麥肯錫（McKinsey）個 distinguished partner James Kaplan 喺一個直播訪問入面講，佢哋點用「知識圖譜」（knowledge graph）將公司數據同業務關係串埋，俾生成式 AI 揾出上下文。
佢話，你個個日用嘅 LinkedIn、Wikipedia、任何社交媒體，本質上都係圖譜。「呢種技術社交媒體公司好早已經掌握，企業到而先跟到。」
佢指，傳統關係式資料庫（relational database）處理交易性數據冇問題，但對模糊或者複雜嘅資料就勁差。「描述一個客户、一個產品、一個流程，講佢哋同其他嘢嘅關係，先至有 insights。」
講緊 EcliptOS McKinsey 自己用嘅係 EcliptOS，一個佢哋話係「AI 作業系統」嘅東西，將高層策略同日常執行透過 agentic workflows（代理工作流）連埋。系統有一個 semantic data layer（語義數據層），將數據同佢哋嘅關係整理好，俾生成式 AI 應用。
「我哋實際上建咗一個『數據庫嘅圖』。圖嘅 schema 比關係式資料庫更靈活，更容易將多個數據庫串埋。」
AI 做資料整理 佢另外講，AI 而家可以將未結構嘅資料變成結構化數據同業務規則，再存入圖譜。以前呢啲嘢要由 business analyst 或者 data scientist 做，「耗時、貴、而且經常唔准」。
「我哋首次有能力去質詢複雜流程，用程式產生確定性嘅業務規則。」
有幾真實？ 要註明：呢個係單一來源嘅直播訪問，冇獨立第三方測試、冇部署規模、冇成本數字。Neo4j 係贊助商，原文明確定佢哋冇編輯權，但讀者要留意，呢啲係麥肯錫自己嘅敍述，唔係公開測試結果。EcliptOS 冇公開文檔、冇技術規格、冇可重現嘅資料。
阿調搞兩下 大型顧問公司自己講自己嘅 AI 系統，最緊要睇嘅係：有冇獨立驗證？EcliptOS 有冇公開技術文件？「agentic workflows」具體係點運作、有冇事故紀錄？而家全部冇。呢種「我們建了個圖，它很強大」嘅説法，技術上聽得通，但對讀者而言，暫時只係一句賣口上嘅描述，唔係證據。
阿調｜深度調教
