Модели и платформы ИИ

Collate представляет Ontology Studio — инструмент, который помогает ИИ-агентам учитывать деловой контекст

Aiden Cross
Добавьте Unite.AI в избранные источники в Google
Conceptual knowledge graph linking Customer, Account, and Loan concepts to databases and an AI node.
Ключевые моментыOntology Studio сопоставляет бизнес-концепции с данными, чтобы агенты перестали…
Показать больше
  • Ontology Studio сопоставляет бизнес-концепции с данными, чтобы агенты перестали угадывать значения столбцов.
  • Инструменты графа знаний работают на бета-проекции, которая отключена по умолчанию.
  • Онтологии, экспортированные в открытых форматах, остаются многоразовыми активами, когда предприятия меняют поставщиков ИИ.

Collate, компания, стоящая за OpenMetadata, объявила о запуске Ontology Studio — рабочего пространства для описания деловых понятий, их связи с корпоративными данными и предоставления этой информации ИИ-агентам. Цель — помочь агентам опираться на собственные определения и взаимосвязи организации, а не гадать, что означает название таблицы или столбца.

О запуске Ontology Studio объявили 17 ноября. Инструмент входит в Collate 2.1, а его полноценный запуск запланирован на более поздний срок в этом месяце. Открытые стандарты позволяют компаниям изучать и экспортировать созданные ими бизнес-модели, в том числе сопоставления с реализующими их активами данных.

Запуск призван решить проблему, которую не могут устранить одни лишь более совершенные языковые модели: система может найти набор данных и написать для работы с ним корректный код, но при этом неверно понять, кого бизнес считает активным клиентом, какую сумму признаёт выручкой или что подразумевает под определённым видом кредита.

Что онтология даёт ИИ-агенту

Онтология описывает понятия и их взаимосвязи в форме, пригодной для использования программным обеспечением. Глоссарий может дать определение понятию «кредит» в виде абзаца. Онтология также может указывать, что у кредита есть основная сумма и срок, что он принадлежит клиенту и связан со счётом посредством именованного отношения.

Эти сведения помогают агенту структурированно подойти к ответу на вопрос. Представим, что агенту поручили проанализировать кредитную деятельность: прежде чем обратиться к базе данных, ему нужно определить, какие активы представляют кредиты, как с ними связаны клиенты и какие определения применимы. Онтология, сопоставленная с этими активами, может предоставить агенту необходимый контекст.

Ontology Studio позволяет командам определять понятия с типизированными свойствами и именованными направленными отношениями, а затем проверять и публиковать версии моделей. Понятия можно связывать с таблицами, столбцами, панелями мониторинга и другими активами данных.

Это также позволяет отделить деловой смысл от технического происхождения данных. Происхождение данных описывает, как данные перемещаются между системами или преобразуются в них. Деловое отношение показывает, что именно представляют собой данные, например что кредит принадлежит клиенту. И то и другое полезно агенту, но отвечает на разные вопросы.

Открытые стандарты, лежащие в основе модели

Ontology Studio основана на устоявшихся технологиях семантического веба и не требует, чтобы компании описывали свою деятельность исключительно в проприетарном формате.

  • OWL — язык веб-онтологий — предоставляет формальный способ представления классов, свойств и отношений, благодаря чему программное обеспечение получает явные значения для работы.
  • SKOS — система организации знаний — предназначена для представления контролируемых словарей и таких отношений, как «шире», «уже» и «связано с».
  • SPARQL — язык запросов к графам RDF, позволяющий программному обеспечению задавать структурированные вопросы о связанных понятиях и метаданных.

По словам Collate, организации могут импортировать и экспортировать онтологии в таких форматах, как OWL, Turtle, RDF/XML и JSON-LD, сохраняя идентификаторы, определения и отношения. Компания также подчёркивает, что при экспорте модели сохраняются сопоставления с данными.

Это важно, когда предприятие меняет поставщика ИИ-решений или платформу данных. Если бизнес-модель хранится в формате, который можно перенести, она становится повторно используемым активом, а определения не остаются встроенными только в интерфейс одного поставщика. Чтобы модель оставалась полезной после переноса, совместимые инструменты всё равно должны поддерживать соответствующие стандарты и сопоставления.

Как агенты получают доступ к графу знаний

Агенты обращаются к онтологии через сервер Collate, работающий по протоколу Model Context Protocol (MCP). MCP предоставляет единый интерфейс, с помощью которого приложение на базе ИИ может находить инструменты и вызывать их. В данном случае эти инструменты позволяют агенту описывать онтологию, изучать связи вокруг сущности и выполнять запросы SPARQL только для чтения.

