Model dan platform AI
Collate Mengumumkan Ontology Studio untuk Memberikan Konteks Bisnis kepada Agen AI

Poin utamaOntology Studio memetakan konsep bisnis ke aset data sehingga agen berhenti menebak…
Lihat selengkapnya
- Ontology Studio memetakan konsep bisnis ke aset data sehingga agen berhenti menebak makna kolom.
- Alat grafik pengetahuan berjalan pada proyeksi beta yang dinonaktifkan secara default.
- Ontologi yang diekspor dalam format terbuka tetap menjadi aset yang dapat digunakan kembali ketika perusahaan beralih vendor AI.
Collate, perusahaan di balik OpenMetadata, mengumumkan Ontology Studio, ruang kerja untuk mendefinisikan konsep bisnis, menghubungkannya dengan data perusahaan, dan menyediakan makna tersebut bagi agen AI. Tujuannya adalah membantu agen bekerja berdasarkan definisi dan hubungan yang ditetapkan organisasi sendiri, alih-alih menebak arti nama tabel atau kolom.
Diumumkan pada 17 November, Ontology Studio merupakan bagian dari Collate 2.1, dengan ketersediaan umum direncanakan pada akhir bulan ini. Produk ini menggunakan standar terbuka agar perusahaan dapat memeriksa dan mengekspor model bisnis yang mereka buat, termasuk pemetaan ke aset data yang mewujudkan model tersebut.
Peluncuran ini menjawab masalah yang tidak dapat diatasi hanya dengan model bahasa yang lebih baik: sebuah sistem mungkin dapat menemukan set data dan menulis kode yang valid untuk mengaksesnya, tetapi tetap salah memahami apa yang dianggap bisnis sebagai pelanggan aktif, angka pendapatan yang diakui, atau jenis pinjaman tertentu.
Apa yang Ditambahkan Ontologi untuk Agen AI
Ontologi menjelaskan konsep dan hubungan di antara konsep-konsep tersebut dalam bentuk yang dapat digunakan perangkat lunak. Glosarium mungkin mendefinisikan “Pinjaman” dalam sebuah paragraf. Ontologi juga dapat menetapkan bahwa pinjaman memiliki pokok dan jangka waktu, dimiliki oleh seorang pelanggan, serta terhubung ke sebuah rekening melalui hubungan yang diberi nama.
Rincian tersebut memberi agen jalur terstruktur untuk menjawab pertanyaan. Bayangkan sebuah agen diminta menganalisis aktivitas pemberian pinjaman: sebelum mengajukan kueri ke basis data, agen perlu mengidentifikasi aset mana yang mewakili pinjaman, bagaimana pelanggan terkait dengannya, dan definisi mana yang berlaku. Ontologi yang dipetakan ke aset-aset tersebut dapat menyediakan konteks itu.
Ontology Studio memungkinkan tim mendefinisikan konsep dengan properti bertipe dan hubungan terarah yang diberi nama, lalu meninjau dan menerbitkan model berversi. Konsep dapat ditautkan ke tabel, kolom, dasbor, dan aset data lainnya.
Hal ini juga memisahkan makna bisnis dari silsilah teknis data. Silsilah data menjelaskan bagaimana data berpindah atau diubah di antara sistem. Hubungan bisnis menjelaskan apa yang diwakili data, misalnya pinjaman yang dimiliki seorang pelanggan. Keduanya berguna bagi agen, tetapi menjawab pertanyaan yang berbeda.
Standar Terbuka yang Mendasari Model
Ontology Studio dibangun di atas teknologi Web Semantik yang sudah mapan, sehingga perusahaan tidak perlu menyatakan seluruh bisnisnya dalam format proprieter.
- OWL, Bahasa Ontologi Web, menyediakan cara formal untuk merepresentasikan kelas, properti, dan hubungan, sehingga perangkat lunak dapat menggunakan makna yang dinyatakan secara eksplisit.
- SKOS, Sistem Organisasi Pengetahuan Sederhana, merepresentasikan kosakata terkendali dan hubungan seperti konsep yang lebih luas, lebih sempit, dan terkait.
- SPARQL adalah bahasa kueri untuk graf RDF yang memungkinkan perangkat lunak mengajukan pertanyaan terstruktur tentang konsep dan metadata yang saling terhubung.
Collate menyatakan bahwa organisasi dapat mengimpor dan mengekspor ontologi dalam berbagai format, termasuk OWL, Turtle, RDF/XML, dan JSON-LD, dengan tetap mempertahankan pengenal, definisi, dan hubungan. Perusahaan itu juga menekankan bahwa pemetaan data tetap dipertahankan saat model diekspor.
