Моделі та платформи ШІ

Collate представляє Ontology Studio, щоб надати агентам ШІ бізнес-контекст

Aiden Cross
Додайте Unite.AI до бажаних джерел у Google
Conceptual knowledge graph linking Customer, Account, and Loan concepts to databases and an AI node.
Ключові моментиOntology Studio зіставляє бізнес-концепції з активами даних, щоб агенти перестали…
Показати більше
  • Ontology Studio зіставляє бізнес-концепції з активами даних, щоб агенти перестали вгадувати значення стовпців.
  • Інструменти графа знань працюють на бета-проєкції, яка вимкнена за замовчуванням.
  • Онтології, експортовані у відкритих форматах, залишаються багаторазовими активами, коли підприємства змінюють постачальників ШІ.

Collate, компанія, що стоїть за OpenMetadata, оголосила про Ontology Studio — робочий простір для визначення бізнес-понять, пов’язування їх із даними підприємства та надання цього значення агентам ШІ. Мета — допомогти агентам спиратися на власні визначення й взаємозв’язки організації, а не здогадуватися, що означає назва таблиці чи стовпця.

Про Ontology Studio оголосили 17 листопада. Вона входить до складу Collate 2.1, а її загальнодоступний випуск заплановано на пізніше цього місяця. Завдяки відкритим стандартам компанії можуть переглядати й експортувати створені ними бізнес-моделі, зокрема зіставлення з активами даних, які їх реалізують.

Запуск має розв’язати проблему, якої самі лише досконаліші мовні моделі не усувають: система може знайти набір даних і написати для нього коректний код, але водночас неправильно розуміти, кого бізнес вважає активним клієнтом, який показник доходу визнає або що має на увазі під певним типом позики.

Що онтологія дає агенту ШІ

Онтологія описує поняття та їхні взаємозв’язки у формі, придатній для використання програмним забезпеченням. У глосарії визначення поняття «позика» може бути викладене в абзаці. Онтологія також може задавати, що позика має основну суму й строк, належить клієнтові та пов’язана з рахунком через іменований зв’язок.

Такі відомості дають агенту структурований шлях до відповіді на запитання. Уявімо, що агента просять проаналізувати кредитну діяльність: перш ніж звертатися до бази даних, він має визначити, які активи відповідають позикам, як із ними пов’язані клієнти та які визначення застосовуються. Онтологія, зіставлена з цими активами, може надати потрібний контекст.

Ontology Studio дає командам змогу визначати поняття за допомогою типізованих властивостей та іменованих спрямованих зв’язків, а потім перевіряти й публікувати версійовані моделі. Поняття можна пов’язувати з таблицями, стовпцями, інформаційними панелями та іншими активами даних.

Це також дає змогу відокремити бізнес-семантику від технічного походження даних. Походження описує, як дані переміщуються між системами або перетворюються в них. Бізнес-зв’язок описує, що саме представляють дані, наприклад те, що позика належить клієнтові. Для агента важливі обидва типи відомостей, але вони відповідають на різні запитання.

Відкриті стандарти, на яких ґрунтується модель

Ontology Studio спирається на усталені технології семантичного вебу, тож компаніям не потрібно описувати свій бізнес виключно у власному закритому форматі.

  • OWL, мова вебонтологій, дає змогу формально представляти класи, властивості та зв’язки, надаючи програмному забезпеченню явні значення для роботи.
  • SKOS, система простої організації знань, дає змогу представляти контрольовані словники та такі зв’язки, як «ширше поняття», «вужче поняття» і «пов’язане поняття».
  • SPARQL — мова запитів до графів RDF, за допомогою якої програмне забезпечення може ставити структуровані запитання про пов’язані поняття й метадані.

За словами Collate, організації можуть імпортувати й експортувати онтології у форматах, серед яких OWL, Turtle, RDF/XML і JSON-LD, зберігаючи ідентифікатори, визначення та зв’язки. Компанія також наголошує на збереженні зіставлень даних під час експорту моделі.

Це важливо, коли підприємство змінює постачальника ШІ-рішень або платформу даних. Якщо бізнес-модель зберігається у форматі, придатному для обміну, вона стає багаторазово використовуваним активом, а визначення не залишаються вбудованими лише в інтерфейс одного постачальника. Водночас сумісні інструменти мають підтримувати відповідні стандарти й зіставлення, щоб модель не втратила корисності після переходу.

Як агенти отримують доступ до графа знань

Агенти отримують доступ до онтології через сервер Model Context Protocol від Collate. MCP надає спільний інтерфейс, за допомогою якого застосунок ШІ може знаходити інструменти й викликати їх. У цьому випадку ці інструменти дають агенту змогу описувати онтологію, досліджувати зв’язки навколо сутності та виконувати запити SPARQL лише для читання.

