Ontologii de afaceri portabile pentru agenți IA

Termenul „ontologie” este acum la modă. De ce? Agenții și modelele lingvistice mari (LLM) care îi pun în mișcare au nevoie de context relevant despre afacere.

Înainte să adoptați o ontologie, întrebați furnizorul: „Dacă ontologia descrie greșit afacerea noastră, cum o pot corecta oamenii noștri — și de ce va mai depinde de dumneavoastră?” Răspunsul vă va spune multe despre modelul de afaceri pe care îl adoptați de fapt. El scoate în evidență și miza mai largă: capacitatea de a îmbunătăți acel model pe măsură ce afacerea se schimbă și de a păstra utilă această investiție dacă schimbați platforma.

Este util să distingem ontologia de graful de cunoștințe, chiar dacă cele două se suprapun adesea.

Ontologia definește ce tipuri de lucruri există, ce înseamnă relațiile dintre ele și ce reguli li se aplică. Echipamente, componente, echipe, roluri, procese. De exemplu, o ontologie poate defini un tip „Echipament” și o relație „Conține” cu un „Componentă”. Un graf de cunoștințe poate apoi afirma: „Pompa P-101 conține garnitura S-7” — două entități concrete și relația dintre ele.

Imaginați-vă că îi spuneți unui agent: „Calculează creșterea vânzărilor magazinelor comparabile, dar prezintă-mi o comparație alăturată: mai întâi, cu toate magazinele, apoi, într-o altă variantă, fără magazinele deschise de mai puțin de 2 ani; după aceea, împarte ambele variante în vânzări interne, internaționale și combinate.”

Solicitarea depinde de detalii pe care un agent nu le poate ghici:

• ce magazine există și când s-au deschis
• unde se află
• definiția internă a expresiei „vânzări ale magazinelor comparabile”

O politică ar putea exclude magazinele până când au fost deschise timp de un an; grupul solicitat, cu o vechime de doi ani, adaugă un filtru suplimentar. Chiar și atunci, compari lunile calendaristice de îndată ce un magazin îndeplinește criteriul sau îl incluzi numai după ce a încheiat un an fiscal anterior întreg?

Ontologia trebuie să conecteze magazinele respective la politica ce reglementează calculul. Găsirea faptelor conexe este utilă; aplicarea regulii corecte este cea care face răspunsul folositor.

Înainte de a răspunde la o întrebare, un agent poate folosi relațiile din graf pentru a recupera contextul relevant. Nu e de mirare că sunt utile, având în vedere cât de complexe pot deveni domeniile de cunoaștere.

Figura 1: Graf cu modele SysML publice combinate: TMT Thirty Meter Telescope (Open-MBEE/JPL, Apache-2.0), CubeSat System Reference Model (© 2022 INCOSE SSWG & OMG SDTF, CC BY 4.0), Architecting Spacecraft with SysML (Friedenthal & Oster, BSD-2-Clause), precum și conținut fictiv despre constelația MDC și specificații publice (IS-GPS-200, IS-GPS-705, GSFC-STD-7000B). Redat în Kamiwaza Kaizen.

Însă procesul de extragere poate introduce și erori. Echipele pot folosi denumiri diferite pentru aceeași entitate, ceea ce duce la duplicate. Sursele se pot contrazice sau pot deveni depășite. Chiar și o sursă clară poate fi interpretată greșit de un LLM. Faptul că aceste erori par credibile nu le face mai puțin periculoase.

Riscurile cresc atunci când modelul afacerii devine un sistem care acționează asupra acesteia. O relație incorectă poate declanșa o acțiune greșită, nu doar un răspuns greșit.

Riscurile produselor bazate pe ontologii

În primul rând, feriți-vă de modelele inflexibile. Sub pretextul unei soluții „cu totul inclus”, un furnizor poate acorda statut privilegiat propriilor entități, limitând în același timp ce pot face ale dumneavoastră. Posibilitatea de personalizare nu este suficientă dacă tipurile personalizate nu beneficiază de funcții de căutare, validare sau acțiune.

În al doilea rând, căutați o cale de la descoperire la guvernanță. Un instrument ar trebui să vă permită să inițializați un graf pe baza a ceea ce identifică un LLM și apoi să îl validați în raport cu constrângeri explicite. Ar trebui să puteți trimite excepțiile spre analiză de către oameni și să păstrați cunoștințele exploratorii fără a le trata drept date de afaceri aprobate.

Cel mai mare risc este să legați procesele de afaceri de o platformă pe care nu o puteți părăsi. Ontologia vă reprezintă afacerea: cunoștințele, procesele și relațiile acesteia. Investiția în curatoriere și în logica de afaceri ar trebui să rămână utilă chiar dacă schimbați instrumentele. De ce ar trebui să poată un furnizor să vă țină toate acestea sub cheie?

