Knowledge Design in the AI era

Register: https://jp-neo4j-usersgroup.connpass.com/event/400616/

アジェンダ / Agenda

• P&IDをNeo4jでモデリングして分かったこと 〜Knowledge Graph的発想への転換、その後〜
• Stop (Entirely) Hand-Writing Ontologies
• LLMは変わる。知識はどこに置くべきか ― SBOMとNeo4jから考える持続可能な知識管理

🎤 P&IDをNeo4jでモデリングして分かったこと
〜Knowledge Graph的発想への転換、その後〜
登壇者：小久保 裕貴 Engineering Data Architect, JGC Corporation
概要
プラント設計で使われるP&ID（配管計装図）を、Neo4jでグラフ化する取り組みについてお話しします。
前回のMeetup #55では、初期スキーマで直面した次の課題と、それらをKnowledge Graph的な発想によって解決していく方針を紹介しました。

• 検索時のホップ数の増大
• データの重複
• AIとの親和性の低さ
• 概念をノードとして表現する設計への転換

本発表はその続編です。
前回掲げた方針を実際の実装フェーズへ進めた「その後」の展開と、実装を通じて得られた学びを紹介します。
同じように、業務や専門領域に固有のデータをグラフモデリングしている方との議論のきっかけになれば幸いです。
English Title
What We Learned Modeling P&ID with Neo4j — Shifting Toward Knowledge Graph Thinking, and What Came After
English Description
This talk covers our ongoing effort to model P&ID data—Piping and Instrumentation Diagrams used in plant engineering—as a graph in Neo4j.
At the previous Meetup #55, we introduced the challenges we faced with our initial schema, including increased search hop counts, data duplication, and poor compatibility with AI. We also presented our approach to resolving these issues through Knowledge Graph-style thinking, particularly by turning concepts into nodes.
As a sequel to that talk, this session covers what happened after we moved this approach into the implementation phase, along with what we learned along the way.
We hope this session sparks discussion with others who are also working on graph modeling for domain-specific data.

🎤 Stop (Entirely) Hand-Writing Ontologies
登壇者：Jason Koo Independent GraphRAG Specialist
日本語タイトル
オントロジーをすべて手作業で書くのはやめよう
概要
オントロジー構築の作業の多くは、モデリングというより、すでに考えた構造を手作業で記述する転記作業になっています。
本セッションでは、非構造化テキストから、まず手作業でオントロジーを構築します。次に同じオントロジーを自動生成し、生成された内容の誤りや不十分な部分を、専用のエディターで修正します。
どの概念や関係を表現するかというモデリング上の判断は、引き続き人間が行う必要があります。
しかし、その判断結果を毎回ゼロから手作業で組み立てる必要はありません。
人間によるモデリング判断を維持しながら、オントロジー構築の機械的な作業をどこまで自動化できるかを紹介します。
English Description
Most ontology work isn’t modelling—it’s transcription.
We’ll build an ontology from unstructured text by hand, then generate the same thing automatically, and finally fix what the generator got wrong in a proper editor.
You should still be making every modelling decision, but you shouldn’t still be manually building ontologies from scratch.

🎤 LLMは変わる。知識はどこに置くべきか
SBOMとNeo4jから考える持続可能な知識管理
登壇者：案浦 浩二 Knowledge Graph Architect / Neo4j Ninja
概要
大規模言語モデル（LLM）は、検索、要約、回答生成に広く使われています。しかし、同じ質問でもモデルや文脈によって回答が変わり、結果を検証することが難しい場合があります。
RAGによって外部データを参照しても、知識そのものをどこで管理するかという問題は残ります。
ソフトウェア管理では、SBOMがソフトウェアの構成要素と関係を可視化します。同じように、AIが利用する知識も、LLMの内部だけに任せず、構造化された永続的なデータとして管理する必要があります。
本セッションでは、SBOMから得られる考え方をもとに、Neo4jを使って知識、根拠、関係、変更履歴を管理するアプローチを紹介します。
AIに回答を任せるだけでなく、知識を検証可能で再利用できる形に保つための、実践的な設計について考えます。
English Title
LLMs Change — Where Should Knowledge Live? Lessons from SBOM and Neo4j
English Description
Large Language Models are widely used to search, summarize, and generate answers. However, their results can change depending on the model or context, making knowledge difficult to verify and manage.
RAG helps connect LLMs with external data, but it does not fully answer a fundamental question: where should knowledge live?
SBOM makes software components and their relationships visible. In a similar way, knowledge used by AI should be managed outside the LLM as structured and persistent data.
This session introduces a practical approach using Neo4j to manage knowledge, evidence, relationships, and changes. The goal is to keep knowledge verifiable, reusable, and sustainable even as AI models continue to change.