữ cảnh được xây dựng dựa trên tất cả những điều này nhưng bổ sung thêm hai yếu tố quan trọng: thời gian và quyết định.Chúng tương đồng với ý tưởng về event sourcing, trong đó các thay đổi trạng thái được biểu diễn dưới dạng một chuỗi các sự kiện mà bạn có thể phát lại. Sự khác biệt nằm ở trọng tâm: event sourcing tập trung vào các chuyển đổi trạng thái (điều gì đã thay đổi và khi nào), trong khi đồ thị ngữ cảnh tập trung vào các chuyển đổi quyết định (lý do, ngoại lệ, phê duyệt và chính sách nào đã biện minh cho những thay đổi đó).

Các mối quan hệ theo thời gian đặc biệt quan trọng đối với sự tin tưởng và quản trị.Các câu hỏi như “Chính sách này còn hiệu lực không?” hay “Ngoại lệ này được cấp trước hay sau khi chúng ta thay đổi mức độ chấp nhận rủi ro?” phụ thuộc vào việc hiểu cách các sự kiện, chính sách và hành vi phát triển theo thời gian. Biểu đồ RAG theo thời gian và biểu đồ tri thức theo thời gian khám phá lĩnh vực này, và biểu đồ ngữ cảnh có thể tận dụng các kỹ thuật đó để theo dõi tính cập nhật, tính ổn định và tính xác thực của thông tin trong thời gian dài.

Khi các mô hình LLM ngày càng thành thạo hơn trong việc xử lý các ontology động, chúng ta cuối cùng có thể thấy một số lời hứa cũ về web ngữ nghĩa trở thành hiện thực.Thay vì cố gắng đóng băng một hệ thống tri thức hoàn hảo trước khi viết thuật toán truy xuất, chúng ta có thể để cho các hệ thống tri thức phát triển khi các tác nhân gặp phải các mô hình mới trong quá trình ra quyết định, và sử dụng chính các mô hình để diễn giải và thích ứng với các lược đồ thay đổi.

Bối cảnh hoạt động và quyết định: tại sao chỉ riêng RAG lại gây ra sự trì trệ

Từ góc độ quản lý, biểu đồ ngữ cảnh giúp làm rõ lý do tại sao câu nói “chúng tôi đã kết nối RAG với hệ thống tài liệu của mình” lại thường gây thất vọng.Hầu hết các doanh nghiệp đều thiếu hai lớp ngữ cảnh: ngữ cảnh vận hành và ngữ cảnh quyết định. Ngữ cảnh vận hành đề cập đến việc ai sở hữu cái gì, các thực thể liên hệ với nhau như thế nào, hệ thống ghi nhận nào quan trọng và tình trạng hiện tại ra sao. Ngữ cảnh quyết định đề cập đến cách thức các lựa chọn thực sự được đưa ra theo thời gian, bao gồm cả tiền lệ và khả năng kiểm toán.

Các vectơ RAG thông thường chỉ cung cấp cho bạn các phần nội dung, chứ không phải cấu trúc hoạt động hay chuỗi quyết định.Bạn có thể tìm thấy tài liệu chính sách quy định rằng các khoản giảm giá trên 10% cần được phê duyệt, nhưng bạn không thấy rằng trên thực tế, bộ phận tài chính thường xuyên phê duyệt mức giảm giá 15% cho một số phân khúc nhất định khi có vấn đề cần giải quyết và sự cố trước đó. Bạn có thể tìm thấy tài liệu danh sách kiểm tra quy trình hội nhập, nhưng bạn không thấy rằng những người có hiệu suất cao nhất bỏ qua các bước 4, 7 và 9 vì chúng không mang lại giá trị gì.

Đồ thị ngữ cảnh giải quyết vấn đề này bằng cách cho phép tìm kiếm các tiền lệ.Bạn có thể hỏi “Chúng ta đã từng gặp tình huống tương tự như thế này bao giờ chưa?” hoặc “Điều gì đã xảy ra trong mười lần gần đây nhất chúng ta phê duyệt ngoại lệ loại này?” và nhận được các dấu vết có cấu trúc, chứ không chỉ là tài liệu. Điều đó cho phép các nhân viên hành động theo cách nhất quán với cả chính sách và thực tiễn, hoặc chỉ ra những điểm khác biệt giữa hai yếu tố này và cần sự can thiệp của con người.

