Cassie Shum presenta quattro modelli architetturali per sistemi di intelligenza artificiale agentica basati su grafi di conoscenza

Cassie Shum ha tenuto una presentazione in cui ha illustrato perché i grafi di conoscenza costituiscono una base critica per i sistemi agentici. Durante l'intervento, ha spiegato quattro modelli architetturali pratici: il raggruppamento del contesto, la provenienza delle decisioni, il codice come verità e la visibilità degli agenti. Ha inoltre dimostrato un'impalcatura di ingegneria costruita su un grafo di conoscenza per snellire i cicli di feedback, ottimizzare l'utilizzo dei token e mantenere l'affidabilità del sistema.

Shum ha descritto la sua carriera di oltre vent'anni, iniziata come ingegnere e sviluppatrice, per poi passare a ruoli di consulenza e gestione di team presso Thoughtworks e altre organizzazioni. Ha spiegato di aver deciso di tornare a lavorare direttamente sui codici sorgente per comprendere come gli agenti gestiscano il lavoro e come applicare le pratiche di ingegneria del software alla sua esperienza con i grafi di conoscenza presso RelationalAI. Ha chiarito che la presentazione non è un tutorial su GraphRAG né una previsione sui framework, ma un resoconto delle lezioni apprese negli ultimi sei mesi, periodo in cui il settore è cambiato rapidamente.

La relatrice ha specificato che il suo approccio non è dogmatico e non impone l'uso obbligatorio dei grafi di conoscenza. Ha affermato che la sua passione per i grafi deriva dalla natura grafica della modellazione dei dati e del dominio, che si basa sulle relazioni tra gli elementi. Ha distinto questa presentazione da un intervento precedente tenuto a novembre a New York, in cui aveva approfondito la creazione di un grafo di conoscenza con GraphRAG, sottolineando che il contesto tecnologico è mutato nel frattempo.

La struttura dell'intervento si divide in due parti principali. La prima parte spiega perché il grafo di conoscenza è la fondazione dei sistemi agentici. La seconda parte si concentra sulle lezioni apprese e include una dimostrazione pratica dell'impalcatura di sviluppo costruita per il suo team. In questa dimostrazione, Shum si è posizionata come cliente del sistema, illustrando le esperienze maturate nell'utilizzo del grafo di conoscenza per supportare il lavoro quotidiano.

Cassie Shum ricopre il ruolo di Vice President of Ecosystem, Product Engineering presso RelationalAI, dove guida i team nella progettazione e nel dispiegamento di sistemi di intelligenza artificiale per la produzione basati su grafi di conoscenza. La sua specializzazione comprende GraphRAG, flussi di lavoro agentici e la costruzione di sistemi robusti, spiegabili e pronti per la produzione. L'evento QCon AI, in cui si è svolta la presentazione, è un'iniziativa guidata dai professionisti e focalizzata sulla disciplina ingegneristica necessaria per scalare in sicurezza questi carichi di lavoro, fornendo accesso diretto ai playbook architetturali e alle metriche di fallimento utilizzate dalle organizzazioni pari in produzione.