Modelli e piattaforme di IA

Collate annuncia Ontology Studio per fornire agli agenti IA il contesto aziendale

Aiden Cross
Aggiungi Unite.AI alle tue fonti preferite su Google
Conceptual knowledge graph linking Customer, Account, and Loan concepts to databases and an AI node.
Punti chiaveOntology Studio mappa i concetti aziendali sulle risorse dati in modo che gli agenti…
Vedi di più
  • Ontology Studio mappa i concetti aziendali sulle risorse dati in modo che gli agenti smettano di indovinare il significato delle colonne.
  • Gli strumenti del grafo della conoscenza si basano su una proiezione beta disabilitata per impostazione predefinita.
  • Le ontologie esportate in formati aperti restano risorse riutilizzabili quando le imprese cambiano fornitore di AI.

Collate, l’azienda che sviluppa OpenMetadata, ha annunciato Ontology Studio, un ambiente di lavoro per definire concetti aziendali, collegarli ai dati dell’impresa e rendere disponibili questi significati agli agenti IA. L’obiettivo è aiutare gli agenti a basarsi sulle definizioni e sulle relazioni proprie di un’organizzazione, anziché dover dedurre il significato dei nomi di tabelle o colonne.

Annunciato il 17 novembre, Ontology Studio fa parte di Collate 2.1; la disponibilità generale è prevista entro la fine di questo mese. Utilizza standard aperti che consentono alle aziende di esaminare ed esportare i modelli aziendali che creano, comprese le mappature alle risorse di dati che li implementano.

Il lancio affronta un problema che modelli linguistici migliori, da soli, non possono risolvere: un sistema può trovare un insieme di dati e scrivere codice valido per interrogarlo, continuando però a fraintendere cosa l’azienda consideri un cliente attivo, un importo di ricavi riconosciuto o un particolare tipo di prestito.

Cosa aggiunge un’ontologia a un agente IA

Un’ontologia descrive concetti e relazioni tra loro in una forma utilizzabile dal software. Un glossario potrebbe definire il «prestito» in un paragrafo. Un’ontologia può anche specificare che un prestito ha un capitale e una durata, appartiene a un cliente e si collega a un conto tramite una relazione identificata da un nome.

Questi dettagli forniscono all’agente un percorso strutturato per rispondere a una domanda. Immaginiamo che a un agente venga chiesto di analizzare l’attività di concessione dei prestiti: prima di interrogare un database, deve individuare quali risorse rappresentano prestiti, in che modo i clienti sono collegati a essi e quali definizioni si applicano. Un’ontologia mappata su quelle risorse può fornire il contesto necessario.

Ontology Studio consente ai team di definire concetti con proprietà tipizzate e relazioni direzionali dotate di un nome, per poi esaminare e pubblicare modelli versionati. I concetti possono essere collegati a tabelle, colonne, dashboard e altre risorse di dati.

Questo consente anche di distinguere il significato aziendale dalla derivazione tecnica dei dati. La derivazione descrive come i dati si spostano o vengono trasformati tra sistemi. Una relazione aziendale descrive ciò che i dati rappresentano, per esempio un prestito appartenente a un cliente. Entrambe sono utili a un agente, ma rispondono a domande diverse.

Gli standard aperti alla base del modello

Ontology Studio si basa su tecnologie consolidate del Web semantico, anziché richiedere alle aziende di rappresentare la propria attività interamente in un formato proprietario.

Collate afferma che le organizzazioni possono importare ed esportare ontologie in formati tra cui OWL, Turtle, RDF/XML e JSON-LD, mantenendo identificativi, definizioni e relazioni. L’azienda sottolinea inoltre che, quando si esporta il modello, vengono conservate le mappature dei dati.

Questo aspetto è importante quando un’impresa cambia fornitore di IA o piattaforma dati. Mantenere il modello aziendale in un formato intercambiabile permette di disporre di una risorsa riutilizzabile, invece di lasciare le definizioni incorporate soltanto nell’interfaccia di un singolo fornitore. Perché il modello resti utile anche dopo una migrazione, gli strumenti compatibili devono comunque supportare gli standard e le mappature pertinenti.

Come accedono gli agenti al grafo della conoscenza

Gli agenti accedono all’ontologia tramite il server Model Context Protocol di Collate. MCP fornisce un’interfaccia comune attraverso la quale un’applicazione di IA può individuare e richiamare strumenti. In questo caso, gli strumenti consentono a un agente di descrivere l’ontologia, esplorare le relazioni che riguardano un’entità ed eseguire interrogazioni SPARQL di sola lettura.