Điều quan trọng là, điều này chuyển đổi quản trị từ việc chỉ đơn thuần là kiểm soát quyền truy cập sang trở thành một hệ thống học tập.Thay vì cố gắng dự đoán và ngăn chặn mọi trường hợp ngoại lệ ngay từ đầu, bạn cho phép các trường hợp ngoại lệ xảy ra trong điều kiện được kiểm soát, ghi lại chúng dưới dạng dấu vết, và sau đó tinh chỉnh các chính sách và cấu trúc đồ thị dựa trên những gì bạn quan sát được. Theo thời gian, đồ thị ngữ cảnh của bạn trở thành một biểu diễn cô đọng về mức độ chấp nhận rủi ro và kinh nghiệm vận hành của tổ chức.

Đây cũng là lúc những tiếng nói hoài nghi trở nên thiết yếu.Nếu bạn ngây thơ coi mọi thứ đã xảy ra trong quá khứ như là chính sách, bạn chỉ đơn giản là đang hợp thức hóa sự không nhất quán và thiên vị. Các dấu vết quyết định cần được chọn lọc; chúng là nguyên liệu thô, chứ không phải là chân lý cuối cùng. Các quy trình vận hành tiêu chuẩn (SOP) được chọn lọc và các cẩm nang được xác thực vẫn là nền tảng. Biểu đồ ngữ cảnh được thiết kế tốt giúp bạn xác định các trường hợp ngoại lệ đáng để chuyển thành chính sách mới và vạch trần những nơi mà tổ chức đang bỏ qua các quy tắc của chính mình.

Vì sao việc xây dựng đồ thị ngữ cảnh lại khó khăn trong thực tế?

Trên lý thuyết, tất cả những điều này nghe có vẻ rất hay, nhưng khoảng cách giữa thực tế và triển khai lại rất lớn.Hầu hết các tổ chức vẫn đang vật lộn với việc thống nhất dữ liệu cơ bản — làm sao để dữ liệu CRM, hỗ trợ, phân tích và sản phẩm được đồng bộ. Nhiều tổ chức chỉ mới bắt đầu thử nghiệm với các tác nhân bán tự động trong các lĩnh vực hẹp như hỗ trợ cấp 1 hoặc tìm kiếm kiến ​​thức nội bộ.

Một vấn đề thực tiễn sâu sắc là hầu hết các công việc không có những "khoảnh khắc quyết định" rõ ràng mà bạn có thể dễ dàng ghi lại.Việc phê duyệt giảm giá là một sự kiện rõ ràng; bạn có thể ghi lại nó. Nhưng sự khác biệt gấp 6 lần về thời gian xử lý yêu cầu giữa hai người xử lý thường xuất phát từ những lựa chọn quy trình làm việc tinh tế: ai xác nhận cái gì, theo thứ tự nào, sử dụng công cụ nào, thông qua kênh nào. Những quyết định nhỏ này hiếm khi xuất hiện dưới dạng các sự kiện riêng biệt. Chúng nằm trong quá trình thực thi — trong các email trao đổi qua lại, các cuộc trò chuyện trên Slack, việc kiểm tra bảng tính và các cuộc gọi đột xuất.

Các công cụ phân tích và khai thác quy trình truyền thống chỉ nhìn thấy những gì được ghi lại trong hệ thống.Họ có thể nói với bạn rằng một hóa đơn đã ở trạng thái "chờ phê duyệt" trong 10 ngày, nhưng họ không thể thấy rằng bảy ngày trong số đó đã được dành để tìm kiếm một tệp PDF bị thiếu, xác minh thông tin nhà cung cấp trong Excel và phối hợp xử lý trường hợp ngoại lệ thông qua Slack. Bối cảnh thực sự — "tại sao việc này lại mất 28 ngày thay vì 8 ngày" — nằm giữa các hệ thống.

