¿Qué es un grafo de conocimiento? (y por qué apostamos por uno en Wonk)
Por el equipo de Wonk ·
Descubre cómo un grafo de conocimiento transforma datos territoriales dispersos en una red conectada que permite a la IA razonar sobre contexto real y verificable.
Si nos imaginamos un mapa de Colombia extendido sobre una mesa, con cientos de notas adhesivas pegadas encima: una con la población de cada municipio, otra con su tasa de pobreza, otra con el número de vivienda sin acueducto. Cada nota viene de una fuente distinta, tiene su propia forma de escritura y su propio año. Ninguna dice si esa cifra sigue vigente, si se puede comparar con la del municipio vecino, ni cómo encaja en el resto del mapa.
Para responder algo tan simple como qué ha pasado en esta zona del país hay que levantar nota por nota, cruzarlas a mano, haciendo un sobreesfuerzo por validar la consistencia de los datos entre sí.
Así ha vivido durante años buena parte de la información territorial de Colombia: dispersa sobre el mapa, sin nada que la conecte. ¿Y si en vez de mil notas sueltas, el mapa mismo supiera cómo se relaciona cada una con las demás?
Una red, no una tabla
Un grafo de conocimiento no es una tabla de filas y columnas. Es una red de entidades y de las relaciones que existen entre ellas:
- Una manzana pertenece a un municipio.
- Ese municipio pertenece a un departamento.
- Un indicador mide una característica de ese territorio.
- Esa cifra proviene de una fuente oficial que solo la reportó para ciertos años.
Cada una de esas entidades y relaciones es parte del mismo mapa: uno que describe cómo se conecta la información, no solo dónde vive.
Cuando diseñamos la arquitectura de Wonk, tomamos una decisión que hoy es uno de los pilares de la plataforma: el grafo nunca guarda los valores de los indicadores. Su trabajo es otro: conservar el mapa que dice dónde están los datos, cómo se relacionan entre sí y qué significa cada uno. Los datos originales se quedan en sus fuentes oficiales; lo que construimos nosotros es la capa que los integra, los interpreta y permite consultarlos de forma consistente.
Para que ese mapa pudiera extenderse a información nueva sin perder consistencia, diseñamos nuestro propio vocabulario sobre RDF/OWL, hecho a la medida de cómo funciona nuestro motor de consultas.
Por qué esto importa en un mundo de IA
Pensemos de nuevo en la mesa llena de notas dispersas. Un asistente de inteligencia artificial puede leer cada una de ellas por separado, pero eso no significa que entienda el panorama completo. Desconoce cómo se relacionan entre sí, cuáles siguen siendo válidas, cuáles dependen de otras o incluso si alguna las contradice. Ante esos vacíos, el modelo hace lo que está diseñado para hacer: generar una respuesta que parezca coherente, aunque parte de ella no esté respaldada por la información disponible.
La situación cambia cuando, en lugar de notas aisladas, el asistente consulta un grafo de conocimiento. Ya no interpreta notas sueltas: recorre un mapa que le dice qué información existe, cómo se relaciona y de dónde viene. Si una respuesta no puede construirse con la información existente, el sistema puede reconocer esa ausencia en lugar de completarla con suposiciones. En ese contexto, la diferencia no está en qué tan grande es el modelo, sino en si tiene o no un terreno firme sobre el cual razonar.
Así se ve el territorio conectado
Ese mapa de Colombia necesitaba una estructura que supiera cómo se conecta todo. Construir esa estructura es, en el fondo, la apuesta de Wonk: convertir información dispersa en conocimiento conectado. Que cualquier persona pueda preguntarle al territorio y confiar en la respuesta, no porque el asistente sea más inteligente, sino porque el conocimiento que la sustenta está organizado, es verificable y, por fin, tiene sentido.
Temas: Grafo de Conocimiento, RDF, OWL, Datos Territoriales, Inteligencia Artificial, Wonk, Arquitectura de Datos