AI एजेंटों के लिए पोर्टेबल व्यावसायिक ऑन्टोलॉजी

“ऑन्टोलॉजी” शब्द आजकल काफ़ी चलन में है। क्यों? एजेंटों और उन्हें शक्ति देने वाले LLMs को व्यवसाय से जुड़ा प्रासंगिक संदर्भ चाहिए।

किसी ऑन्टोलॉजी को अपनाने से पहले विक्रेता से पूछें: “जब ऑन्टोलॉजी हमारे व्यवसाय को ग़लत ढंग से दर्शाती है, तो हमारे लोग उसे कैसे सुधारेंगे—और किन चीज़ों के लिए अब भी आप पर निर्भर रहना होगा?” जवाब से आपको काफ़ी कुछ पता चलेगा कि आप व्यवसाय के किसके मॉडल को अपना रहे हैं। इससे यह भी स्पष्ट होता है कि दाँव पर क्या लगा है: व्यवसाय में बदलाव के साथ उस मॉडल को बेहतर बनाने की आपकी क्षमता और प्लेटफ़ॉर्म बदलने पर भी उस निवेश को उपयोगी बनाए रखने की क्षमता।

ऑन्टोलॉजी और नॉलेज ग्राफ़ में अंतर समझना उपयोगी है, हालाँकि अक्सर दोनों एक-दूसरे से मेल खाते हैं।

ऑन्टोलॉजी: किस तरह की चीज़ें मौजूद हैं, उनके बीच के संबंधों का क्या अर्थ है और कौन-से नियम लागू होते हैं। उपकरण, घटक, टीमें, भूमिकाएँ, प्रक्रियाएँ। उदाहरण के लिए, कोई ऑन्टोलॉजी “उपकरण” प्रकार और “घटक” से उसका “समाहित करता है” संबंध परिभाषित कर सकती है। इसके बाद नॉलेज ग्राफ़ यह दर्ज कर सकता है: “पंप P-101 में सील S-7 लगा है”—यानी दो विशिष्ट इकाइयाँ और उनके बीच का संबंध।

कल्पना कीजिए कि आप किसी एजेंट से कहते हैं, “समान-दुकान बिक्री की वृद्धि की गणना करो, लेकिन एक तुलना में सभी दुकानें दिखाओ और दूसरी में उन दुकानों को बाहर रखो जिन्हें खुले हुए 2 साल से कम हुए हैं; फिर दोनों तुलनाओं को घरेलू, अंतरराष्ट्रीय और संयुक्त श्रेणियों में बाँटो।”

इस अनुरोध में ऐसी जानकारियाँ शामिल हैं जिनका अनुमान एजेंट नहीं लगा सकता:

• कौन-कौन सी दुकानें हैं और वे कब खुलीं
• वे कहाँ स्थित हैं
• “समान-दुकान बिक्री” की आंतरिक परिभाषा

किसी नीति के तहत दुकानों को एक साल तक खुला रहने के बाद ही गणना में शामिल किया जा सकता है; दो साल वाले समूह के अनुरोध में एक अतिरिक्त फ़िल्टर लग जाता है। फिर भी, क्या दुकान के पात्र होते ही कैलेंडर महीनों की तुलना की जाती है, या उसे तभी शामिल किया जाता है जब उसका पिछला पूरा वित्तीय वर्ष समाप्त हो चुका हो?

ऑन्टोलॉजी को इन दुकानों का उस नीति से संबंध जोड़ना होगा जो गणना को नियंत्रित करती है। संबंधित तथ्यों को ढूँढ़ना मददगार है; सही नियम लागू करने से ही जवाब उपयोगी बनता है।

किसी प्रश्न का जवाब देने से पहले एजेंट प्रासंगिक संदर्भ पाने के लिए ग्राफ़ में मौजूद संबंधों का उपयोग कर सकता है। और इसमें हैरानी की बात भी नहीं कि ये उपयोगी हैं, क्योंकि ज्ञान-क्षेत्र बहुत जटिल हो सकते हैं।

चित्र 1: ग्राफ़: संयुक्त सार्वजनिक SysML मॉडल: TMT Thirty Meter Telescope (Open-MBEE/JPL, Apache-2.0), CubeSat System Reference Model (© 2022 INCOSE SSWG & OMG SDTF, CC BY 4.0), Architecting Spacecraft with SysML (Friedenthal & Oster, BSD-2-Clause), साथ ही काल्पनिक MDC तारामंडल की सामग्री और सार्वजनिक विनिर्देश (IS-GPS-200, IS-GPS-705, GSFC-STD-7000B)। Kamiwaza Kaizen में प्रस्तुत।

लेकिन जानकारी निकालने के दौरान ग़लतियाँ भी दर्ज हो सकती हैं। टीमें एक ही इकाई के लिए अलग-अलग नाम इस्तेमाल कर सकती हैं, जिससे डुप्लिकेट बन जाते हैं। स्रोतों में मतभेद हो सकता है या वे पुराने पड़ सकते हैं। साफ़-सुथरे स्रोत को भी LLM ग़लत समझ सकता है। उन ग़लतियों को प्रामाणिक रूप दे देने से उनका ख़तरा कम नहीं हो जाता।

