Краткое содержание анализа
В последнее время предприятия все чаще проявляют интерес к созданию эффективных баз знаний, и такие технологические термины, как графы знаний (knowledge graphs) и онотологии (ontologies), становятся все более популярными. Особенно большую известность приобрела онотология благодаря усилиям компании Palantir. Однако внедрение онотологий сопряжено с высокими трудностями и затратами, и они подходят только для стабильных бизнес-процессов, требующих сложных расчетов. Предприятия, которые пытаются следовать этой тенденции без тщательной подготовки, могут столкнуться с проблемами; для успешного внедрения необходимо сначала полностью понять свой бизнес и обеспечить его постоянное обновление.
Почему онотологии вдруг стали так популярны? Влияние компании Palantir
Относительно новая технология, но ее резкий рост связан прежде всего с действиями компании Palantir:
- Ее часто называют “компанией, предоставляющей аутсорсинговые услуги”, однако ее оценка составляет 370 миллиардов долларов США, а коэффициент цена/продажи (PS) в 10 раз превышает средний показатель для SaaS-компаний (60–70 против 4–7).
- Генеральный директор Palantir неоднократно подчеркивал, что онотологии являются ключом к успеху, в результате чего многие компании начали бездумно копировать ее технологические подходы, бизнес-модели (платформы с высокими ценами на услуги) и организационные структуры (включая привлечение специалистов FDE на передовые позиции).
- Суть изменений заключается в том, что потребности предприятий в базах знаний перешли от поиска документов к более глубокому пониманию их содержания: если раньше достаточно было использовать AI для поиска информации в документах, то теперь необходимо, чтобы AI разбирался в бизнес-объектах, их связях и правилах. Онотологии идеально подходят для решения этой задачи.
Что такое онотологии? Простым языком
Онотология – это своего рода “спецификация всех объектов и их взаимосвязей, предназначенная для использования машинами”:
- Например, если бы вы попали в мир культиваторов и спросили у мастера, что здесь есть, он составил бы список: культиваторы, методы культивации, энергия для культивации; также указал бы на взаимосвязи между этими элементами (например, использование энергии для выполнения упражнений). Такая информация и представляет собой онотологию.
- Технически онотологии используют такие понятия, как “классы” (classes), “атрибуты” (properties) и “связи” (relations) для описания объектов: на примере интернет-магазина “товар” является классом, “цена” – атрибутом, а связь “покупатель → покупка → товар” определяет взаимосвязь между ними. С помощью этих правил машины могут делать сложные выводы (например, предположить, что покупатели электроники склонны выбирать подобные товары).
Три основных препятствия на пути внедрения онотологий
Почему серьезные компании не спешат их использовать? Из-за многочисленных сложностей:
1. Сложность абстрагирования бизнес-процессов: необходимо преобразовать хаотичные операции (например, оформление заказов, логистику) в структурированные классы и связи, но разные отделы могут использовать разные термины для одних и тех же процессов; кроме того, возникают споры о том, как правильно определить эти элементы.
2. Дорогая обработка данных: данные в большинстве компаний неоднозначны; для создания онотологий требуется очистить их от ошибок, что может составлять значительную часть затрат на проект.
3 Сложные изменения в бизнес-процессах: любые изменения в онотологии могут повлиять на всю систему: например, изменение правил связей (например, с “один заказ – один клиент” на “один заказ – несколько клиентов”) приведет к необходимости пересмотра всех алгоритмов, данных и пользовательских интерфейсов; это требует значительных затрат.
4 Высокие затраты на обслуживание: для эффективного использования онотологий необходимы специалисты, разбирающиеся как в бизнесе, так и в технологиях; таких сотрудников сложно найти, и после создания онотологии их часто не хотят изменять, что приводит к тому, что информация становится “мертвой” (то есть устаревшей).
Когда онотологии полезны
Они особенно эффективны в сценариях, где:
- бизнес-процессы стабильны,
- необходимы сложные расчеты,
- требуются точные результаты:
- в медицине (стабильность медицинских концепций и взаимосвязей; ошибки могут иметь серьезные последствия),
- в управлении предприятием (например, при прерывании поставок от поставщиков система должна быстро анализировать влияние на процессы производства и продаж),
- в узких бизнес-системах, где необходимо решить конкретную проблему (например, подходит ли определенный аксессуар к электронному устройству).
Как правильно использовать онотологии
Не стоит бездумно следовать трендам; лучше начать с маленьких проектов и постепенно расширять их. Важно:
- не тратить ресурсы на то, что можно решить с помощью обычных методов (например, поиска в документах или SQL),
- сначала создать четко определенные системы для проверки эффективности онотологий,
- обеспечивать их постоянное обновление (изменения в бизнесе могут потребовать корректировок правил онотологии),
- сначала полностью понять свой бизнес, так как онотологии требуют глубокого понимания его логики.
Заключение
Ближайшие два года будут периодом активного развития баз знаний в предприятиях, но онотологии не являются универсальным решением для всех проблем. Чтобы AI мог понимать бизнес-процессы, сначала необходимо самостоятельно проанализировать свои бизнес-логики и выбрать подходящие технологии. Бездумное следование примеру Palantir может привести к большим затратам без реальных результатов. Главное – постоянно обновлять свои знания о бизнесе и использовать технологии эффективным образом.