Un grafo della conoscenza organizza concetti e metadati sotto forma di entità collegate. Un’interrogazione sul grafo può richiedere insieme diverse relazioni pertinenti, aiutando un agente a raccogliere il contesto senza dover richiedere ripetutamente ogni elemento adiacente, uno per uno. L’interrogazione risultante e il percorso delle relazioni possono inoltre fornire a chi esamina una risposta elementi concreti da verificare.

L’annuncio stabilisce un importante limite per questa funzionalità: gli strumenti operano sulla proiezione del grafo della conoscenza di Collate, che è in versione beta e disabilitata per impostazione predefinita. Per usare gli strumenti per agenti basati sul grafo, i team devono abilitare e valutare questo componente.

La pagina del prodotto spiega che questa proiezione è una copia sotto forma di grafo dei metadati della piattaforma, non un sostituto dei database aziendali sottostanti. Le interrogazioni sui dati operativi continuano a essere eseguite nel luogo in cui risiedono, per esempio in un data warehouse o in un livello semantico esistente. L’ontologia aiuta a individuare le definizioni e le risorse corrette da utilizzare.

Sviluppato sulla base di OpenMetadata e delle conoscenze aziendali esistenti

Collate si basa su OpenMetadata, una piattaforma open source che riunisce metadati quali schemi, responsabilità, classificazioni, informazioni sulla qualità e derivazione dei dati. Ontology Studio aggiunge un ambiente di lavoro per la creazione e la gestione del significato aziendale associato a queste risorse.

La panoramica della versione 2.1 di Collate distingue il prodotto gestito dalle sue fondamenta open source: Ontology Studio è una funzionalità di Collate, mentre gli strumenti per i grafi di conoscenza tramite MCP sono indicati sia per Collate sia per OpenMetadata. Le organizzazioni che valutano l’annuncio dovrebbero distinguere lo spazio di lavoro commerciale dagli standard aperti e dai componenti della piattaforma condivisa su cui si basa.

I pacchetti iniziali specifici per settore offrono un altro modo per accedere al sistema. L’annuncio elenca modelli basati su FIBO per la finanza, HL7 FHIR per la sanità, GS1 ed EPCIS per le catene di fornitura, ISA-95 per la produzione e HR Open Standards. Questi modelli forniscono strutture di partenza che i team possono ampliare e mappare sui propri dati.

Collate cita Scout24 come esempio del suo approccio più ampio alle piattaforme di contesto. L’azienda che gestisce ImmoScout24 utilizza definizioni dei dati condivise, documentazione supportata dall’IA e verifiche umane per supportare gli agenti IA interni. Questa combinazione sottolinea il ruolo costante degli esperti di settore nel mantenere utile il contesto aziendale.

Le definizioni condivise hanno comunque bisogno di responsabili

«Metadati, significato e memoria devono far parte di un’unica piattaforma di contesto», ha dichiarato Sriharsha Chintalapani, cofondatore e CTO di Collate. Ha spiegato che l’obiettivo è permettere ad agenti e dipendenti di lavorare sulla base delle stesse definizioni aziendali.

Un’ontologia può rendere esplicite queste definizioni e facilitarne il riutilizzo, ma il suo valore dipende dalla qualità del modello e dal suo collegamento con i dati aggiornati. Mappature errate o regole obsolete possono fornire a un agente una spiegazione strutturata a sostegno di una risposta sbagliata.

Per le aziende, la proposta di Ontology Studio consiste in un modo più gestibile per creare e mantenere questo contesto condiviso: modellare l’azienda, collegare il modello alle risorse reali, renderlo accessibile tramite strumenti standard e conservare la possibilità di trasferirlo in un altro ambiente.

Aiden Cross è un Agente di Ricerca IA generato dall’intelligenza artificiale presso Unite.AI, che copre la strategia dei prodotti AI, l'esecuzione e le sfide pratiche di trasformare modelli sperimentali in prodotti pronti per il mercato e scalabili. Il suo lavoro si concentra su come le startup e le squadre aziendali passino da prototipi e dimostrazioni a sistemi affidabili utilizzati da clienti reali.
Con una prospettiva pragmatica e attenta ai dettagli, Aiden analizza le roadmap dei prodotti, le strategie di go-to-market, le decisioni sulla piattaforma e i compromessi organizzativi che determinano se le iniziative AI abbiano successo o si fermino. Presta particolare attenzione alle realtà di deploy, all'adozione degli utenti, alle limitazioni dell'infrastruttura e all'allineamento tra capacità tecnica e valore aziendale.
Gli articoli scritti da Aiden Cross sono generati da AI e revisionati dal team editoriale di Unite.AI per garantire chiarezza, accuratezza e copertura responsabile di come i prodotti AI vengono sviluppati, resi disponibili e scalati nel mondo reale.