AI-modeller och plattformar
Collate tillkännager Ontology Studio – ger AI-agenter affärskontext

Viktiga punkterOntology Studio kopplar affärskoncept till datatillgångar så att agenter slutar gissa…
Visa mer
- Ontology Studio kopplar affärskoncept till datatillgångar så att agenter slutar gissa kolumnbetydelser.
- Verktygen för kunskapsgrafer körs på en betaprojektion som är inaktiverad som standard.
- Ontologier som exporteras i öppna format förblir återanvändbara tillgångar när företag byter AI-leverantör.
Collate, företaget bakom OpenMetadata, har tillkännagett Ontology Studio, en arbetsyta där man kan definiera affärsbegrepp, koppla dem till företagsdata och göra deras innebörd tillgänglig för AI-agenter. Målet är att hjälpa agenter att utgå från organisationens egna definitioner och relationer i stället för att behöva gissa vad ett tabell- eller kolumnnamn betyder.
Ontology Studio tillkännagavs den 17 november och ingår i Collate 2.1. Allmän tillgänglighet planeras till senare den här månaden. Lösningen använder öppna standarder så att företag kan granska och exportera de affärsmodeller de bygger, inklusive kopplingar till de datatillgångar som förverkligar modellerna.
Lanseringen tar sig an ett problem som bättre språkmodeller i sig inte kan lösa: ett system kan hitta en datamängd och skriva giltig kod för den, men ändå missförstå vad företaget räknar som en aktiv kund, en redovisad intäkt eller en viss typ av lån.
Vad en ontologi tillför en AI-agent
En ontologi beskriver begrepp och deras relationer i en form som programvara kan använda. En ordlista kan definiera ”lån” i ett stycke text. En ontologi kan också ange att ett lån har ett kapitalbelopp och en löptid, tillhör en kund och är kopplat till ett konto genom en namngiven relation.
De här uppgifterna ger en agent strukturerad vägledning när den ska besvara en fråga. Tänk dig att en agent får i uppgift att analysera utlåningsverksamhet: innan den gör en databasfråga behöver den identifiera vilka tillgångar som motsvarar lån, hur kunderna är relaterade till lånen och vilka definitioner som gäller. En ontologi som är kopplad till dessa tillgångar kan tillhandahålla den kontexten.
Ontology Studio låter team definiera begrepp med typade egenskaper och namngivna, riktade relationer och sedan granska och publicera versionshanterade modeller. Begrepp kan kopplas till tabeller, kolumner, instrumentpaneler och andra datatillgångar.
Detta skiljer också affärsbetydelse från teknisk datalinje. Datalinjen beskriver hur data förflyttas eller omvandlas mellan system. En affärsrelation beskriver vad data representerar, till exempel att ett lån tillhör en kund. Båda är användbara för en agent, men de besvarar olika frågor.
De öppna standarderna bakom modellen
Ontology Studio bygger på etablerad teknik för den semantiska webben, i stället för att kräva att företag uttrycker hela sin verksamhet i ett proprietärt format.
- OWL, webbens ontologispråk, erbjuder ett formellt sätt att representera klasser, egenskaper och relationer, så att programvara får uttryckliga betydelser att arbeta med.
- SKOS, det enkla systemet för kunskapsorganisation, representerar kontrollerade vokabulärer och relationer som bredare, snävare och relaterade begrepp.
- SPARQL är ett frågespråk för RDF-grafer som gör det möjligt för programvara att ställa strukturerade frågor om sammankopplade begrepp och metadata.
Collate uppger att organisationer kan importera och exportera ontologier i format som OWL, Turtle, RDF/XML och JSON-LD, samtidigt som identifierare, definitioner och relationer bevaras. Företaget betonar också att datakopplingarna ska finnas kvar när modellen exporteras.
Det är viktigt när ett företag byter AI-leverantör eller dataplattform. Om affärsmodellen sparas i ett utbytbart format blir den en återanvändbar tillgång, i stället för att definitionerna bara finns inbäddade i en enda leverantörs gränssnitt. För att modellen ska förbli användbar efter ett byte måste kompatibla verktyg fortfarande stödja de relevanta standarderna och kopplingarna.
