Ontologia aziendale: lo strato che tiene insieme dati, documenti e agenti

In sintesi. Un'ontologia aziendale definisce le entità che contano, come si chiamano, quali attributi hanno, come sono collegate e quale identificatore le rende uniche. Senza quello strato, un sistema di recupero restituisce il documento giusto riferito all'entità sbagliata, un agente non sa quali azioni siano valide su quale oggetto, e due funzioni che usano la stessa parola continuano a intendere due cose diverse. Non serve un modello completo dell'azienda, servono le venti entità del processo che si vuole assistere.

Il tema sembra astratto finché non si guarda cosa accade quando manca, e quello che accade è sempre lo stesso: risposte plausibili riferite all'oggetto sbagliato.

Glossario, tassonomia, ontologia

Strumento	Cosa contiene	A cosa serve
Glossario	Termini con una definizione in prosa	Allineare il linguaggio tra persone
Tassonomia	Categorie gerarchiche	Classificare documenti e contenuti
Ontologia	Entità, attributi, relazioni, vincoli, identificatori	Far ragionare le macchine su oggetti reali

La differenza pratica sta nell'ultima colonna. Un glossario spiega a una persona cosa intendiamo per cliente attivo, un'ontologia dice a un sistema che un cliente è un'entità con una partita IVA come identificatore, che ha uno stato tra valori ammessi, che è collegato a contratti e a pratiche, e che una pratica senza contratto non può esistere.

Il problema dell'identità

La stessa impresa compare nel CRM con una ragione sociale, nel gestionale con un codice interno, nell'archivio documentale come cartella con il nome commerciale, nella posta come dominio di indirizzi.

Finché quelle quattro rappresentazioni non sono riconciliate, qualunque sistema che unisce fonti produce risposte parziali. Una domanda sui contratti attivi di un cliente trova i documenti archiviati con il nome commerciale e perde quelli firmati con la ragione sociale precedente, senza segnalare l'assenza.

La riconciliazione richiede tre decisioni, e sono decisioni di business prima che tecniche. Quale sistema detiene l'identificatore autorevole per ciascun tipo di entità. Quali regole stabiliscono che due record sono la stessa entità. Chi risolve i casi dubbi, perché una parte resterà dubbia qualunque regola si scriva.

Questo lavoro ha un effetto che va oltre l'AI. Un'organizzazione che risolve l'identità dei propri clienti migliora reportistica, fatturazione e assistenza, e la spesa non si giustifica solo con il progetto che l'ha fatta emergere.

Quando la stessa parola indica cose diverse

Il secondo ostacolo è semantico. Ordine significa una cosa per il commerciale, un'altra per la logistica, una terza per l'amministrazione, e le tre definizioni convivono senza conflitto finché nessuno prova a sommarle.

Un'ontologia non elimina le differenze, le rende esplicite. Dichiara che esistono un ordine commerciale e un ordine di produzione, che sono entità distinte legate da una relazione, e che la parola usata in isolamento è ambigua. Da quel momento una richiesta che dice quanti ordini abbiamo aperto riceve una domanda di chiarimento invece di una risposta sbagliata.

Lo stesso vale per gli stati. Attivo, sospeso, chiuso sembrano valori universali e nei sistemi reali hanno regole di transizione diverse, e quelle regole vanno scritte da qualche parte che non sia la testa di chi gestisce il processo.

Cosa cambia per il recupero semantico

Un indice costruito senza struttura restituisce blocchi di testo che somigliano alla domanda. Con un'ontologia sopra, ogni blocco porta con sé a quale entità si riferisce, in quale versione, con quale validità.

Questo abilita i filtri strutturati prima della ricerca semantica, che è il passaggio che alza di più la qualità percepita. Una domanda su un contratto di una controparte specifica restringe lo spazio ai documenti di quella controparte, e solo dentro quello spazio cerca per somiglianza.

C'è anche un effetto sulla capacità di dire di non sapere. Se il sistema conosce le entità esistenti, può accorgersi che la domanda riguarda un oggetto su cui non ha materiale, invece di restituire il documento più vicino di un'altra entità.

Gli agenti e il perimetro delle azioni

Un agente che esegue azioni ha bisogno di sapere su quali oggetti può agire e quali operazioni sono ammesse su ciascuno.

