Knowledge Graph: passato, presente e futuro della ricerca basata sull'IA

Questo post racconta la storia dei knowledge graph e di come aiutano i brand a fornire risposte accurate e strutturate ovunque i clienti le cerchino.

Se hai mai chiesto al tuo telefono: "chi ha inventato il telefono?" oppure "dov'è la pizzeria più vicina aperta adesso?" e hai ricevuto subito una risposta, è grazie a un knowledge graph. Si tratta di un enorme cervello digitale che aiuta i computer a comprendere le informazioni proprio come fanno le persone.

Oggi i knowledge graph sono spesso oggetto di discussione come parte della rivoluzione dell'IA. Infatti, vengono utilizzati per addestrare grandi modelli linguistici (LLM), far funzionare i chatbot e rendere le macchine più intelligenti. Tuttavia, i knowledge graph stanno silenziosamente plasmando il modo in cui troviamo informazioni da anni, molto prima che l'IA diventasse una parola in voga.

Ecco come sono nati i knowledge graph e come oggi i brand possono utilizzarli per fornire sempre le risposte giuste ai propri clienti.

Negli anni '60 (anche se sembra passato molto più tempo), i computer avevano appena iniziato a memorizzare ed elaborare le informazioni, ma c'era un problema: non erano realmente in grado di "comprenderle". Potevano, infatti, solo abbinare parole o numeri esatti, il che significava che non erano molto bravi a riconoscere le relazioni tra i concetti. (Immagina di dover trovare una frase specifica in una biblioteca, ma i libri sono tutti ammucchiati in un'unica pila. Un incubo, no?)

Negli anni '70 e '80, i ricercatori iniziarono a innovare per rendere i computer più intelligenti. I primi tentativi di reti semantiche, gli antenati dei knowledge graph, hanno permesso alle macchine di stabilire connessioni tra le idee. (Ad esempio, collegare il nome "Alexander Graham Bell" all'invenzione del telefono.) Si trattava delle prime fondamenta di un modo più connesso e intelligente di elaborare le informazioni.

Negli anni '90, è nato internet. All'improvviso, le informazioni erano più numerose che mai, ma trovare quella che serviva non era facile. I motori di ricerca, come Yahoo e AltaVista, vennero progettati per aiutare le persone a trovare ciò che cercavano.

Ma questi primi motori di ricerca avevano un difetto importante: si basavano sulla semplice corrispondenza delle parole chiave. Se cercavi "apple", potevi ottenere risultati per il frutto, computer Apple o un blog di ricette a caso, perché il motore di ricerca non riusciva a comprendere il contesto.

Questo ha suscitato una domanda innovativa: e se i motori di ricerca potessero comprendere le relazioni tra le parole, come fa il cervello umano? Se potessero riconoscere che "inventore di Apple" si riferisce a una persona (Steve Jobs) che ha fondato un'azienda, e non al frutto. Questa idea è diventata la base dei moderni knowledge graph.

Nel 2012, Google ha introdotto ufficialmente il suo Knowledge Graph, un database contenente miliardi di informazioni su persone, luoghi e cose. Era strutturato in modo tale da consentire finalmente alle macchine di comprendere quelle "relazioni tra le parole", segnando un vero punto di svolta.

Ora, invece di limitarsi a mostrare un elenco di link in risposta a una query di ricerca, Google può fornire risposte rapide e chiare. Se cercassi "chi è Beyoncé?" vedresti la sua foto, una breve biografia, i suoi album e persino le persone collegate, come suo marito Jay Z, il tutto grazie a un knowledge graph che organizza queste informazioni dietro le quinte. Fondamentalmente, ha creato il framework di dati "simile al cervello" di cui gli ingegneri parlavano da molto tempo.

Riconoscendone le potenzialità, altre aziende hanno rapidamente iniziato a costruire i propri knowledge graph su cui basare siti web, app e dispositivi più intelligenti. L'idea era semplice ma potente: collegare i punti tra le informazioni affinché i computer potessero rispondere alle domande in modo naturale.

Tutto questo ci porta a oggi. Le esperienze di ricerca basate sull'IA (come Gemini, ChatGPT, Meta AI e altri modelli di intelligenza artificiale) non si limitano a scansionare pagine web indicizzate.

Al contrario, attingono a un'ampia gamma di fonti per fornire risposte rapide, informate e conversazionali alle domande (e i clienti si fidano delle informazioni che la ricerca IA condivide).

Per i brand, questo significa una cosa: se i dati non sono strutturati e accessibili in un knowledge graph, la ricerca tramite IA potrebbe non trovarli. E dato che le esperienze di ricerca basate sull'IA stanno crescendo rapidamente, questo è un problema.

Un knowledge graph assicura che le informazioni del tuo brand, come gli orari dei negozi, i servizi, i dettagli dei prodotti e le domande frequenti, siano strutturate in modo comprensibile per le piattaforme basate sull'intelligenza artificiale. Questo significa che il tuo brand può farsi notare quando e dove i clienti cercano risposte.

Permettici di parlare di noi, solo per un minuto. Perché, sebbene il termine "knowledge graph" stia guadagnando popolarità, noi siamo esperti in questo settore da anni.

A differenza dei knowledge graph generici, che potrebbero aiutare a rispondere a domande di base, il Knowledge Graph di Yext è pensato per i brand. È progettato per aiutare i brand a strutturare le informazioni in modo da renderle rilevabili sui motori di ricerca, sulle piattaforme di IA e, più in generale, su ogni punto di contatto digitale.

Esempio: un cliente chiede a ChatGPT: "l'hotel XYZ accetta gli animali?" o "qual è il numero di telefono della mia banca?". Se quel brand utilizza il Knowledge Graph di Yext, le informazioni sono strutturate e pronte per essere visualizzate in risposte basate sull'IA, in modo accurato e coerente.

Inoltre, il Knowledge Graph di Yext si adatta man mano che i brand crescono e cambiano. Non è un semplice database statico, è un sistema dinamico (di nuovo, come il cervello) che assicura che le informazioni sul brand siano sempre aggiornate ovunque i clienti effettuino ricerche. È come avere un assistente super intelligente che tiene traccia di tutto, così puoi concentrarti su ciò che conta di più: rendere felici i tuoi clienti.

I knowledge graph potrebbero sembrare complicati, ma da oltre un decennio plasmano silenziosamente le esperienze di ricerca. Non sono stati creati in risposta all'IA, ma sono una parte fondamentale di ciò che ha reso gli algoritmi di ricerca e i modelli di linguaggio avanzato (LLM) sempre più capaci di rispondere a domande in linguaggio naturale nell'ultimo decennio.

E ora, con l'IA che sta trasformando il modo in cui si cercano informazioni, i knowledge graph sono più importanti che mai.

Dall'aiutare i clienti a trovare il bar aperto più vicino in un dato momento a garantire che la disponibilità dei prodotti sia sempre accurata, i knowledge graph assicurano che i brand possano fornire le risposte giuste nei posti giusti, rapidamente.

Vuoi scoprire di più su come strutturare i dati per farli emergere nella ricerca IA? Clicca qui.