Resumen del contenido principal
Recientemente, las empresas han demostrado un creciente interés en las bases de conocimientos, y términos técnicos como grafos de conocimiento y "ontología" han aparecido con frecuencia. En particular, la ontología ha ganado popularidad gracias al impulso de la empresa Palantir. No obstante, su implementación es compleja y costosa, por lo que solo resulta adecuada para escenarios en los que el negocio es estable y se requiere un razonamiento profundo. Si las empresas siguen esta tendencia sin reflexionar, podrían cometer errores. Para lograr un éxito real con la ontología, es necesario primero comprender claramente su propio negocio y mantenerlo de manera continua.
I. ¿Por qué ha surgido de repente la popularidad de la ontología? La ola de seguimiento impulsada por Palantir
La ontología no es algo nuevo, pero su reciente popularidad se debe principalmente a Palantir, esta empresa considerada "mágica":
- Aunque a menudo se le llama una empresa de externalización, su valoración alcanzó los 370 mil millones de dólares, con un coeficiente P/E (precio/ventas) diez veces mayor que el de las empresas SaaS tradicionales (60-70 frente a 4-7).
- El CEO ha enfatizado repetidamente que la ontología es clave para el éxito, lo que ha llevado a toda la industria a imitar su enfoque tecnológico (incluida la propia ontología), su modelo de negocio (plataformas con precios unitarios elevados) y su estructura organizativa (con personal FDE trabajando directamente en las líneas frontales).
- En esencia, el cambio en la necesidad de las empresas de sus bases de conocimientos ha pasado de buscar documentos a comprender realmente su negocio. Mientras que antes el AI podía encontrar información en los documentos, ahora necesita entender los objetos, relaciones y reglas del negocio, algo que la ontología puede proporcionar.
II. ¿Qué es exactamente la ontología? Una explicación sencilla
En términos simples, la ontología es una lista de todas las cosas y una descripción de sus relaciones para que las máquinas las comprendan:
- Por ejemplo, si viajaras a un mundo mágico y preguntaras a alguien qué hay allí, te darían una lista de elementos como los cultivadores, sus técnicas de meditación y la energía espiritual, así como las relaciones entre ellos (por ejemplo, que los cultivadores utilizan la energía espiritual para practicar sus técnicas). Esta lista y estas relaciones constituyen la ontología.
- Técnicamente, la ontología utiliza conceptos como clases, propiedades y relaciones para describir un área específica. Por ejemplo, en una plataforma de compras, "producto" es una clase, "precio" es una propiedad, y "comprador-compra-producto" es una relación. Con estas reglas, las máquinas pueden deducir que alguien que ha comprado productos electrónicos podría estar interesado en otros productos similares.
III. Los tres grandes obstáculos para implementar la ontología: costos elevados, dificultades de modificación y mantenimiento
¿Por qué las empresas serias dudan en adoptarla? Porque hay muchos desafíos:
1. Dificultad de abstracción del negocio: Es necesario transformar procesos complejos (como los pedidos o la logística) en estructuras lógicas claras, pero diferentes departamentos pueden usar términos distintos para lo mismo (por ejemplo, "pista" puede significar "oportunidad de negocio" para ventas o "cliente potencial" para operaciones), lo que puede llevar a discusiones prolongadas.
2. Limpieza de datos costosa: Los datos empresariales suelen estar desorganizados; lo mismo puede referirse a cosas diferentes en distintos departamentos, y no siempre está claro cómo se relacionan entre ellos. La limpieza de estos datos para construir una ontología puede representar más de la mitad del costo total del proyecto, además de aumentar el riesgo de tener que trabajar de nuevo.
3. Cambios en el negocio tienen efectos significativos: La ontología está basada en conexiones semánticas, por lo que cualquier modificación (por ejemplo, cambiar de "un cliente corresponde a un pedido" a "un pedido puede corresponder a múltiples clientes") puede hacer que todo el sistema que depende de ella fallen. Esto implica re calcular datos históricos y aumenta enormemente los costos de adaptación.
4. Costos de mantenimiento elevados: Se requiere personal especializado en ambos aspectos del negocio y la tecnología; tales profesionales son escasos y caros. Además, una vez que se construye una ontología, es difícil modificarla sin afectar su precisión, lo que puede convertirla en información obsoleta con el tiempo.
IV. La ontología no es la solución para todo: solo es adecuada en ciertos escenarios
Solo merece la inversión en casos en los que el negocio sea estable, se requiera un razonamiento profundo y los resultados sean de alta importancia:
- Escenarios médicos: Los conceptos y relaciones son claros (por ejemplo, neumonía → área afectada → método de tratamiento); un error en el razonamiento puede tener consecuencias graves (un diagnóstico erróneo puede ser peligroso), por lo que la ontología es ideal para diagnósticos complejos.
- Operaciones empresariales: Por ejemplo, cuando un proveedor deja de suministrar, el sistema puede analizar relaciones como "proveedor → materia prima → plan de producción → pedido del cliente → impacto en los ingresos" para tomar decisiones rápidas.
- Escenarios cerrados: No es necesario abarcar todo el negocio; basta con resolver un problema específico. Por ejemplo, en el caso de la compatibilidad de accesorios electrónicos, la ontología puede determinar si un filtro es adecuado para un modelo específico, algo que el AI no podría hacer con solo buscar información en los documentos.
V. Cómo deben utilizar las empresas la ontología: sin precipitarse, comenzando con pruebas pequeñas y mantenimiento constante
- No sigan ciegamente tendencias: No use la ontología si puede resolver un problema con métodos más simples como la búsqueda de documentos o SQL, ya que su implementación es costosa y lleva tiempo obtener beneficios.
- Comiencen con escenarios específicos: Empiecen con proyectos pequeños y bien definidos para demostrar el valor de la ontología antes de expandirlo.
- Mantenimiento continuo: La ontología no es algo que se construye una vez y se olvida; se necesita personal dedicado a actualizarla constantemente (por ejemplo, cuando los fabricantes cambian las especificaciones de los accesorios o se añaden nuevos modelos).
- Comprenda primero su propio negocio: La ontología obliga a reflexionar sobre si realmente entienden cómo funciona su negocio; si ni siquiera las empresas pueden explicarlo con claridad, mucho menos el AI.
Conclusión
Los próximos dos años serán un período de gran crecimiento para las bases de conocimientos empresariales, pero la ontología no es la solución mágica. Para que el AI comprenda realmente el negocio, primero es necesario aclarar su propia lógica y luego elegir la tecnología más adecuada según las necesidades del caso. Seguir ciegamente a Palantir podría resultar en un gran gasto sin obtener los beneficios esperados. Lo realmente importante es mantener un entendimiento constante del negocio.