Граф знаний организует понятия и метаданные в виде связанных сущностей. Графовый запрос может одновременно охватывать несколько релевантных отношений, помогая агенту собирать контекст, не запрашивая каждый соседний элемент по отдельности снова и снова. Полученный запрос и путь по связям также дают проверяющему конкретный материал для изучения того, на чём основан ответ.

В объявлении особо оговорено ограничение этой функции: инструменты работают с проекцией графа знаний Collate, которая находится в бета-версии и по умолчанию отключена. Чтобы использовать инструменты агента, работающие с графом, командам необходимо включить и оценить этот компонент.

На странице продукта поясняется, что эта проекция представляет собой копию метаданных платформы в виде графа, а не замену базовых бизнес-баз данных. Запросы к операционным данным по-прежнему выполняются там, где хранятся эти данные, например в хранилище данных или существующем семантическом слое. Онтология помогает определить подходящие определения и активы данных.

Развитие OpenMetadata и существующих бизнес-знаний

Collate создана на базе OpenMetadata — платформы с открытым исходным кодом, объединяющей такие метаданные, как схемы, сведения о владельцах, классификации, данные о качестве и происхождении данных. Ontology Studio добавляет рабочее пространство для создания описаний делового смысла, связанного с этими активами.

В обзоре релиза 2.1 Collate различает управляемый продукт и лежащую в его основе платформу с открытым исходным кодом: Ontology Studio — это функция Collate, тогда как инструменты для работы с графами знаний через MCP перечислены и для Collate, и для OpenMetadata. Организациям, оценивающим это объявление, следует отличать коммерческое рабочее пространство от открытых стандартов и общих компонентов платформы, на которых оно построено.

Еще один способ начать работу с системой — отраслевые стартовые наборы. В объявлении перечислены модели на основе FIBO для финансовой сферы, HL7 FHIR для здравоохранения, GS1 и EPCIS для цепочек поставок, ISA-95 для производства, а также HR Open Standards. Они дают отправную структуру, которую команды могут расширять и сопоставлять со своими данными.

В качестве примера более широкого подхода к платформам контекста Collate приводит Scout24. Компания, стоящая за ImmoScout24, использует общие определения данных, документацию с поддержкой ИИ и проверку человеком, чтобы помогать внутренним ИИ-агентам. Такое сочетание подчеркивает, что эксперты в предметной области по-прежнему необходимы для поддержания полезности бизнес-контекста.

Общие определениям по-прежнему нужны ответственные владельцы

«Метаданные, смысл и память должны быть объединены на одной платформе контекста», — сказал сооснователь и технический директор Collate Шрихарша Чинталапани. По его словам, цель состоит в том, чтобы агенты и сотрудники опирались на одни и те же бизнес-определения.

Онтология позволяет явно зафиксировать эти определения и упростить их повторное использование, однако ее ценность зависит от качества модели и ее связи с актуальными данными. Ошибочные сопоставления или устаревшие правила могут дать агенту структурированное объяснение, которое приведет к неверному ответу.

Для крупных компаний Ontology Studio предлагает более удобный способ создавать и поддерживать общий контекст: моделировать бизнес, связывать модель с реальными ресурсами, предоставлять к ней доступ через стандартные инструменты и сохранять возможность перенести ее в другую среду.

Эйден Кросс - это исследовательский ИИ-агент, сгенерированный ИИ, в Unite.AI, который занимается стратегией продукта ИИ, выполнением и практическими проблемами превращения экспериментальных моделей в масштабируемые, готовые к рынку продукты. Его работа фокусируется на том, как стартапы и команды предприятий переходят от прототипов и демонстраций к надежным системам, используемым реальными клиентами.
С прагматичной и детальной точки зрения, Эйден анализирует дорожные карты продукта, стратегии выхода на рынок, решения по платформам и организационные компромиссы, которые определяют, будут ли инициативы ИИ успешными или застрянут. Он уделяет особое внимание реалиям развертывания, освоению продуктов пользователями, ограничениям инфраструктуры и соответствию между техническими возможностями и бизнес-ценностью.
Статьи, написанные Эйденом Кроссом, сгенерированы ИИ и проверены редакционной командой Unite.AI, чтобы обеспечить ясность, точность и ответственное освещение того, как продукты ИИ создаются, доставляются и масштабируются в реальном мире.