Para mejorar la eficiencia de la comunicación y el trabajo colaborativo en sistemas ciberfísicos (CPS) dentro del entorno de la Industria 4.0, este estudio investiga un enfoque de aprendizaje automático basado en grafos destinado a optimizar la interacción de información durante conversaciones de múltiples partes. Los dispositivos dentro de los CPS deben intercambiar información de manera eficiente en tiempo real para sincronizar operaciones y respuestas. Esta investigación trata estas interacciones como estructuras de grafos intrincadas y utiliza técnicas de aprendizaje de grafos para identificar con precisión los enlaces de comunicación y dependencias entre dispositivos. Esta mejora conduce a una toma de decisiones más precisa y operaciones más fluidas. Nuestra metodología implica un análisis en tiempo real de patrones estructurales y atributos de nodos dentro de las conversaciones, mejorando el flujo de información y la comprensión. Los hallazgos empíricos demuestran que este enfoque mejora significativamente la eficiencia de producción, la adaptabilidad del sistema y minimiza los retrasos atribuidos a malentendidos de comunicación. Nuestro método puede identificar de manera efectiva las relaciones de comunicación entre dispositivos, mejorando significativamente la eficiencia y precisión de la transmisión de información. Esta capacidad de comunicación mejorada conduce a una mayor eficiencia de producción de todo el sistema.