Ontologie

Tony Seale definisce l'ontologia come l'interfaccia attraverso cui gli agenti comprendono i dati: definisce ciò che esiste, le sue proprietà e le sue relazioni. In "There is a growing disconnect in the way people think about building AI agents" (2026-04-17) la mette a confronto con il versante modello della stessa architettura. I modelli frontier si affittano e chiunque può costruire un harness, quindi entrambi si trasformano in commodity. Ciò che non si trasforma in commodity è il modello di dominio: la conoscenza strutturata e collegata che cattura come un'organizzazione comprende il mondo. La formula di Seale per il Semantic Agent è (Model + Harness) + (Ontology + Data); tutto il resto lo considera impalcatura destinata a sparire.

Il precedente "Philosophy Eats AI" (2025-05-30) fornisce il ragionamento dietro questa affermazione. Seale, rifacendosi a Michael Schrage e David Kiron su MIT Sloan, sostiene che la maggior parte delle organizzazioni non formalizza mai, in una struttura leggibile da macchina, il modo in cui crea valore, cosicché i loro modelli imparano dal rumore piuttosto che da pattern significativi. Il suo nucleo ontologico nasce dai casi d'uso che producono valore reale e dalle competency question che testano ogni concetto.

Padhi e coautori di McKinsey (2026-10-01) collocano ontologie e knowledge graph nello strato semantico del loro AI operating system, e raccomandano di sistemare la governance semantica come passo iniziale. Il Semantic Spine di Rakesh Gohel (2026-10-25) assegna all'ontologia il primo di cinque collegamenti: essa dice cosa sono le cose, prima che il knowledge graph dica cosa è vero, il context graph cosa conta adesso, e il procedural graph cosa fare dopo.