Hal ini penting ketika perusahaan berganti vendor AI atau platform data. Menyimpan model bisnis dalam format yang dapat dipertukarkan menjadikannya aset yang bisa digunakan kembali, alih-alih membiarkan definisi hanya tertanam di antarmuka satu vendor. Agar model tetap berguna setelah perpindahan, alat yang kompatibel tetap harus mendukung standar dan pemetaan yang relevan.
Cara Agen Mengakses Graf Pengetahuan
Agen mengakses ontologi melalui server Model Context Protocol milik Collate. MCP menyediakan antarmuka umum yang memungkinkan aplikasi AI menemukan dan memanggil alat. Dalam hal ini, alat-alat tersebut memungkinkan agen menjelaskan ontologi, menelusuri hubungan di sekitar suatu entitas, dan menjalankan kueri SPARQL hanya-baca.
Graf pengetahuan mengorganisasi konsep dan metadata sebagai entitas yang saling terhubung. Kueri graf dapat meminta beberapa hubungan yang relevan sekaligus, sehingga agen dapat mengumpulkan konteks tanpa berulang kali meminta setiap item yang berdekatan secara terpisah. Kueri dan jalur hubungan yang dihasilkan juga dapat memberi peninjau sesuatu yang konkret untuk diperiksa sebagai dasar sebuah jawaban.
Pengumuman tersebut menetapkan batasan penting bagi fungsi ini: alat-alat itu berjalan di atas proyeksi graf pengetahuan Collate, yang masih dalam versi beta dan dinonaktifkan secara default. Tim perlu mengaktifkan dan mengevaluasi komponen tersebut untuk menggunakan alat agen berbasis graf.
Halaman produk menjelaskan bahwa proyeksi ini merupakan salinan metadata platform dalam bentuk graf, bukan pengganti basis data bisnis yang mendasarinya. Kueri terhadap data operasional tetap dijalankan di tempat data tersebut berada, seperti gudang data atau lapisan semantik yang sudah ada. Ontologi membantu mengidentifikasi definisi dan aset yang tepat untuk digunakan.
Dikembangkan di Atas OpenMetadata dan Pengetahuan Bisnis yang Sudah Ada
Collate dibangun di atas OpenMetadata, platform sumber terbuka yang menyatukan metadata seperti skema, kepemilikan, klasifikasi, informasi kualitas, dan silsilah data. Ontology Studio menambahkan ruang kerja untuk menyusun makna bisnis yang terhubung dengan aset-aset tersebut.
Ikhtisar rilis 2.1 Collate menjelaskan perbedaan antara produk terkelola dan fondasi sumber terbukanya: Ontology Studio merupakan kapabilitas Collate, sedangkan perangkat graf pengetahuan melalui MCP tercantum untuk Collate maupun OpenMetadata. Organisasi yang mengevaluasi pengumuman ini sebaiknya membedakan ruang kerja komersial dari standar terbuka dan komponen platform bersama yang mendasarinya.
Paket awal untuk industri menyediakan jalur lain untuk mulai menggunakan sistem ini. Pengumuman tersebut mencantumkan model yang didasarkan pada FIBO untuk keuangan, HL7 FHIR untuk layanan kesehatan, GS1 dan EPCIS untuk rantai pasok, ISA-95 untuk manufaktur, serta HR Open Standards. Model-model ini menyediakan struktur awal yang dapat dikembangkan tim dan dipetakan ke data mereka sendiri.
Collate menunjuk Scout24 sebagai contoh pendekatan platform konteksnya yang lebih luas. Perusahaan di balik ImmoScout24 menggunakan definisi data bersama, dokumentasi yang didukung AI, dan verifikasi oleh manusia untuk mendukung agen AI internal. Kombinasi ini menegaskan bahwa para ahli bidang terkait tetap berperan penting dalam menjaga agar konteks bisnis tetap bermanfaat.
Definisi Bersama Tetap Memerlukan Penanggung Jawab
“Metadata, makna, dan memori sebaiknya berada dalam satu platform konteks,” ujar Sriharsha Chintalapani, salah satu pendiri sekaligus CTO Collate. Ia mengatakan, tujuannya adalah agar agen dan karyawan menggunakan definisi bisnis yang sama.
Ontologi dapat memperjelas definisi tersebut dan memudahkan penggunaannya kembali, tetapi nilainya bergantung pada kualitas model dan keterkaitannya dengan data terkini. Pemetaan yang keliru atau aturan yang sudah usang dapat membuat agen memberikan penjelasan terstruktur yang mendukung jawaban yang salah.
Bagi perusahaan, tawaran Ontology Studio adalah cara yang lebih mudah dikelola untuk membangun dan memelihara konteks bersama tersebut: memodelkan bisnis, menghubungkan model dengan aset nyata, menyediakannya melalui perangkat standar, serta mempertahankan kemampuan untuk membawanya ke lingkungan lain.












