Databricks делает ставку на онтологию Genie как на контекстный слой для доверенных ИИ-агентов

Databricks хочет унифицировать бизнес-определения между системами, но аналитики предупреждают: решающими станут качество данных и governance.

Сначала появились векторные базы данных, затем RAG. Теперь следующая граница корпоративного ИИ формируется вокруг контекстных слоев, которые дают автономным агентам общее понимание бизнеса, и именно к этому Databricks ведет с Genie Ontology.

Сейчас продукт находится в preview. Genie Ontology автоматически извлекает бизнес-контекст из корпоративных данных, дашбордов, запросов, pipeline, документов и приложений и собирает его в живой граф, который ИИ-агенты могут использовать, чтобы понимать, как устроена работа организации.

Показанный на Data + AI Summit компании, Genie Ontology использует систему ранжирования, вдохновленную Google PageRank, чтобы определять наиболее авторитетные бизнес-определения внутри организации.

Вместо того чтобы одинаково относиться ко всем источникам, система учитывает, кто создал информацию, насколько широко она используется, есть ли она связана с сертифицированными наборами данных и активами, а также когда она была обновлена, прежде чем решить, на какой ответ должен опираться ИИ-агент, сказал CEO Databricks Ali Ghodsi во время своего выступления во вторник вечером, объясняя новое предложение.

Организации также могут загружать собственные бизнес-определения или онтологии в Genie Ontology через существующую платформу Unity Catalog Semantics от Databricks, добавил Ghodsi.

Онтология обещает единообразие, но готовность данных остается препятствием

По мнению аналитиков, для CIO единый контекстный слой, такой как Genie Ontology, заметно улучшит согласованность, доверие и governance в корпоративных ИИ-развертываниях.

«Одна и та же дефиниция, питающая каждого агента, означает, что вы перестаете получать три разных ответа на один и тот же вопрос», — сказал Michael Leone, главный аналитик Moor Insights and Strategy.

«Старые подходы, такие как RAG и vector search, просто возвращают то, что выглядит похожим на ваш вопрос, и на самом деле не понимают ваш бизнес. Онтология дает агенту смысл, которого не может дать каталог: что означают ваши термины и какому источнику доверять», — добавил Leone.

Такое повышение согласованности, по словам Ashish Chaturvedi, руководителя направления executive research в HFS Research, может также повысить доверие, которое остается одним из самых серьезных барьеров для внедрения ИИ.

«Самое большое препятствие для внедрения корпоративного ИИ в том, что лица, принимающие решения, недостаточно доверяют ответам ИИ, чтобы действовать без проверки. Онтология, которая закрепляет ответы за управляемыми бизнес-определениями с трассировкой к источнику, напрямую бьет по этому дефициту доверия», — сказал Chaturvedi.

Впрочем, Leone осторожнее оценивает аргумент о доверии: «Идея многообещающая, но ей еще нужно доказать свою состоятельность, прежде чем я стал бы полагаться на нее в чем-то важном».

Поддержав Leone, Stephanie Walter, руководитель практики AI stack в HyperFRAME Research, указала на недостающий элемент онтологий — проверку: «Онтологии могут улучшать контекст, но они не гарантируют, что ответ верный. Агент все равно может взять неполные данные, применить неправильную логику, пропустить строки, неверно понять workflow или совершить неправильное действие».

Этот разрыв в проверке становится еще критичнее, по словам Leone, потому что у большинства предприятий нет готовности по данным и governance, необходимой для внедрения онтологического слоя в ИИ-развертывания: «Если у вас данные и governance уже не в порядке, это просто ускорит существующий хаос».

Walter согласилась с Leone и добавила, что онтология сама по себе не исправит запутанные определения, слабую lineage, размытое ownership или фрагментированные permissions.

Кроме того, аналитик отметила, что сложность для CIO не в том, чтобы один раз создать онтологию, а в том, чтобы поддерживать ее актуальность по мере изменений бизнеса: «Потребуются четкое владение данными, владение метриками, предметная экспертиза, процессы governance и способ разрешать конфликтующие определения».

«Иначе онтология станет еще одним устаревшим metadata-проектом с более сложным названием», — добавила Walter.

