Modele i platformy AI
Collate zapowiada Ontology Studio, które zapewni agentom AI kontekst biznesowy

Kluczowe punktyOntology Studio mapuje koncepcje biznesowe na zasoby danych, aby agenci przestali…
Zobacz więcej
- Ontology Studio mapuje koncepcje biznesowe na zasoby danych, aby agenci przestali zgadywać znaczenie kolumn.
- Narzędzia grafu wiedzy działają na wersji beta projekcji, która jest domyślnie wyłączona.
- Ontologie eksportowane w otwartych formatach pozostają zasobami wielokrotnego użytku, gdy przedsiębiorstwa zmieniają dostawców AI.
Collate, firma stojąca za OpenMetadata, zapowiedziała Ontology Studio — przestrzeń roboczą do definiowania pojęć biznesowych, łączenia ich z danymi przedsiębiorstwa i udostępniania ich znaczenia agentom AI. Celem jest umożliwienie agentom korzystania z definicji i relacji przyjętych przez daną organizację, zamiast zgadywania, co oznacza nazwa tabeli lub kolumny.
Ontology Studio, zapowiedziane 17 listopada, jest częścią Collate 2.1, a jego ogólna dostępność jest planowana na późniejszą część tego miesiąca. Rozwiązanie wykorzystuje otwarte standardy, dzięki którym firmy mogą przeglądać i eksportować tworzone modele biznesowe, w tym mapowania do zasobów danych, które je odwzorowują.
Premiera odpowiada na problem, którego nie da się rozwiązać samym ulepszaniem modeli językowych: system może znaleźć zbiór danych i napisać poprawny kod, który z nim współpracuje, a mimo to błędnie rozumieć, kogo firma uznaje za aktywnego klienta, jaką wartość przychodów traktuje jako uznaną lub jaki rodzaj pożyczki ma na myśli.
Co ontologia wnosi do agenta AI
Ontologia opisuje pojęcia i zachodzące między nimi relacje w formie, z której może korzystać oprogramowanie. Glosariusz może definiować „pożyczkę” w jednym akapicie. Ontologia może dodatkowo określać, że pożyczka ma kapitał i okres spłaty, należy do klienta i jest powiązana z rachunkiem za pomocą nazwanej relacji.
Takie szczegóły wyznaczają agentowi uporządkowaną ścieżkę prowadzącą do odpowiedzi na pytanie. Załóżmy, że agent ma przeanalizować działalność kredytową: zanim przeszuka bazę danych, musi ustalić, które zasoby reprezentują pożyczki, jakie relacje łączą klientów z tymi pożyczkami oraz które definicje mają zastosowanie. Ontologia zmapowana na te zasoby może dostarczyć takiego kontekstu.
Ontology Studio umożliwia zespołom definiowanie pojęć za pomocą właściwości określonych typów i nazwanych relacji kierunkowych, a następnie przeglądanie i publikowanie wersjonowanych modeli. Pojęcia można łączyć z tabelami, kolumnami, pulpitami nawigacyjnymi i innymi zasobami danych.
Pozwala to również oddzielić znaczenie biznesowe od pochodzenia technicznego danych. Pochodzenie danych opisuje, jak dane przemieszczają się między systemami lub są w nich przekształcane. Relacja biznesowa określa, co dane reprezentują, na przykład że pożyczka należy do klienta. Oba rodzaje informacji są przydatne agentowi, ale odpowiadają na różne pytania.
Otwarte standardy stanowiące podstawę modelu
Ontology Studio opiera się na uznanych technologiach sieci semantycznej, zamiast wymagać od firm opisywania całej działalności biznesowej w zastrzeżonym formacie.
- OWL, język ontologii sieci WWW, zapewnia formalny sposób reprezentowania klas, właściwości i relacji, dzięki czemu oprogramowanie może korzystać z ich jednoznacznie określonego znaczenia.
- SKOS, Prosty System Organizacji Wiedzy, służy do reprezentowania kontrolowanych słowników oraz takich relacji jak pojęcia szersze, węższe i powiązane.
- SPARQL to język zapytań do grafów RDF, który pozwala oprogramowaniu zadawać uporządkowane pytania dotyczące powiązanych pojęć i metadanych.
Collate informuje, że organizacje mogą importować i eksportować ontologie w formatach takich jak OWL, Turtle, RDF/XML i JSON-LD, zachowując identyfikatory, definicje i relacje. Firma podkreśla również, że podczas eksportowania modelu zachowywane są mapowania danych.
Ma to znaczenie, gdy przedsiębiorstwo zmienia dostawcę rozwiązań AI lub platformę danych. Przechowywanie modelu biznesowego w formacie umożliwiającym wymianę daje firmie zasób, który można ponownie wykorzystać, zamiast pozostawiać definicje wyłącznie w interfejsie jednego dostawcy. Aby model pozostał przydatny po zmianie, zgodne narzędzia nadal muszą obsługiwać odpowiednie standardy i mapowania.