Đây là lý do tại sao một số nhà phát triển cho rằng đồ thị ngữ cảnh phải được xây dựng từ quá trình thực thi trở lên, chứ không phải từ tài liệu trở xuống.Bạn cần một cơ sở hạ tầng nằm trong luồng thực thi, giải quyết vấn đề nhận dạng giữa các công cụ (john.smith@company.com = @jsmith = Nhân viên 12345), và ghi lại cách thức công việc thực sự diễn ra trên các kênh trong thời gian thực. Chỉ khi đó, bạn mới có thể bắt đầu suy luận các quyết định từ hành vi quan sát được và biến điều đó thành các dấu vết quyết định đáng tin cậy.

Trên hết là vấn đề về việc chấp nhận tác nhân.Nhiều tầm nhìn tham vọng hơn về đồ thị ngữ cảnh giả định rằng các tác nhân đã thực hiện phần lớn các quy trình công việc, và do đó tạo ra các dấu vết phong phú, có cấu trúc theo thiết kế. Trên thực tế, các tác nhân vẫn còn ở giai đoạn sơ khai, hạn chế và được giám sát chặt chẽ trong hầu hết các doanh nghiệp. Yêu cầu các công ty xây dựng một cơ sở hạ tầng theo dõi quyết định hoàn chỉnh trước khi họ thậm chí tin tưởng các tác nhân với các quy trình công việc cốt lõi cũng giống như yêu cầu họ xây dựng một gara ba ô tô trước khi họ sở hữu một chiếc xe nào.

Các mô hình kiến ​​trúc và sự áp dụng thực tiễn

Bất chấp những trở ngại, một vài mô hình kiến ​​trúc đang nổi lên dành cho các tổ chức muốn tiến theo hướng này mà không cần phải tạo ra những thay đổi quá lớn.Thứ nhất, cần ngừng coi đồ thị ngữ cảnh như một dự án mô hình hóa dữ liệu mang tính học thuật và bắt đầu từ một quy trình làm việc có giá trị cao, trong đó độ tin cậy và khả năng kiểm toán của tác nhân là không thể thiếu.

Những ứng viên giỏi thường có ba đặc điểm chung.Chúng có rất nhiều ngoại lệ, trải rộng trên nhiều hệ thống và một quyết định sai lầm tiềm ẩn rủi ro thực sự. Ví dụ bao gồm việc chiết khấu và phê duyệt tại bộ phận xử lý giao dịch, leo thang hỗ trợ và phân tích nguyên nhân gốc rễ, quy trình tiếp nhận nhà cung cấp và các ngoại lệ về bảo mật, hoặc các trường hợp nhân sự dựa trên chính sách như nghỉ phép và hỗ trợ đặc biệt. Trong mỗi trường hợp này, các nhân viên cần cả bối cảnh hoạt động (ai chịu trách nhiệm về việc gì, điều gì đã thay đổi khi nào) và bối cảnh quyết định (các trường hợp tương tự đã được xử lý như thế nào trước đây, ai đã phê duyệt các sai lệch, điều gì đã hiệu quả).

Điểm xuất phát thực tế là một sơ đồ nhỏ gọn có chủ đích.Bạn có thể định nghĩa 8-15 loại thực thể cốt lõi (Khách hàng, Sản phẩm, Hợp đồng, Chính sách, Vé, Sự cố, Phê duyệt, Ngoại lệ, Chủ sở hữu) và 15-25 loại quan hệ (được quản lý bởi, ngoại lệ đối với, được phê duyệt bởi, tham chiếu, tác động, tương tự, thay thế). Hãy sử dụng ngôn ngữ kinh doanh, không phải thuật ngữ học thuật. Mục tiêu là sự rõ ràng chung, chứ không phải sự thuần khiết về mặt bản thể học.