Unde sunt utile reprezentările vectoriale ale grafurilor

Pe măsură ce grafurile de cunoștințe devin foarte mari, poate merita să alegeți un instrument sau un furnizor care oferă suport pentru reprezentări vectoriale ale grafurilor. Acestea sunt strâns înrudite cu reprezentările vectoriale semantice care stau la baza multor aplicații RAG. Merită să luați în considerare două beneficii.

În primul rând, câteva salturi într-un graf dens conectat pot duce la identificarea unui număr prea mare de entități pentru a putea fi procesate. Învățând reprezentări numerice ale entităților și relațiilor, reprezentările vectoriale oferă o altă modalitate de a găsi părțile relevante ale grafului. Pentru sarcina potrivită, această abordare poate fi mai eficientă decât parcurgerea grafului.

În al doilea rând, modelele de reprezentări vectoriale pot ordona relațiile candidate care lipsesc. Același proces de învățare poate dezvălui tipare în atributele și relațiile caracteristice unui tip de entitate, ajutând la construirea unui graf mai complet.

Argumente în favoarea îmbunătățirii treptate

Cum puteți începe fără o armată de ingineri desfășurați în teren, astfel încât să vă controlați propriul destin, să evitați dependența de un singur furnizor și să modelați afacerea așa cum este ea în realitate, nu o caricatură dictată de furnizor? Aici cred că IA modernă excelează, dacă instrumentele permit parcurgerea drumului de la descoperire la verificare.

În primul rând, folosiți instrumente automatizate pentru descoperire și extragere. Puteți construi o imagine inițială a unui domeniu pornind de la documente de afaceri, politici, e-mailuri sau mesaje Slack. Esențial este să nu considerați această imagine exactă până când nu este verificată.

Verificarea este a doua etapă. Instrumentele trebuie să vă ofere o cale simplă de la candidații extrași la afirmații fundamentate pe surse și la cunoștințe validate de o persoană responsabilă sau de un sistem cu autoritate. Păstrați sursa fiecărei afirmații.

Menținerea actualității este o activitate continuă. Modul de gestionare a unui tichet de asistență sau răspunsul la întrebarea „câte magazine sunt în New Jersey?” s-ar putea să nu fie același astăzi ca acum trei ani. Însă actualizarea cunoștințelor de astăzi nu trebuie să șteargă realitatea de ieri. Momentul în care un fapt a fost înregistrat și perioada în care s-a aplicat pot fi diferite; o ontologie utilă trebuie să permită atât răspunsuri actuale, cât și o perspectivă istorică exactă. Cineva trebuie totuși să mențină aceste cunoștințe la zi.

Domeniul de aplicare poate fi uriaș. Începeți cu un corpus mai restrâns, cartografiați un domeniu util și construiți treptat o imagine cuprinzătoare, creând valoare pe parcurs.

Asistența pentru clienți este un domeniu restrâns util: apeluri primite, e-mailuri, un sistem de gestionare a tichetelor, soluționări automatizate, o echipă de asistență care poate răspunde clienților și o cale de escaladare a erorilor reale către echipa de inginerie. Acest domeniu conectează cunoștințele la acțiune și scoate la iveală aceleași riscuri și beneficii, într-un cadru gestionabil.

Common Service Data Model de la ServiceNow ilustrează constrângerea. Documentul explicativ CSDM 5 avertizează: „Fără aceste date în tabelele prescrise, este posibil să nu beneficiați pe deplin de valoarea platformei ServiceNow AI Platform.” Avertismentul în sine creează o constrângere de proiectare și operațională: să vă aliniați modelului furnizorului sau să acceptați un risc. Și dacă asta înseamnă să încercați să introduceți un cui rotund într-o gaură pătrată?

Să presupunem acum că o platformă de ontologie oferă și preluarea datelor, transformări, acțiuni și reguli de business. Este posibil să puteți exporta entități, atribute și relații. Dar puteți transfera și transformările și fluxurile de acțiuni care efectuează modificări în bazele de date, apelează webhook-uri și produc alte efecte secundare? Integrările strâns cuplate pot ajunge să blocheze însăși afacerea.

De ce flexibilitatea contează acum

Software-ul cucerește lumea, iar IA cucerește software-ul. Pe măsură ce echipele folosesc IA atât pentru a dezvolta software, cât și pentru a-i asigura funcționarea, o parte tot mai mare din logica de business poate ajunge legată de aceste platforme. Fiecare automatizare utilă poate deveni, de asemenea, încă o dependență la migrare. Este periculos să lăsați un furnizor să stea între voi și agilitate.

Concluzii

Este extraordinar să fii în viață în această perioadă! Nu-i de mirare că oamenii explorează ontologiile pentru a le oferi agenților context. Extinderea acestui context la procese și integrări poate crea valoare reală. Să revenim la întrebarea de la început. Corecturile oamenilor din echipa voastră ar trebui să facă modelul o reflectare mai fidelă a afacerii voastre. Înțelegerea acumulată este prea valoroasă ca să rămână captivă atunci când schimbați platformele. Și este o perioadă groaznică să ajungeți blocați într-o situație fără ieșire.