जब व्यवसाय का मॉडल ऐसी प्रणाली बन जाता है जो उसी पर कार्रवाई करती है, तो ये जोखिम बढ़ जाते हैं। तब किसी ग़लत संबंध से सिर्फ़ ग़लत जवाब नहीं, बल्कि ग़लत कार्रवाई भी हो सकती है।

ऑन्टोलॉजी उत्पादों के जोखिम

पहले, ऐसे मॉडलों से सावधान रहें जिनमें लचीलापन न हो। “सब कुछ पहले से शामिल” करने के नाम पर कोई विक्रेता अपनी इकाइयों को प्राथमिक दर्जा दे सकता है और आपकी इकाइयों की क्षमताएँ सीमित कर सकता है। केवल अनुकूलन की सुविधा काफ़ी नहीं, अगर अनुकूलित प्रकारों में खोज, सत्यापन या कार्रवाई की क्षमताएँ न हों।

दूसरे, जानकारी खोजने से लेकर उसके संचालन और नियंत्रण तक पहुँचने का रास्ता देखें। किसी टूल से आप LLM की समझ के आधार पर ग्राफ़ का शुरुआती ढाँचा बना सकें और फिर उसे स्पष्ट बाधाओं के अनुरूप सत्यापित कर सकें। अपवादों को लोगों के पास आगे भेज पाना और खोज के दौरान मिली जानकारी को स्वीकृत व्यावसायिक डेटा माने बिना सुरक्षित रख पाना भी संभव होना चाहिए।

सबसे बड़ा जोखिम यह है कि व्यावसायिक प्रक्रियाएँ ऐसे प्लेटफ़ॉर्म से बाँध दी जाएँ जिसे आप छोड़ न सकें। आपकी ऑन्टोलॉजी आपके व्यवसाय—उसके ज्ञान, प्रक्रियाओं और संबंधों—को दर्शाती है। उसे व्यवस्थित करने और व्यावसायिक तर्क विकसित करने में किया गया निवेश, टूल बदलने पर भी उपयोगी बना रहना चाहिए। किसी विक्रेता को उस पर ताला लगाकर चाबी अपने पास रखने का अधिकार क्यों होना चाहिए?

ग्राफ़ एम्बेडिंग कहाँ मददगार हैं

जब नॉलेज ग्राफ़ बहुत बड़े हो जाएँ, तो ऐसा टूल या विक्रेता चुनना फ़ायदेमंद हो सकता है जो ग्राफ़ एम्बेडिंग का समर्थन करता हो। ये उन सिमैंटिक एम्बेडिंग के क़रीबी रिश्तेदार हैं जो कई RAG अनुप्रयोगों को शक्ति देते हैं। इनके दो उपयोगी फ़ायदों पर विचार किया जा सकता है।

पहला, घनी तरह से जुड़े ग्राफ़ में कुछ ही कड़ियाँ आगे बढ़ने पर संसाधित करने के लिए बहुत ज़्यादा इकाइयाँ मिल सकती हैं। इकाइयों और संबंधों के संख्यात्मक निरूपण सीखकर, एम्बेडिंग ग्राफ़ के प्रासंगिक हिस्से ढूँढ़ने का एक और तरीका देती हैं। सही काम के लिए यह ग्राफ़ में आगे बढ़ते हुए खोज करने से अधिक कुशल हो सकता है।

दूसरा, एम्बेडिंग मॉडल संभावित छूटे हुए संबंधों को प्राथमिकता के क्रम में रख सकते हैं। इसी सीख से किसी इकाई-प्रकार की विशिष्ट विशेषताओं और संबंधों के पैटर्न भी सामने आ सकते हैं, जिससे अधिक पूर्ण ग्राफ़ बनाने में मदद मिलती है।

क्रमिक सुधार के पक्ष में तर्क

अपने भविष्य पर अपना नियंत्रण बनाए रखने, किसी एक विक्रेता पर निर्भरता से बचने और विक्रेता की तय की हुई विकृत छवि के बजाय अपने वास्तविक व्यवसाय का मॉडल बनाने के लिए, अग्रिम तैनात इंजीनियरों की पूरी फ़ौज के बिना शुरुआत कैसे करें? मेरा मानना है कि आधुनिक AI यहीं अपनी ताक़त दिखाता है—बशर्ते टूलिंग में जानकारी खोजने से लेकर सत्यापन तक पहुँचने का रास्ता हो।

सबसे पहले, स्वचालित खोज और जानकारी के निष्कर्षण का उपयोग करें। कारोबारी दस्तावेज़ों, नीतियों, ईमेल या Slack संदेशों से आप किसी क्षेत्र की शुरुआती रूपरेखा तैयार कर सकते हैं। अहम बात यह है कि सत्यापन होने तक इसे सटीक नहीं माना जा सकता।