Растущий риск путаницы для CIO

Помимо готовности данных и governance, CIO сталкиваются с растущим риском путаницы на фоне того, как сразу несколько технологических вендоров, включая Databricks, движутся к подходам, похожим на Genie Ontology, чтобы закрепить корпоративный ИИ в бизнес-контексте, отмечают аналитики.

За последний год Snowflake, Microsoft и другие представили те или иные решения в области онтологии, семантики и контекстных слоев, но проблема в том, как эти предложения называются, сказал Leone.

«Все навесили разные названия на по сути одну и ту же идею. Это замедляет людей, потому что создает путаницу», — отметил Leone.

Эта путаница может ударить и по Databricks, и по другим вендорам, считает Bhupendra Chopra, сооснователь и CRO ИТ-консалтинговой компании Kanerika: «Хотя маркетинг сошелся вокруг предложений по построению контекста, большинство предприятий выберет ту платформу, где уже лежат их данные».

Chaturvedi из HFS Research поддержал эту мысль и сказал, что CIO не стоит оценивать онтологические решения в отрыве от данных, а лучше придерживаться принципа: контекстный слой следует за data gravity. «Если ваши данные живут в Databricks, ваш путь — Genie Ontology. Если в Snowflake — Horizon Context. Если вы работаете на Microsoft, то семейство IQ», — сказал он.

Кроме того, Chaturvedi призвал CIO смотреть не только на функциональность, но и на открытость и переносимость таких предложений, особенно в мультиплатформенных средах, где бизнес-определения могут перемещаться между data lakehouse, аналитическими инструментами и ИИ-платформами.

Именно здесь, по мнению Chaturvedi, Snowflake отличает себя от конкурентов за счет фокуса на открытой семантической интероперабельности, чтобы снизить риск semantic lock-in по мере развития стеков данных и аналитики.

Борьба за контрольный слой ИИ

Впрочем, усилия Snowflake по дифференциации, как отмечают аналитики, для CIO подчеркивают более широкую гонку среди вендоров, включая Databricks, за роль control plane для корпоративного ИИ.

Хотя Snowflake пытается позиционировать себя как AI control layer через сочетание Snowflake Intelligence, Horizon Catalog и курса на открытую семантическую интероперабельность, Microsoft встраивает бизнес-контекст и governance во весь свой стек Copilot, Fabric и более широкую ИИ-платформу через предложения вроде Work IQ, Fabric IQ и Foundry IQ, сказал Chaturvedi.

Genie Ontology от Databricks, по его словам, тоже часть этой же стратегии. Он призвал CIO рассматривать предложение в контексте более широкой попытки компании превратить свою lakehouse-платформу в основу, на которой корпоративные ИИ-агенты будут создаваться, управляться и затем развертываться.

«Это абсолютно ставка на control plane. Если связать все, что Databricks объявила на этом саммите, включая LTAP, OpenSharing и Genie Ontology, вы увидите единое место, где сходятся корпоративные данные, governance, бизнес-семантика и исполнение агентами», — добавил Chaturvedi.

Далее аналитик отметил, что стратегия control plane отражает более широкое видение Ghodsi о том, что data platform могут эволюционировать в то, что CEO называет «agentic system of record» — авторитетный источник, из которого ИИ-агенты читают, над которым рассуждают и через который действуют.

Эта концепция напоминает более ранние платформенные сдвиги, сказал Chaturvedi, когда ERP-системы стали system of record для бизнес-транзакций, а data warehouse — system of record для аналитики.

Следующая битва, по его словам, идет за то, какая платформа станет system of record для корпоративных ИИ-агентов.

Leone из Moor Insights and Strategy согласился, что data platform хорошо подготовлены к борьбе за эту роль, потому что уже контролируют данные, механизмы governance, lineage и permissions, необходимые агентам для безопасной работы в масштабе.

Тем не менее аналитики предупреждают: одного контекста недостаточно, чтобы определить победителя.

«Следующее поле боя в корпоративном ИИ — это не только контекст. Это проверяемое исполнение», — сказала Walter.

Материал — перевод статьи с английского.

Оригинал: From RAG to ontology: Databricks bets on context as the key to trusted AI agents