Knowledge Graph

O Knowledge Graph é um núcleo semântico sobre os dados existentes do operador: documentos, configurações, catálogos de produtos e tarifários. Liga informação dispersa numa só imagem e mostra a fonte por trás de cada resposta. Nada é movido nem reindexado: os índices de pesquisa existentes (por exemplo, AWS Bedrock Knowledge Base) são ligados apenas em leitura, e o grafo acrescenta por cima relações, estrutura e proveniência. É a camada de conhecimento do Agent Fabric-T e um produto autónomo para outras plataformas de agentes e de automação.

O que traz ao operador

• Respostas fiáveis Cada resposta traz a sua fonte e o responsável pelos dados, pelo que as decisões assentam em factos e não em suposições.
• Impacto antes da alteração Vê-se o que muda ou deixa de funcionar se um tarifário, uma regra tarifária ou um processo mudar — antes de entrar em produção.
• Os investimentos em pesquisa continuam a render Os índices existentes ficam onde estão e são ligados apenas em leitura, sem migração nem reindexação.
• Uma linguagem de processos comum O grafo fala nos grupos verticais do eTOM — Fulfillment, Assurance, Billing — numa linguagem que todo o negócio entende.
• Responsabilidade visível Cada elemento mostra o seu responsável e quem responde por ele, o que simplifica a governação de dados e as decisões.
• Coerência entre BSS e OSS Um único núcleo semântico elimina diferenças na forma como sistemas distintos interpretam os mesmos dados.
• Integração mais rápida de pessoas Um novo membro da equipa pergunta ao grafo em linguagem corrente e entra no contexto mais depressa.
• Uma base para agentes O agente Product Offering AI obtém do grafo o conhecimento do modelo tarifário; para agentes de fulfillment, assurance e billing, o mesmo grafo pode servir de contexto: relações exatas em vez de parágrafos parecidos.

A pesquisa de texto responde a «onde está isto escrito»; o grafo responde a «como é que isto está realmente ligado». Complementam-se: a pesquisa encontra a entidade de partida a partir de uma formulação livre, e o grafo abre as suas relações com exatidão.

Product Offering AI: o grafo de conhecimento no chat de AI

O grafo de conhecimento funciona no Product Offering AI — a aplicação de chat de AI da plataforma para pacotes tarifários do WideCoup Convergent BSS. Um configurador de tarifários carrega o seu ficheiro de modelo de importação e edita o pacote na tabela do chat ou por palavras através do agente. O agente obtém o conhecimento sobre as colunas, os valores permitidos e os códigos do modelo a partir do grafo de conhecimento, e não de texto embutido na aplicação; a aplicação verifica cada alteração face às regras do modelo. Use case: um assistente de AI para ofertas de produto.

• Perguntas por palavras «Como altero a mensalidade?», «Como aumento o tráfego incluído na mensalidade?», «Como configuro um pacote de tráfego de teste para ativação diferida do serviço?» — respondidas a partir da tabela e do conhecimento do modelo no grafo.
• Alterações por palavras «+10% aos preços de excedente», «no serviço de excedente de dados, aumentar o volume incluído em 200 MB», «mudar a moeda do pacote para EUR» — o agente converte para as unidades do modelo, altera as linhas certas e mostra exatamente o que mudou.
• Verificação das regras do modelo Cada alteração é verificada face às regras do modelo: uma violação trava-a com o motivo e uma sugestão, uma situação duvidosa passa com um aviso; quando uma pessoa edita diretamente uma célula ou indica a coluna, a recusa passa a aviso.
• Controlos de Revenue Assurance O grafo descreve os controlos de risco de receita do pacote. Os controlos que precisam de um só ficheiro — concessões tarifárias e até montantes brutos — são executados no carregamento e no commit, com um aviso a vermelho, o código e o local na linha.
• Impacto de uma alteração de coluna O grafo transporta como estrutura as verificações de configuração do pacote: de que regra decorre uma verificação, que colunas lê, em que tipos de linha, a sua classe de risco e a mensagem para o configurador. Assim, a pergunta «que verificações serão afetadas no commit por uma alteração a esta coluna» é respondida por arestas, e no commit as verificações correm sozinhas.
• A decisão fica com uma pessoa O agente cria uma nova versão de trabalho, mas nunca faz commit: é uma pessoa que aprova a versão submetida, cada versão fica no histórico do pacote, e o utilizador descarrega o ficheiro para importação no BSS.
• O conhecimento muda no grafo O conhecimento sobre colunas, valores permitidos e códigos muda no grafo, e não na aplicação; cada versão do grafo tem um número de versão e a aprovação da função de responsável pelos dados.

