Con Context Engine, Neo4j presenta un componente que debe reunir el conocimiento empresarial de distintos sistemas en una capa de conocimiento central. Según el proveedor, los agentes de IA obtienen así el contexto de negocio que necesitan para ofrecer resultados fiables.
Neo4j presentó Neo4j Context Engine. El proveedor de la plataforma de inteligencia de grafos del mismo nombre quiere que las empresas puedan construir una capa de conocimiento, es decir, una base de conocimiento disponible de forma centralizada para la IA agéntica. Los agentes de IA deben poder captar el conocimiento empresarial, vincularlo y utilizarlo para razonar. Según Neo4j, esto mejora la comprensión del contexto, el alcance y la memoria de los agentes y, con ello, la fiabilidad de los resultados.
La falta de contexto de negocio como punto de partida
Los agentes de IA pueden automatizar y acelerar los procesos empresariales. Sin embargo, no saben por sí mismos qué significan «cliente», «cuenta», «proveedor» o «riesgo» en cada empresa ni cómo se relacionan estos conceptos. La información necesaria suele estar dispersa en bases de datos, aplicaciones, documentación e implementaciones de IA individuales. Faltan contexto e instrucciones para que los datos correctos estén disponibles en el momento adecuado y con la estructura adecuada.
Cuatro componentes para la capa de conocimiento
El núcleo de Context Engine es una ontología de negocio: un modelo predefinido de seis capas que vincula áreas de conocimiento como la organización, los procesos de negocio, los datos y los recursos de IA en una base de datos de grafos de Neo4j. Según la empresa, se basa en buenas prácticas de cientos de implementaciones en clientes, conecta las fuentes de datos físicas con la lógica de negocio y está pensado para apoyar tanto la fase de diseño como la operación diaria.
Las empresas pueden construir la ontología a partir de fuentes de datos existentes, como Databricks o Snowflake, y ponerla a disposición de las aplicaciones de IA. Las capas de orquestación de IA acceden a ella y proporcionan contexto de negocio a agentes guiados por procesos o a agentes para análisis conversacionales. La capa semántica puede operarse mediante ejecución headless, herramientas de línea de comandos o paquetes de Python y conectarse con plataformas de datos, catálogos de datos y sistemas de almacenamiento. La gestión de cambios y los marcos personalizables están integrados. Los recuperadores GraphRAG acceden a ella de forma selectiva.
Context Studio es la interfaz central para la gestión y el gobierno. Los equipos definen allí ontologías y flujos de trabajo de forma visual y configuran agentes de IA, servidores MCP (Model Context Protocol) y herramientas para desarrolladores.
Context Memory es una capa de memoria nativa de grafos para agentes. Admite memoria a corto y largo plazo y almacena conclusiones. Las decisiones, los fundamentos y las rutas de proceso se registran; los algoritmos de grafos condensan los patrones recurrentes en conocimiento reutilizable. Con ello se pretende mejorar paulatinamente la calidad de los resultados futuros.
Valoración de los analistas
Gartner describe en su Market Overview de agosto de 2026 las plataformas de contexto de IA como software con el que los equipos construyen, gestionan y ofrecen conocimiento estructurado semánticamente para agentes. El contexto se considera un activo empresarial independiente, cuyo ciclo de vida se desacopla del de cada agente.
Sanjeev Mohan, principal de SanjMo, define el contexto como la base de una IA empresarial fiable. En casos de uso agénticos más complejos no basta con inferir las relaciones; deben representarse de forma explícita. Sudhir Hasbe, presidente de tecnología y CPO de Neo4j, califica otros enfoques de soluciones provisionales que alcanzan sus límites con agentes más complejos. Neo4j señala su experiencia de décadas con grafos y ontologías.
Disponibilidad
Neo4j Context Engine está disponible para usuarios seleccionados como versión preliminar. Las empresas interesadas pueden solicitar ser socios de diseño.
El Dr. Jakob Jung es redactor jefe de Security Storage y Channel Germany. Lleva más de 20 años trabajando en el periodismo especializado en TI. A lo largo de su carrera ha colaborado con Computer Reseller News, Heise Resale, Informationweek, Techtarget (almacenamiento y centros de datos) y ChannelBiz. Además, colabora como freelance con numerosas publicaciones del sector de las TI, entre las que se incluyen Computerwoche, Channelpartner, IT-Business, Storage-Insider y ZDnet. Sus temas principales son el canal, el almacenamiento, la seguridad, los centros de datos, los sistemas ERP y CRM.
Contacto – Contacto por correo electrónico: jakob.jung@security-storage-und-channel-germany.de