Modelos e plataformas de IA
Collate anuncia o Ontology Studio para dar contexto de negócios a agentes de IA

Pontos-chaveO Ontology Studio mapeia conceitos de negócios para ativos de dados para que os agentes…
Ver mais
- O Ontology Studio mapeia conceitos de negócios para ativos de dados para que os agentes parem de adivinhar o significado das colunas.
- As ferramentas de grafo de conhecimento são executadas em uma projeção beta que está desativada por padrão.
- As ontologias exportadas em formatos abertos permanecem ativos reutilizáveis quando as empresas trocam de fornecedor de IA.
Collate, a empresa por trás do OpenMetadata, anunciou o Ontology Studio, um espaço de trabalho para definir conceitos de negócios, vinculá-los a dados corporativos e disponibilizar esse significado para agentes de IA. O objetivo é ajudar os agentes a trabalhar com base nas definições e relações próprias de uma organização, em vez de tentar adivinhar o significado de nomes de tabelas ou colunas.
Anunciado em 17 de novembro, o Ontology Studio faz parte do Collate 2.1, e a disponibilidade geral está prevista para o fim deste mês. A ferramenta usa padrões abertos para permitir que as empresas examinem e exportem os modelos de negócios que criam, incluindo os mapeamentos para os ativos de dados que os implementam.
O lançamento aborda um problema que, por si só, modelos de linguagem melhores não conseguem resolver: um sistema pode encontrar um conjunto de dados e escrever código válido para consultá-lo, mas ainda assim interpretar incorretamente o que a empresa considera um cliente ativo, um valor de receita reconhecido ou determinado tipo de empréstimo.
O que uma ontologia acrescenta a um agente de IA
Uma ontologia descreve conceitos e suas relações em um formato que os softwares podem usar. Um glossário pode definir “Empréstimo” em um parágrafo. Uma ontologia também pode especificar que um empréstimo tem um principal e um prazo, pertence a um cliente e se conecta a uma conta por meio de uma relação nomeada.
Esses detalhes dão ao agente um caminho estruturado para responder a uma pergunta. Considere um agente encarregado de analisar a atividade de empréstimos: antes de consultar um banco de dados, ele precisa identificar quais ativos representam empréstimos, como os clientes se relacionam com eles e quais definições se aplicam. Uma ontologia mapeada para esses ativos pode fornecer esse contexto.
Ontology Studio permite que as equipes definam conceitos com propriedades tipadas e relações direcionais nomeadas e, em seguida, revisem e publiquem modelos versionados. Os conceitos podem ser vinculados a tabelas, colunas, painéis e outros ativos de dados.
Isso também separa o significado de negócios da linhagem técnica. A linhagem descreve como os dados se movem entre sistemas ou são transformados por eles. Uma relação de negócios descreve o que os dados representam, como um empréstimo que pertence a um cliente. Ambos são úteis para um agente, mas respondem a perguntas diferentes.
Os padrões abertos por trás do modelo
O Ontology Studio se baseia em tecnologias consolidadas da Web Semântica, em vez de exigir que as empresas expressem seus negócios inteiramente em um formato proprietário.
- OWL, a Linguagem de Ontologia da Web, oferece uma forma formal de representar classes, propriedades e relações, fornecendo aos softwares significados explícitos com os quais trabalhar.
- SKOS, o Sistema Simples de Organização do Conhecimento, representa vocabulários controlados e relações como conceitos mais abrangentes, mais específicos e relacionados.
- SPARQL é uma linguagem de consulta para grafos RDF que permite aos softwares fazer perguntas estruturadas sobre conceitos e metadados conectados.
A Collate afirma que as organizações podem importar e exportar ontologias em formatos como OWL, Turtle, RDF/XML e JSON-LD, preservando identificadores, definições e relações. A empresa também destaca a preservação dos mapeamentos de dados ao exportar o modelo.
Isso é importante quando uma empresa muda de fornecedor de IA ou de plataforma de dados. Manter o modelo de negócios em um formato intercambiável o transforma em um ativo reutilizável, em vez de deixar as definições incorporadas apenas à interface de um fornecedor. Para que o modelo continue útil após a mudança, as ferramentas compatíveis ainda precisam oferecer suporte aos padrões e mapeamentos pertinentes.