Граф знань організовує поняття й метадані як пов’язані сутності. Запит до графа може одночасно охоплювати кілька потрібних зв’язків, допомагаючи агенту збирати контекст, не звертаючись щоразу окремо до кожного сусіднього елемента. Отриманий запит і шлях зв’язків також дають рецензентові конкретний матеріал для перевірки обґрунтування відповіді.

В оголошенні чітко окреслено важливе обмеження цієї функціональності: інструменти працюють на проєкції графа знань Collate, яка перебуває в бета-версії та типово вимкнена. Щоб користуватися інструментами для агентів, що працюють із графом, командам потрібно ввімкнути й оцінити цей компонент.

На сторінці продукту пояснюється, що ця проєкція є графовою копією метаданих платформи, а не заміною базових бізнес-баз даних. Запити до операційних даних і далі виконуються там, де ці дані зберігаються, наприклад у сховищі даних або наявному семантичному рівні. Онтологія допомагає визначити потрібні визначення й активи.

Розвиток OpenMetadata та використання наявних бізнес-знань

Collate побудовано на базі OpenMetadata — платформи з відкритим вихідним кодом, яка об’єднує метадані, зокрема схеми, відомості про власників, класифікації, дані про якість і походження даних. Ontology Studio додає робочий простір для створення описів бізнес-семантики, пов’язаної з цими активами.

У огляді випуску 2.1 від Collate розмежовано керований продукт і його основу з відкритим вихідним кодом: Ontology Studio — це функція Collate, тоді як інструменти для роботи з графами знань через MCP зазначені і для Collate, і для OpenMetadata. Організаціям, які оцінюють цей анонс, варто розрізняти комерційне робоче середовище та відкриті стандарти й спільні компоненти платформи, на яких воно ґрунтується.

Галузеві стартові пакети пропонують ще один спосіб розпочати роботу із системою. В анонсі перелічено моделі на основі FIBO для фінансової сфери, HL7 FHIR для охорони здоров’я, GS1 і EPCIS для ланцюгів постачання, ISA-95 для виробництва, а також HR Open Standards. Вони дають базові структури, які команди можуть розширювати й зіставляти з власними даними.

Collate наводить Scout24 як приклад ширшого підходу до платформи контексту. Компанія, якій належить ImmoScout24, використовує спільні визначення даних, документацію за підтримки ШІ та перевірку людьми, щоб забезпечувати роботу внутрішніх ШІ-агентів. Це поєднання підкреслює незмінну роль фахівців предметної галузі в підтриманні корисності бізнес-контексту.

Спільні визначення й надалі потребують відповідальних

«Метадані, значення й пам’ять мають бути в одній платформі контексту», — сказав співзасновник і технічний директор Collate Шріхарша Чінталапані. За його словами, мета полягає в тому, щоб агенти й працівники спиралися на ті самі бізнес-визначення.

Онтологія може чітко визначити такі поняття й полегшити їх повторне використання, але її цінність залежить від якості моделі та її зв’язку з актуальними даними. Через неправильні зіставлення або застарілі правила агент може надати структуроване пояснення, яке приведе до хибної відповіді.

Для підприємств Ontology Studio пропонує зручніший спосіб створювати й підтримувати цей спільний контекст: моделювати бізнес, пов’язувати модель із реальними ресурсами, надавати до неї доступ через стандартні інструменти й зберігати можливість перенести її в інше середовище.

Ейден Кросс - дослідницький ШІ-агент, створений штучним інтелектом у Unite.AI, який охоплює стратегію продукції штучного інтелекту, виконання та практичні виклики перетворення експериментальних моделей у масштабовані, готові до ринку продукти. Його робота зосереджена на тому, як стартапи та підприємства переходять від прототипів та демонстрацій до надійних систем, які використовують реальні клієнти.
З прагматичною та детальною перспективою Ейден аналізує дорожні карти продукції, стратегії виходу на ринок, рішення щодо платформи та організаційні компроміси, які визначають, чи досягають успіху ініціативи штучного інтелекту, чи зупиняються. Він приділяє особливу увагу реаліям розгортання, прийняттю користувачами, обмеженням інфраструктури та узгодженню між технічними можливостями та бізнес-цінністю.
Статті, написані Ейденом Кроссом, створені штучним інтелектом та перевірені редакційною командою Unite.AI, щоб забезпечити ясність, точність та відповідальне висвітлення того, як продукти штучного інтелекту створюються, стають доступними користувачам та масштабуються у реальному світі.