Về mặt kỹ thuật, bạn đang tiếp nhận một số kho lưu trữ có giá trị cao. — Hệ thống quản lý vé, ghi chú CRM, tài liệu chính sách, sổ tay vận hành — trích xuất các thực thể và siêu dữ liệu, đồng thời lưu trữ các mối quan hệ trong kho lưu trữ đồ thị mà bạn lựa chọn, trong khi vẫn giữ được địa chỉ của các tài liệu gốc để trích dẫn. Thêm vào đó, bạn tích hợp công cụ vào tác nhân hoặc công cụ quy trình làm việc của mình để mọi hành động quan trọng đều tạo ra một dấu vết có cấu trúc: các đầu vào được tham khảo với dấu thời gian và quyền hạn, các quy tắc được đánh giá với các phiên bản, các ngoại lệ được gọi với lý do, các phê duyệt được yêu cầu và cấp, và các hành động được ghi lại vào các hệ thống lưu trữ dữ liệu.

Từ đó, bạn sử dụng kết quả kinh doanh làm kim chỉ nam cho các chỉ số định hướng.Thay vì khoe khoang về "số token tiết kiệm được", bạn cần theo dõi chất lượng xử lý và giải quyết vấn đề trong bộ phận hỗ trợ, thời gian chu kỳ và tỷ lệ lỗi trong bộ phận giao dịch và mua sắm, việc tuân thủ chính sách và kết quả kiểm toán trong bộ phận pháp lý và bảo mật, hoặc tỷ lệ làm lại và leo thang vấn đề trong bộ phận vận hành. Khi phạm vi biểu đồ và chất lượng theo dõi được cải thiện, bạn sẽ thấy việc xử lý lỗi tốt hơn, ít sự can thiệp không cần thiết của con người hơn và kết quả nhất quán hơn.

Theo thời gian, các lớp bổ sung như điều hướng chéo đồ thị có thể được đưa vào sử dụng.Bạn có thể phân tách các đồ thị theo lĩnh vực — một cho bối cảnh hoạt động, một cho nội dung, một cho các quyết định — và cho phép các tác nhân chuyển đổi giữa chúng mà không cần tạo ra một đồ thị khổng lồ, khó quản lý duy nhất. Cách tiếp cận “đồ thị của đồ thị” này cho phép bạn mô hình hóa các không gian vấn đề lồng nhau (hình ảnh ẩn dụ “giấc mơ trong giấc mơ” trong phim Inception) mà không làm mất đi tính mô-đun.

Tất cả những điều này chỉ có hiệu quả nếu bạn coi nguồn gốc và lịch sử ra quyết định là những yếu tố quan trọng hàng đầu.Mỗi hành động của tác nhân AI cần đi kèm với một "lịch trình làm việc" mà nhóm quản trị rủi ro có thể chấp nhận, và mỗi thông tin thu thập được cần phải có nguồn gốc cụ thể: một tài liệu, một bản ghi hệ thống hoặc một sự kiện theo dõi cụ thể. Đó là cách biến quản trị AI từ một loạt các cuộc họp xem xét khó chịu thành một năng lực cấu trúc được tích hợp vào chính kiến ​​trúc hệ thống.

Tóm lại, đồ thị ngữ cảnh thể hiện sự hội tụ của hàng thập kỷ nghiên cứu về đồ thị, ước mơ về web ngữ nghĩa, xử lý sự kiện và các khả năng LLM hiện đại.Chúng không phải là cây đũa thần, và sự cường điệu thường che đậy những thiếu sót rất thực tế về chất lượng dữ liệu, khả năng hiển thị quá trình thực thi và việc áp dụng tác nhân. Nhưng khi các doanh nghiệp vượt qua giai đoạn trình diễn RAG (Residential Activity Growth - Khả năng lặp lại và trách nhiệm giải trình) và yêu cầu các hoạt động do AI điều khiển có thể lặp lại và đáng tin cậy, ý tưởng về một lớp bộ nhớ dạng đồ thị, theo thời gian và tập trung vào quyết định bắt đầu trông giống một phần không thể thiếu của hệ thống hơn là một từ ngữ thời thượng — miễn là chúng ta xây dựng nó dựa trên các chính sách được chọn lọc, dữ liệu thực thi thực tế và những kỳ vọng thực tế chứ không phải dựa trên các dấu vết thô và khẩu hiệu về các cơ hội trị giá hàng nghìn tỷ đô la.