Jak agenci uzyskują dostęp do grafu wiedzy
Agenci uzyskują dostęp do ontologii za pośrednictwem serwera Model Context Protocol firmy Collate. MCP zapewnia wspólny interfejs, przez który aplikacja AI może wyszukiwać narzędzia i z nich korzystać. W tym przypadku narzędzia te pozwalają agentowi opisywać ontologię, badać relacje dotyczące danego obiektu oraz wykonywać zapytania SPARQL w trybie tylko do odczytu.
Graf wiedzy porządkuje pojęcia i metadane jako powiązane ze sobą obiekty. Zapytanie do grafu może jednocześnie wyszukać kilka istotnych relacji, dzięki czemu agent gromadzi kontekst bez konieczności wielokrotnego osobnego pobierania każdego sąsiedniego elementu. Wynik zapytania i ścieżka relacji mogą również dostarczyć osobie weryfikującej konkretnych informacji do sprawdzenia u podstaw odpowiedzi.
W zapowiedzi wyraźnie określono ograniczenie tej funkcji: narzędzia działają na projekcji grafowej wiedzy Collate, która jest w fazie beta i domyślnie pozostaje wyłączona. Aby korzystać z narzędzi agentów opartych na grafie, zespoły muszą włączyć ten komponent i ocenić jego działanie.
Na stronie produktu wyjaśniono, że projekcja ta jest grafową kopią metadanych platformy, a nie zamiennikiem baz danych wykorzystywanych w działalności biznesowej. Zapytania dotyczące danych operacyjnych są nadal wykonywane tam, gdzie te dane się znajdują, na przykład w hurtowni danych lub istniejącej warstwie semantycznej. Ontologia pomaga wskazać właściwe definicje i zasoby.
Rozwój na bazie OpenMetadata i istniejącej wiedzy biznesowej
Collate powstało na bazie OpenMetadata, platformy open source, która łączy metadane, takie jak schematy, informacje o właścicielach, klasyfikacje, dane dotyczące jakości i pochodzenie danych. Ontology Studio dodaje przestrzeń roboczą do tworzenia opisów znaczenia biznesowego powiązanego z tymi zasobami.
Omówienie wydania 2.1 Collate’a odróżnia zarządzany produkt od jego otwartoźródłowej podstawy: Ontology Studio jest funkcją Collate, natomiast narzędzia grafu wiedzy dostępne za pośrednictwem MCP są wymienione zarówno w przypadku Collate, jak i OpenMetadata. Organizacje analizujące komunikat powinny odróżniać komercyjne środowisko pracy od otwartych standardów i współdzielonych komponentów platformy, które stanowią jego podstawę.
Pakiety startowe dla poszczególnych branż to kolejny sposób na rozpoczęcie pracy z systemem. W ogłoszeniu wymieniono modele oparte na FIBO w sektorze finansowym, HL7 FHIR w ochronie zdrowia, GS1 i EPCIS w łańcuchach dostaw, ISA-95 w przemyśle oraz HR Open Standards. Zapewniają one struktury wyjściowe, które zespoły mogą rozszerzać i mapować na własne dane.
Collate wskazuje Scout24 jako przykład szerszego podejścia do platformy kontekstowej. Firma stojąca za ImmoScout24 wykorzystuje wspólne definicje danych, dokumentację wspieraną przez AI oraz weryfikację przez ludzi, aby wspierać wewnętrzne agenty AI. To połączenie podkreśla, jak ważną rolę nadal odgrywają eksperci dziedzinowi w zapewnianiu użyteczności kontekstu biznesowego.
Wspólne definicje nadal wymagają opiekunów
„Metadane, znaczenie i pamięć powinny znaleźć się na jednej platformie kontekstowej” — powiedział Sriharsha Chintalapani, współzałożyciel i dyrektor ds. technologii w Collate (CTO). Dodał, że celem jest umożliwienie agentom i pracownikom korzystania z tych samych definicji biznesowych.
Ontologia może sprawić, że te definicje staną się jawne i łatwiejsze do ponownego wykorzystania, ale jej wartość zależy od jakości modelu i jego powiązania z aktualnymi danymi. Nieprawidłowe mapowania lub nieaktualne reguły mogą sprawić, że agent przedstawi uporządkowane wyjaśnienie błędnej odpowiedzi.
W przypadku przedsiębiorstw propozycja Ontology Studio polega na zapewnieniu łatwiejszego w zarządzaniu sposobu tworzenia i utrzymywania wspólnego kontekstu: modelowania działalności firmy, łączenia modelu z rzeczywistymi zasobami, udostępniania go za pomocą standardowych narzędzi oraz zachowania możliwości przeniesienia go do innego środowiska.