Como os agentes acessam o grafo de conhecimento
Os agentes acessam a ontologia por meio do servidor Model Context Protocol da Collate. O MCP oferece uma interface comum pela qual um aplicativo de IA pode descobrir e chamar ferramentas. Nesse caso, essas ferramentas permitem que um agente descreva a ontologia, explore as relações em torno de uma entidade e execute consultas SPARQL somente para leitura.
Um grafo de conhecimento organiza conceitos e metadados como entidades conectadas. Uma consulta ao grafo pode buscar várias relações relevantes de uma só vez, ajudando um agente a reunir contexto sem solicitar repetidamente cada item relacionado. A consulta resultante e o percurso pelas relações também podem fornecer a um revisor elementos concretos para examinar a fundamentação de uma resposta.
O anúncio estabelece um limite importante para essa funcionalidade: as ferramentas são executadas na projeção em grafo de conhecimento da Collate, que está em versão beta e vem desativada por padrão. Para usar as ferramentas de agentes baseadas em grafos, as equipes precisam habilitar e avaliar esse componente.
A página do produto explica que essa projeção é uma cópia dos metadados da plataforma em forma de grafo, e não uma substituição dos bancos de dados de negócios subjacentes. As consultas aos dados operacionais continuam sendo executadas onde esses dados estão armazenados, como em um data warehouse ou em uma camada semântica existente. A ontologia ajuda a identificar as definições e os ativos corretos a serem usados.
Construído sobre o OpenMetadata e o conhecimento de negócios existente
A Collate é construída sobre o OpenMetadata, uma plataforma de código aberto que reúne metadados como esquemas, responsáveis, classificações, informações de qualidade e linhagem. O Ontology Studio acrescenta um espaço de trabalho de autoria para o significado de negócios associado a esses ativos.
A visão geral da versão 2.1 da Collate distingue o produto gerenciado de sua base de código aberto: o Ontology Studio é um recurso da Collate, enquanto as ferramentas de grafos de conhecimento via MCP são oferecidas tanto para a Collate quanto para o OpenMetadata. As organizações que avaliam o anúncio devem distinguir o ambiente de trabalho comercial dos padrões abertos e dos componentes compartilhados da plataforma que o sustentam.
Os pacotes iniciais específicos de cada setor oferecem outra forma de começar a usar o sistema. O anúncio lista modelos baseados em FIBO para finanças, HL7 FHIR para saúde, GS1 e EPCIS para cadeias de suprimentos, ISA-95 para manufatura e HR Open Standards. Eles oferecem estruturas iniciais que as equipes podem ampliar e associar aos próprios dados.
A Collate cita a Scout24 como exemplo de sua abordagem mais ampla de plataforma de contexto. A empresa por trás da ImmoScout24 usa definições de dados compartilhadas, documentação com suporte de IA e verificação humana para dar suporte a agentes de IA internos. Essa combinação evidencia o papel contínuo dos especialistas no assunto para manter útil o contexto de negócios.
Definições compartilhadas ainda precisam de responsáveis
“Metadados, significado e memória devem fazer parte de uma única plataforma de contexto”, afirmou Sriharsha Chintalapani, cofundador e CTO da Collate. Segundo ele, o objetivo é que agentes e funcionários trabalhem com as mesmas definições de negócios.
Uma ontologia pode explicitar essas definições e facilitar sua reutilização, mas seu valor depende da qualidade do modelo e de sua conexão com dados atualizados. Mapeamentos incorretos ou regras desatualizadas podem levar um agente a apresentar uma explicação estruturada para uma resposta errada.
Para as empresas, a proposta do Ontology Studio é oferecer uma maneira mais simples de criar e manter esse contexto compartilhado: modelar os negócios, conectar o modelo a recursos reais, disponibilizá-lo por meio de ferramentas padrão e preservar a possibilidade de levá-lo para outro ambiente.