Rede e serviços

• Do serviço ao cliente ao recurso de rede O grafo pode ligar os serviços orientados ao cliente aos recursos de rede: decomposição Customer Facing Service (CFS) e Resource Facing Service (RFS), inventário e topologia sobre modelos YANG, e as dependências entre eles. Esta abordagem dá uma base para a análise de impacto e a automação desde o produto até à prestação do serviço.
• Topologia, serviços, SLA e políticas em conjunto Uma única camada semântica sobre os dados operacionais: uma conclusão é explicada pelo seu caminho através das relações e tem uma fonte.
• Um modelo de rede que não parte do zero O modelo de domínio assenta numa ontologia de referência de Autonomous Networks alinhada com TM Forum Autonomous Networks, 3GPP e TM Forum SID (Shared Information/Data).
• A orientação do TM Forum O TM Forum descreve o grafo como a camada de memória e raciocínio para a autorreparação da rede — da avaria ao impacto no cliente e à ação de reparação, com menor MTTR (Mean Time to Repair) e automação explicável — no IG1373F «AI-Augmented Knowledge Graph for 5G Networks».

Como funciona

• Para pessoas — notas ligadas O conhecimento vive como notas markdown ligadas entre si, numa vista compatível com Obsidian: um engenheiro lê e segue as ligações, e o grafo guarda onde está cada nota e em que versão.
• Para GenAI — consultas, não análise de texto Um modelo consulta a estrutura com SPARQL e obtém apenas o texto de que uma resposta precisa, em vez de analisar documentos inteiros de cada vez: menos tokens por resposta.
• Grounding Um pedido em texto livre é associado às entidades tipadas do operador — serviços, recursos, processos. Quando os candidatos são próximos mas pertencem a áreas diferentes, o grafo assinala a ambiguidade e o chat faz uma pergunta de esclarecimento.
• Confiança em cada afirmação Uma afirmação no grafo tem uma fonte — um fragmento de documento com um resumo criptográfico do conteúdo —, evidência descrita por dimensões (autenticidade, autoridade, atualidade, corroboração, estado de validação) e um registo de quem a confirmou e quando. A atualidade é verificada face ao fragmento: uma edição na página 200 não torna obsoleto um facto da página 5. Uma confirmação revogada fica no histórico.
• Dois tipos de conhecimento O conhecimento entregue com uma versão do produto é versionado e traz uma decisão de lançamento; os factos adquiridos no ambiente do operador guardam quem os registou e quando. Uma atualização do produto não sobrescreve o que pertence ao operador.
• Funções, não nomes Um responsável no grafo é uma função; quem a desempenha é registado à parte, pelo que as mudanças de pessoal não partem o grafo.
• A fronteira da organização As anotações internas não saem da organização: uma exportação descarta-as pelo tipo.
• Normas abertas W3C O grafo é descrito em RDF e na Web Ontology Language (OWL), trocado em Turtle, as suas cargas são verificadas por formas Shapes Constraint Language (SHACL) e é consultado com SPARQL.
• O chat só lê O chat lê o grafo através de uma interface separada, apenas de leitura, e não o altera.

Âmbito da solução

• O Knowledge Graph é utilizado no Product Offering AI — a aplicação de chat de AI para pacotes tarifários do WideCoup Convergent BSS; para outros domínios, o grafo é construído no projeto com os dados do operador.
• O modelo de serviços e recursos de rede sobre modelos YANG é construído no projeto com os dados do operador.
• A taxonomia TM Forum eTOM está integrada na ontologia do grafo.
• Os índices de pesquisa externos ficam apenas em leitura: não somos seus proprietários nem os alteramos.
• Os agentes de fulfillment, assurance e billing sobre o grafo são um cenário-alvo cujo âmbito é acordado no projeto.
• Os controlos de Revenue Assurance que leem toda a pilha de pacotes — uma tarifa por quilobyte desalinhada com o pacote, uma tarifa cara inalcançável por configuração errada, um desequilíbrio entre a mensalidade e a tarifa de penalização — são um cenário-alvo cujo âmbito é acordado no projeto.

O passo seguinte é um piloto sobre um conjunto limitado dos seus dados, para ver o valor do grafo para o negócio e para os agentes no seu próprio exemplo.

Especificação

A ontologia, o módulo de confiança, o contrato de ingestão e os vocabulários estão publicados como referência para integração e verificação.

• Ontologia L1 — classes, predicados, vocabulários e a taxonomia eTOM
• Módulo de confiança — afirmações com fonte, evidência e confirmação
• Contrato de ingestão
• Vocabulários de valores permitidos

Mais em platform.mef.dev

• Knowledge Graph — o que as arestas tipadas permitem
• Grafo e pesquisa em conjunto