Senza quella mappa, le azioni ammesse vivono dentro le istruzioni in linguaggio naturale, che è il posto più fragile in cui metterle. Con la mappa, l'agente opera su un insieme dichiarato di entità e di transizioni, e un tentativo fuori perimetro viene bloccato dal sistema invece che dal buon comportamento del modello.

La stessa struttura serve al controllo a posteriori. Un registro delle azioni che dice quale entità è stata toccata, con quale identificatore e con quale transizione di stato, è leggibile da una funzione di audit. Un registro che dice che l'agente ha eseguito un aggiornamento non lo è.

Come si costruisce senza progetti interminabili

L'errore che affonda questi lavori è partire dal modello completo dell'azienda. Un'ontologia costruita per essere esaustiva impiega mesi, invecchia durante la costruzione e non viene usata da nessun sistema.

Il percorso praticabile parte dal processo che si vuole assistere e si ferma a quello. Si elencano le entità che compaiono nel flusso, raramente più di venti. Per ciascuna si fissano identificatore autorevole, attributi che servono al caso d'uso, relazioni con le altre entità del perimetro e valori ammessi per gli stati.

Si verifica poi su casi reali. Si prendono trenta richieste arrivate davvero e si controlla che ogni entità citata sia rappresentabile nel modello. Quelle che non lo sono indicano dove il perimetro va esteso, e la decisione se estenderlo diventa una scelta esplicita invece che un'omissione.

L'ultima parte riguarda la manutenzione. Un'ontologia ha versioni, e una modifica agli stati ammessi o alle relazioni ha effetti su sistemi che già girano, quindi serve qualcuno che la mantenga e un processo che valuti l'impatto dei cambiamenti.

Dove vive il modello

Tre collocazioni sono praticabili, e la scelta dipende da cosa esiste già in azienda.

Collocazione	Quando ha senso	Limite
Catalogo dati esistente	L'azienda ha già una governance del dato	Spesso descrive tabelle, non entità di business
Grafo della conoscenza	Molte relazioni, interrogazioni che le attraversano	Richiede competenze specifiche e manutenzione
Schema condiviso dei connettori	Il perimetro è limitato e orientato alle operazioni	Si deforma se il perimetro cresce molto

La terza riga è il punto di partenza più frequente nelle organizzazioni che non hanno un programma di data governance avviato, perché l'ontologia nasce come contratto tra i sistemi e l'assistente e cresce insieme ai casi d'uso.

Il legame con gli obblighi documentali

La qualità e la tracciabilità dei dati compaiono tra i requisiti per i sistemi ad alto rischio dell'AI Act e tra i controlli della ISO/IEC 42001, e un'ontologia è il documento che permette di rispondere in modo verificabile a domande sul significato e sulla provenienza dei dati usati.

Serve anche a una cosa più prosaica. Quando qualcuno contesta un esito, la ricostruzione richiede di sapere quale entità era coinvolta, quale versione del dato era valida in quel momento e quale definizione era in vigore. Senza modello esplicito, quella ricostruzione è un esercizio di memoria collettiva.

Gli errori che si ripetono

Il primo è costruirla come esercizio accademico, con livelli di astrazione che nessun sistema userà. Il criterio di validità è semplice: se nessun componente la interroga, è documentazione, non infrastruttura.

Il secondo è duplicarla dentro i prompt. Elencare entità e regole nelle istruzioni di un assistente sposta la conoscenza in un posto non versionato e non interrogabile, e due assistenti diversi finiscono con due definizioni divergenti.

Il terzo è non assegnare la proprietà. Un modello senza un responsabile smette di essere aggiornato dopo il primo cambio organizzativo, e da quel momento descrive un'azienda che non esiste più.

Da dove partire

Il ragionamento sulle strutture di conoscenza e sulla differenza tra ragionare e indovinare è in ontologie come infrastruttura.

La scelta tra recupero semantico e connettori, che l'ontologia rende possibile, è in RAG e connettori, mentre la separazione tra componenti che interpretano e componenti che decidono è in probabilistico e deterministico.

Sulla qualità del dato come prerequisito ci sono data governance per l'AI e data readiness.

Per definire il perimetro di un modello utile al vostro primo caso d'uso puoi fissare un incontro di valutazione.