Databricks ha presentato in fase beta Genie Ontology, una novità mirata a fornire un contesto chiaro, ontologie e un lessico aziendale agli agenti di intelligenza artificiale. La sfida risiede nel creare un'intelligenza contestuale in grado di parlare la stessa lingua delle organizzazioni, integrando le logiche aziendali in modo strutturale. Questa iniziativa rientra in una visione più ampia di IA enterprise capace di costruire una comprensione condivisa del contesto aziendale.
Presentato durante il Data + AI Summit di Databricks, svoltosi a San Francisco tra il 15 e il 18 giugno, Genie Ontology opera estraendo automaticamente la logica aziendale da fonti interne come dati, dashboard, query, pipeline, documenti e applicazioni. Organizza quindi tali informazioni in un grafo dinamico utilizzabile dagli agenti IA per comprendere il funzionamento interno aziendale.
Una logica di funzionamento simile a Page Rank
Genie Ontology si ispira al PageRank di Google per identificare le definizioni aziendali più rilevanti e attendibili all'interno delle organizzazioni. Non tratta le fonti in modo uniforme, bensì considera diversi fattori: l'autore, il livello di utilizzo, i collegamenti con dati e risorse certificate, e la data dell'ultimo aggiornamento.
«Genie Ontology non cerca solo di rappresentare le informazioni, ma si concentra su ciò su cui un agente IA possa veramente fidarsi per generare risultati coerenti», ha spiegato Ali Ghodsi, CEO di Databricks, aprendo l’evento. Oltre ad estrarre informazioni esistenti, l’azienda permette anche l'importazione di ontologie e lessici aziendali esterni tramite Unity Catalog Semantics, una piattaforma già esistente all'interno del loro ecosistema.
Coerenza e fiducia: due vantaggi importanti
Secondo gli analisti, la capacità di Genie Ontology di fornire contesto unificato aiuta a migliorare coerenza, governance e fiducia nei sistemi di IA aziendale. Michael Leone di Moor Insights and Strategy sottolinea: «Un’unica definizione che alimenta tutti gli agenti rende più semplice evitarvi di ottenere risposte discordanti su una stessa domanda». Questo, spiega, è un miglioramento sostanziale rispetto a tecniche precedenti come Retrieval-Augmented Generation (RAG) e ricerca vettoriale, che non comprendevano il significato dei termini, ma soltanto le loro somiglianze.
Ashish Chaturvedi di HFS Research aggiunge che la capacità di fornire una base contestuale regolata aiuta a mitigare un problema fondamentale dell’IA: mancanza di fiducia. «Una risposta sostenuta da definizioni aziendali tracciabili fino all’origine contribuisce a rafforzare la fiducia dell'utente». Tuttavia, anche Leone avverte: «Si tratta di un’idea promettente, ma deve dimostrare di resistere in contesti critici o decisionali importanti». Stephanie Walter di Hyperframe Research concorda, puntando il dito su una lacuna comune a molte ontologie: la mancanza di verifica. «Anche con buoni contesti, gli agenti possono continuare a estrarre informazioni incomplete o applicare logiche errate».
Rischi e sfide nella governance
I rischi connessi alle ontologie emergono quando si considera lo stato del dato e della governance aziendale esistente. Michael Leone osserva: «Se i dati non sono preparati o la governance non è ordinata, Genie Ontology rischia di peggiorare il caos esistente». Per Stephanie Walter, la problematica non si ferma alla costruzione iniziale dell’ontologia, bensì al suo mantenimento nel tempo. «Le aziende dovranno possedere chiaramente i dati e gli indicatori, garantire la tracciabilità e la governance, e stabilire processi chiariti per risolvere le definizioni contraddittorie», avverte. Altrimenti, aggiunge, corre il rischio di diventare un altro schema “obsoleto” per le metadonne.
Concorrenza crescente e problemi nomenclaturali
Sebbene Genie Ontology rappresenti un’idea innovativa, la concorrenza è già in atto. Sia Microsoft sia Snowflake hanno lanciato iniziative simili intese a fornire contesto e logica aziendale ai sistemi IA, anche se ciascuna usa terminologie differenti per un concetto molto simile. Questo genera confusione e rallenta i processi di adozione, secondo Michael Leone.
Bhupendra Chopra di Kanerika avverte inoltre che, nonostante le tecnologie abbiano iniziato a concentrarsi sull’aspetto del contesto, molte aziende sceglieranno semplicemente la piattaforma già esistente dove risiedono i loro dati. «L’ontologia seguirà dove risiede la gravità dati», osserva. Per Ashish Chaturvedi invece, le aziende IT devono valutare non solo le caratteristiche, ma anche l'apertura e la portabilità delle offerte, specialmente in ambienti multipiattaforma dove le definizioni aziendali potranno essere trasferite tra dati diversi.
La battaglia del control plane
Le strategie di contesto non si limitano a migliorare le prestazioni tecnologiche. Sono anche il simbolo di una guerra più ampia su chi controllerà la governance AI in ambito aziendale. Ashish Chaturvedi rileva che le aziende IT devono guardare oltre la funzionalità delle offerte e osservare chi meglio supporta un ambiente flessibile. Snowflake, ad esempio, cerca di distinguersi attraverso Horizon Context e la collaborazione con Salesforce per promuovere interoperalità semantica.
Conclusione
Genie Ontology di Databricks rappresenta quindi un passo importante verso un'intelligenza artificiale enterprise che non si limita a elaborare query, ma a comprendere contesti e logiche aziendali. Tuttavia, come sottolineano gli analisti, la sua adozione richiede maturità in termini di dati e governance. Solo in questo contesto può essere efficace, altrimenti potrebbe esacerbare le inefficacie esistenti.
La sfida per le aziende IT non è solo adottare queste tecnologie, ma capire come il mercato sta evolvendo: dove si trova la propria infrastruttura in termini di contesto AI, chi sono i principali fornitori e come posizionarsi per ottenere il massimo valore. Solo allora Genie Ontology e tecnologie simili diverranno pilastri veri di un'intelligenza artificiale integrata, efficace e governabile.