AI-modeller og plattformer
Collate kunngjør Ontology Studio for å gi AI-agenter forretningskontekst

Viktige punkterOntology Studio kartlegger forretningskonsepter til dataressurser slik at agenter…
Vis mer
- Ontology Studio kartlegger forretningskonsepter til dataressurser slik at agenter slutter å gjette seg til kolonnebetydninger.
- Verktøyene for kunnskapsgrafen kjører på en betaprojeksjon som er deaktivert som standard.
- Ontologier eksportert i åpne formater forblir gjenbrukbare ressurser når virksomheter bytter AI-leverandør.
Collate, selskapet bak OpenMetadata, har kunngjort Ontology Studio, et arbeidsområde for å definere forretningsbegreper, knytte dem til virksomhetsdata og gjøre betydningen tilgjengelig for AI-agenter. Målet er å hjelpe agenter med å ta utgangspunkt i organisasjonens egne definisjoner og relasjoner, i stedet for å gjette hva et tabell- eller kolonnenavn betyr.
Ontology Studio ble kunngjort 17. november og er en del av Collate 2.1. Tjenesten er planlagt å bli allment tilgjengelig senere denne måneden. Den bruker åpne standarder som lar selskaper undersøke og eksportere forretningsmodellene de bygger, inkludert koblinger til dataressursene som realiserer dem.
Lanseringen tar tak i et problem som ikke kan løses bare ved hjelp av bedre språkmodeller: Et system kan finne et datasett og skrive gyldig kode mot det, men likevel misforstå hva virksomheten regner som en aktiv kunde, et inntektsført omsetningstall eller en bestemt type lån.
Hva en ontologi tilfører en AI-agent
En ontologi beskriver begreper og relasjonene mellom dem i en form programvare kan bruke. En ordliste kan definere «lån» i et avsnitt. En ontologi kan også angi at et lån har en hovedstol og en løpetid, tilhører en kunde og er knyttet til en konto gjennom en navngitt relasjon.
Disse detaljene gir en agent en strukturert vei gjennom et spørsmål. Tenk deg at en agent blir bedt om å analysere utlånsaktivitet: Før den spør en database, må den finne ut hvilke ressurser som representerer lån, hvordan kundene er knyttet til dem, og hvilke definisjoner som gjelder. En ontologi som er koblet til disse ressursene, kan gi den denne konteksten.
Ontology Studio lar team definere begreper med typede egenskaper og navngitte, retningsbestemte relasjoner, og deretter gjennomgå og publisere versjonerte modeller. Begreper kan kobles til tabeller, kolonner, instrumentbord og andre dataressurser.
Dette skiller også forretningsmessig betydning fra teknisk dataflyt. Dataflyt beskriver hvordan data beveger seg mellom systemer eller blir transformert der. En forretningsrelasjon beskriver hva dataene representerer, for eksempel at et lån tilhører en kunde. Begge deler er nyttige for en agent, men de besvarer ulike spørsmål.
De åpne standardene som ligger til grunn for modellen
Ontology Studio bygger på etablert teknologi for det semantiske nettet, i stedet for å kreve at selskaper uttrykker hele virksomheten sin i et proprietært format.
- OWL, språket for nettontologier, gir en formell måte å representere klasser, egenskaper og relasjoner på, slik at programvare får eksplisitte betydninger å arbeide med.
- SKOS, det enkle systemet for kunnskapsorganisering, representerer kontrollerte vokabularer og relasjoner som bredere, smalere og beslektede begreper.
- SPARQL er et spørrespråk for RDF-grafer som lar programvare stille strukturerte spørsmål om sammenkoblede begreper og metadata.
Collate opplyser at organisasjoner kan importere og eksportere ontologier i formater som OWL, Turtle, RDF/XML og JSON-LD, samtidig som identifikatorer, definisjoner og relasjoner bevares. Selskapet understreker også at datakoblingene beholdes når modellen eksporteres.
Dette er viktig når en virksomhet bytter leverandør av AI eller dataplattform. Når forretningsmodellen lagres i et format som kan utveksles, blir den en gjenbrukbar ressurs, i stedet for at definisjonene bare ligger innebygd i grensesnittet til én leverandør. Kompatible verktøy må fortsatt støtte de relevante standardene og koblingene for at modellen skal være nyttig etter en overgang.