Så får agenter tillgång till kunskapsgrafen
Agenter når ontologin via Collates server för Model Context Protocol. MCP tillhandahåller ett gemensamt gränssnitt där ett AI-program kan hitta och anropa verktyg. Här gör verktygen det möjligt för en agent att beskriva ontologin, utforska relationer kring en entitet och ställa skrivskyddade SPARQL-frågor.
En kunskapsgraf organiserar begrepp och metadata som sammankopplade entiteter. En graf fråga kan hämta flera relevanta relationer samtidigt och hjälpa en agent att samla in kontext utan att upprepade gånger efterfråga varje närliggande objekt separat. Den resulterande frågan och relationsvägen kan också ge en granskare något konkret att undersöka bakom ett svar.
I tillkännagivandet dras en viktig gräns för den här funktionen: verktygen använder Collates kunskapsgrafprojektion, som är i betaversion och inaktiverad som standard. Team måste aktivera och utvärdera den komponenten för att använda de agentverktyg som bygger på grafen.
På produktsidan förklaras det att den här projektionen är en grafkopia av plattformens metadata, inte en ersättning för de underliggande affärsdatabaserna. Frågor mot operativa data körs fortfarande där uppgifterna finns, till exempel i ett datalager eller ett befintligt semantiskt lager. Ontologin hjälper till att identifiera rätt definitioner och tillgångar att använda.
Bygger vidare på OpenMetadata och befintlig affärskunskap
Collate bygger på OpenMetadata, en plattform med öppen källkod som samlar metadata som scheman, ägarskap, klassificeringar, kvalitetsinformation och datalinje. Ontology Studio tillför en arbetsyta där man kan skapa innehåll som beskriver affärsbetydelsen hos dessa tillgångar.
Collates översikt över version 2.1 skiljer den hanterade produkten från dess grund i öppen källkod: Ontology Studio är en funktion i Collate, medan verktyg för kunskapsgrafer via MCP anges för både Collate och OpenMetadata. Organisationer som utvärderar tillkännagivandet bör skilja den kommersiella arbetsytan från de öppna standarderna och de gemensamma plattformskomponenterna som ligger till grund för den.
Startpaket för olika branscher erbjuder en annan väg in i systemet. I tillkännagivandet listas modeller baserade på FIBO för finans, HL7 FHIR för hälso- och sjukvård, GS1 och EPCIS för leveranskedjor, ISA-95 för tillverkningsindustrin samt HR Open Standards. Dessa ger grundstrukturer som team kan bygga vidare på och koppla till sina egna data.
Collate lyfter fram Scout24 som ett exempel på företagets bredare plattformsstrategi för kontext. Företaget bakom ImmoScout24 använder gemensamma datadefinitioner, AI-stödd dokumentation och mänsklig verifiering för att stödja interna AI-agenter. Kombinationen visar att ämnesexperter även fortsättningsvis har en viktig roll i att hålla affärskontexten användbar.
Gemensamma definitioner behöver fortfarande ansvariga
”Metadata, betydelse och minne hör hemma på en och samma kontextplattform”, sade Sriharsha Chintalapani, medgrundare och teknikchef på Collate. Han sade att målet är att agenter och anställda ska utgå från samma affärsdefinitioner.
En ontologi kan tydliggöra dessa definitioner och göra dem enklare att återanvända, men värdet beror på modellens kvalitet och dess koppling till aktuella data. Felaktiga mappningar eller inaktuella regler kan ge en agent en strukturerad förklaring till fel svar.
För företag är Ontology Studios erbjudande ett mer lätthanterligt sätt att bygga upp och underhålla denna gemensamma kontext: modellera verksamheten, koppla modellen till faktiska tillgångar, göra den tillgänglig via standardverktyg och behålla möjligheten att ta med den till en annan miljö.