सत्यापन दूसरा चरण है। आपके टूल ऐसे उम्मीदवारों से—जिन्हें स्रोतों से निकाला गया है—स्रोतों पर आधारित दावों तक और फिर किसी ज़िम्मेदार व्यक्ति या प्रामाणिक प्रणाली से सत्यापित ज्ञान तक पहुँचने का सहज रास्ता दें। हर दावे का स्रोत सुरक्षित रखें।

जानकारी को अद्यतन रखना लगातार चलने वाला काम है। किसी समस्या-टिकट को संभालने की प्रक्रिया या “न्यू जर्सी में कितने स्टोर हैं” का जवाब आज, तीन साल पहले जैसा हो, यह ज़रूरी नहीं। लेकिन आज के ज्ञान को अद्यतन करते समय बीते कल की वास्तविकता मिटनी नहीं चाहिए। किसी तथ्य को दर्ज किए जाने का समय और उसके लागू होने का समय अलग-अलग हो सकते हैं; एक उपयोगी ओन्टोलॉजी में मौजूदा जवाब देने और अतीत की सटीक तस्वीर दिखाने, दोनों की क्षमता होनी चाहिए। फिर भी, किसी को उस ज्ञान को अद्यतन बनाए रखना होगा।

इसका दायरा बहुत बड़ा हो सकता है। एक छोटे संग्रह से शुरुआत करें, किसी उपयोगी क्षेत्र का नक्शा बनाएँ और आगे बढ़ते हुए मूल्य सृजित करें, ताकि अंततः एक व्यापक तस्वीर तैयार हो सके।

ग्राहक सहायता एक उपयोगी सीमित क्षेत्र हो सकती है: आने वाली कॉल और ईमेल, टिकटिंग प्रणाली, स्वचालित समाधान, ग्राहकों को जवाब देने वाली सहायता टीम और वास्तविक बग को इंजीनियरिंग टीम तक पहुँचाने का रास्ता। यह ज्ञान को कार्रवाई से जोड़ती है और एक प्रबंधनीय क्षेत्र में वही जोखिम और लाभ सामने लाती है।

ServiceNow का Common Service Data Model इस बाधा को दर्शाता है। इसके CSDM 5 श्वेतपत्र में चेतावनी दी गई है, “यदि यह डेटा निर्धारित तालिकाओं में नहीं होगा, तो हो सकता है कि आपको ServiceNow AI Platform का पूरा लाभ न मिले।” यह चेतावनी ही डिज़ाइन और परिचालन संबंधी बाधा पैदा करती है: या तो वेंडर के मॉडल के अनुरूप ढलें, या जोखिम स्वीकार करें। अगर इसका मतलब अपनी गोल खूंटी को उनके चौकोर छेद में ठूँसना हो तो?

अब मान लीजिए कि ओन्टोलॉजी प्लेटफ़ॉर्म डेटा ग्रहण करने, रूपांतरणों, कार्रवाइयों और कारोबारी नियमों की सुविधा भी देता है। हो सकता है कि आप इकाइयाँ, विशेषताएँ और संबंध निर्यात कर सकें। लेकिन क्या आप ऐसे रूपांतरण और कार्रवाई-पाइपलाइन भी दूसरी जगह ले जा सकते हैं, जो आपके डेटाबेस में बदलाव लागू करें, वेबहुक कॉल करें और दूसरे प्रभाव पैदा करें? आपस में गहराई से जुड़े इंटीग्रेशन के कारण पूरा कारोबार उसी प्लेटफ़ॉर्म पर निर्भर रह सकता है।

लचीलापन अब क्यों मायने रखता है

सॉफ़्टवेयर दुनिया पर छा रहा है और AI सॉफ़्टवेयर पर। टीमें सॉफ़्टवेयर बनाने और उसे चलाने, दोनों के लिए AI का उपयोग कर रही हैं; ऐसे में कारोबारी तर्क का बड़ा हिस्सा इन प्लेटफ़ॉर्मों से जुड़ सकता है। हर उपयोगी स्वचालन, प्लेटफ़ॉर्म बदलने में एक और निर्भरता भी बन सकता है। किसी वेंडर को आपके और आपकी फुर्ती के बीच आड़े आने देना ख़तरनाक है।

निष्कर्ष

जीवित रहने का यह अद्भुत समय है! इसमें कोई आश्चर्य नहीं कि लोग एजेंटों को संदर्भ देने के लिए ओन्टोलॉजी का इस्तेमाल करने की संभावनाएँ तलाश रहे हैं। उस संदर्भ को प्रक्रियाओं और इंटीग्रेशन तक विस्तारित करने से वास्तविक मूल्य पैदा हो सकता है। अब शुरुआत में पूछे गए सवाल पर लौटें। आपके लोगों के सुधारों से मॉडल को आपके कारोबार की अधिक सटीक तस्वीर बनना चाहिए। प्लेटफ़ॉर्म बदलने पर इस तरह जमा हुई समझ को खो देना बहुत बड़ी क्षति होगी। और यह भी ऐसा समय है जब किसी को विकल्पहीन स्थिति में फँसना कतई नहीं चाहिए।