Slik får agenter tilgang til kunnskapsgrafen
Agenter får tilgang til ontologien gjennom Collates Model Context Protocol-server. MCP tilbyr et felles grensesnitt som gjør det mulig for en AI-applikasjon å finne og bruke verktøy. Her lar verktøyene en agent beskrive ontologien, utforske relasjoner rundt en enhet og utføre skrivebeskyttede SPARQL-spørringer.
En kunnskapsgraf organiserer begreper og metadata som sammenkoblede enheter. En grafspørring kan hente flere relevante relasjoner samtidig, slik at en agent kan samle kontekst uten å måtte be om hvert nærliggende element separat flere ganger. Spørringen og relasjonsstien som blir resultatet, kan også gi en kontrollør noe konkret å undersøke bak et svar.
I kunngjøringen settes det en viktig grense for denne funksjonaliteten: Verktøyene kjører på Collates kunnskapsgrafprojeksjon, som er i betaversjon og deaktivert som standard. Team må aktivere og evaluere denne komponenten for å bruke agentverktøyene som bygger på grafen.
På produktsiden forklares det at denne projeksjonen er en grafkopi av plattformens metadata, ikke en erstatning for de underliggende forretningsdatabasene. Spørringer mot driftsdata kjøres fortsatt der dataene befinner seg, for eksempel i et datavarehus eller et eksisterende semantisk lag. Ontologien hjelper med å finne de riktige definisjonene og ressursene å bruke.
Videreutvikling av OpenMetadata og eksisterende forretningskunnskap
Collate bygger på OpenMetadata, en åpen kildekode-plattform som samler metadata som skjemaer, eierskap, klassifiseringer, kvalitetsinformasjon og dataopprinnelse. Ontology Studio legger til et arbeidsområde for å utarbeide den forretningsmessige betydningen som er knyttet til disse ressursene.
Collates oversikt over 2.1-versjonen skiller det administrerte produktet fra grunnlaget med åpen kildekode: Ontology Studio er en funksjon i Collate, mens verktøy for kunnskapsgrafer via MCP er oppført for både Collate og OpenMetadata. Organisasjoner som vurderer kunngjøringen, bør skille mellom det kommersielle arbeidsområdet og de åpne standardene og delte plattformkomponentene som ligger til grunn for det.
Startpakker for ulike bransjer gir en annen inngang til systemet. I kunngjøringen listes modeller basert på FIBO for finans, HL7 FHIR for helsesektoren, GS1 og EPCIS for forsyningskjeder, ISA-95 for produksjon og HR Open Standards. Disse gir utgangspunkt som teamene kan videreutvikle og knytte til sine egne data.
Collate trekker fram Scout24 som et eksempel på selskapets bredere tilnærming til kontekstplattformer. Selskapet bak ImmoScout24 bruker felles datadefinisjoner, AI-støttet dokumentasjon og menneskelig verifisering for å støtte interne AI-agenter. Denne kombinasjonen understreker fagspesialistenes vedvarende rolle i å sørge for at forretningskonteksten forblir nyttig.
Felles definisjoner trenger fortsatt ansvarlige
«Metadata, mening og minne hører hjemme på én kontekstplattform», sa Sriharsha Chintalapani, medgründer og teknologidirektør i Collate. Han sa at målet er at agenter og ansatte skal arbeide ut fra de samme forretningsdefinisjonene.
En ontologi kan gjøre disse definisjonene tydelige og enklere å gjenbruke, men verdien avhenger av modellens kvalitet og tilknytningen til oppdaterte data. Feilaktige koblinger eller utdaterte regler kan gi en agent en strukturert forklaring på feil svar.
Ontology Studios løfte til bedrifter er en mer håndterlig måte å bygge og vedlikeholde denne felles konteksten på: modellere virksomheten, koble modellen til faktiske dataressurser, gjøre den tilgjengelig gjennom standardverktøy og beholde muligheten til å ta den med til et annet miljø.












