A Neo4j többfelhős GraphRAG-architektúrákat mutatott be
A Neo4j olyan többfelhős gráfarchitektúrákat fejlesztett, amelyekkel a vállalatok az AI-ügynökök költségeit és adathozzáférését kezelhetik. A cég szerint az új megoldások a meglévő adattárházakban teszik lehetővé a gráfos lekérdezést, miközben felhasználónkénti jogosultságokat is alkalmaznak.
- A Neo4j Virtual Graph nyilvános előzetesben támogatja a Snowflake, Databricks és BigQuery adattárházakat.
- A felhasználónkénti Okta SSO adatbázisszinten szabályozza az AI-ügynökök hozzáférését.
- A Neocarta szemantikai rétege a Neo4j szerint 45 és 81 százalék közötti tokenmegtakarítást hozott.
- Egy AWS-es pénzügyi projektben 8 TiB-os Aura VDC-környezetet és GraphRAG-et használnak.
- A Neo4j októberben és novemberben többfelhős AI-műhelyeket szervez partnereivel.
A Virtual Graph az adattárházban hagyja az adatokat
A Neo4j október 14-i közlése szerint a vállalati AI-projektek élesítésekor két fontos problémát kell kezelni: az összetett lekérdezések tokenköltségét és a többfelhős környezetek szigorú adatbiztonsági követelményeit. A vállalat szerint az adatok másodlagos adatbázisokba másolása, illetve teljes sémák beillesztése a nyelvi modellek kontextusába költséges, lassú és kockázatos lehet.
A Neo4j Virtual Graph ezt úgy kezeli, hogy a gráfos következtetést közvetlenül a meglévő adattárházakhoz viszi. A funkció jelenleg nyilvános előzetesben érhető el a Snowflake, a Databricks és a Google BigQuery támogatásával. A beépített AI-eszközök elemzik az adattárház tábláit, majd gráfsémát javasolnak. Amikor egy felhasználó vagy AI-ügynök Cypher-lekérdezést futtat, a rendszer azt optimalizált SQL-lekérdezéssé alakítja, és a számításigényes műveleteket az alapul szolgáló felhős adattárház motorjára bízza.
Az adatok közben a meglévő biztonsági határokon belül maradnak, az eredmények pedig gráfos formában, a Bolt protokollon keresztül érkeznek vissza. A Neo4j szerint a megoldás a későbbi általános elérhetőség előtt, rendszerintegrátorok és partnerek számára is zéró-ETL belépési pontot kínál GraphRAG- és relációs következtetési alkalmazásokhoz.
Felhasználónként ellenőrizhető hozzáférés az AI-ügynököknél
A vállalat egy Microsoft Copilot Studio és Neo4j közötti, Okta SSO-ra épülő referencia-architektúrát is közzétett. A cél az úgynevezett „confused deputy” biztonsági probléma kiküszöbölése, amely akkor merülhet fel, ha egy AI-ügynök egyetlen közös szolgáltatásfiókkal kérdez le adatbázisokat, és így szélesebb jogosultságokkal rendelkezik, mint maga a felhasználó.
Az architektúrában az ügynökkérések egy Google Cloud Runon futó Neo4j Model Context Protocol szerveren keresztül haladnak. Az egyes felhasználók Okta OAuth-hozzáférési tokenjei közvetlenül az adatbázishoz jutnak. A Neo4j ellenőrzi a tokeneket, majd a felhasználói csoportokat adatbázisszintű szerepkörökhöz rendeli. A cég szerint így akkor is érvényesül a hozzáférés-szabályozás, ha a nyelvi modell széles, több lépésből álló Cypher-lekérdezést generál.
A szemantikai réteg csökkentheti a Text2SQL költségeit
A Neo4j Developer Blogon közzétett benchmark a Neocarta segítségével kialakított szemantikai réteget vizsgálta Google BigQuery és Databricks Unity Catalog környezetben. A rendszer a katalógusok sémáit, az üzleti fogalmakat és a hitelesített összekapcsolási útvonalakat Neo4j-alapú metaadat-gráfba gyűjti.
Az AI-ügynök ezután szemantikai kereséssel csak a szükséges táblákat, oszlopokat és kapcsolási útvonalakat kapja meg. A Neo4j szerint egy 278 táblás BigQuery-séma és egy 264 táblás Databricks-katalógus vizsgálatában 45 és 81 százalék közötti tokenmegtakarítást mértek több modellcsaládnál. A vállalat állítása szerint az olcsóbb modellek, köztük a GPT-4o-mini, eljutottak a korábbi zsákutcák helyett a 100 százalékos pontosságig, miközben a végrehajtási sebesség megduplázódott, és havonta több száz dollárral csökkentek az API-tokenköltségek.
Felhőpartnerekkel bővülnek a vállalati projektek
A Neo4j a harmadik negyedévben a Google Clouddal, az AWS-szel és a Microsofttal közös értékesítési projekteket vitt tovább. A vállalat beszámolója szerint egy Google Cloudon működő, 2 TB-os Aura VDC-környezet ingatlan- és adóadatokat egyesített egy vállalati tudásrétegben. Egy másik, hét környezetből és megközelítőleg 1,9 TB adatból kiinduló projektben a tudásgráfok összetett szoftverfüggőségeket modelleznek.
Egy amerikai jelzálog- és pénzügyi szolgáltatónál 8 TiB-os Aura VDC-telepítés használja a Neo4j Graph Data Science és GraphRAG technológiát az Amazon Bedrockkal együtt. A Neo4j szerint ez az autonóm értékesítési ügynökök működését, az ügyfélmegkereséseket és a következő legjobb lépésre vonatkozó ajánlásokat támogatja, a hitelfelvevői utánkövetésekben pedig 20 százalékos javulást hozott.
A vállalat októberben és novemberben AWS-, Google Cloud-, Microsoft-, Snowflake- és Databricks-partnerekkel közös gyakorlati AI-műhelyeket tart. Ezeken ügyfél- és mérnöki csapatok építhetnek gráfalapú generatív AI-alkalmazásokat. A Neo4j szerint a bemutatott többfelhős biztonsági és zéró-másolásos megoldások a vállalati AI-ügynökök költséghatékonyabb és ellenőrizhetőbb használatát készítik elő.
Neo4j: Connected Intelligence: Operationalizing secure, cost-optimized graph architectures across multi-cloud AI
