# seale-philosophy-eats-ai-ontological-core-2025-05-30

## Veille

Philosophy Eats AI: nucleo ontologico aziendale, semantica di business, knowledge graph, semantic data products

## Titre Article

Philosophy Eats AI: Why Your Business Needs an Ontological Core

## Date

2025-05-30

## URL

https://www.knowledge-graph-guys.com/blog/philosophy-eats-ai

## Keywords

ontologia, nucleo ontologico, filosofia, semantica di business, knowledge graph, semantic data products, DPROD, AI aziendale, creazione di valore, ragionamento dell'AI, competency questions, vocabolario di business, MIT Sloan, Michael Schrage, David Kiron

## Authors

Tony Seale

## Ton

**Profilo**: Prospettiva di un consulente di knowledge graph, registro strategico e concettuale, livello intermedio

**Descrizione**: Tony Seale adotta un tono da manifesto intellettuale, partendo da una citazione provocatoria di MIT Sloan ("se il software divora il mondo e l'AI divora il software, cosa divora l'AI?") per sviluppare un'argomentazione strutturata a strati. Lo stile è quello di un evangelista semantico che traduce concetti filosofici in imperativi di business concreti. L'autore utilizza formulazioni incisive ("non si tratta di dichiarazioni di missione, si tratta di semantica") e costruisce un ragionamento passo dopo passo: problema → vocabolario → nucleo ontologico → data product → circolo virtuoso. Il pubblico target è composto da decisori tecnici e strateghi dei dati che cercano di capire perché i loro progetti di AI non riescono a generare il valore atteso.

## Pense-betes

- **Citazione fondante**: Michael Schrage e David Kiron su MIT Sloan: "Se il software divora il mondo e l'AI divora il software, cosa divora l'AI?" Risposta: la filosofia. Non accademica, ma pratica e operativa.
- **Problema centrale**: La maggior parte delle organizzazioni tratta l'AI come un miglioramento tecnico (modelli, prompt) senza porsi la domanda fondamentale: cosa impara realmente l'AI? Manca una filosofia strutturata che definisca la logica operativa dell'azienda.
- **Vocabolario di creazione del valore**: Ogni azienda crea valore a modo suo (fedeltà, ottimizzazione, fiducia, efficienza). Ma la maggior parte non ha formalizzato questa semantica in un'ontologia — una struttura leggibile dalla macchina su cui i sistemi di AI possano ragionare.
- **Nucleo ontologico**: I concetti fondamentali che definiscono l'identità dell'azienda. Emergono attraverso i casi d'uso che generano valore reale e le "competency questions" che ne testano la pertinenza.
- **Senza ontologia, l'AI impara dal rumore**: Se le strutture logiche fondamentali non vengono rese esplicite, i modelli imparano dal rumore anziché da schemi significativi.
- **Semantic Data Products**: Basati sulla specifica aperta DPROD. I dati sono trattati come un asset di valore con una governance chiara, non come materia prima. Ogni dataset "sa cos'è, perché è importante e come si inserisce nel quadro generale."
- **Circolo virtuoso**: L'AI contribuisce a definire l'ontologia organizzativa, e quest'ultima guida il modo in cui l'AI ragiona e il valore che genera. Questa è la vera opportunità.
- **Collegamento con il knowledge graph**: L'approccio crea un "knowledge graph distribuito, pronto per l'AI, in cui ogni dataset conosce la propria identità e il proprio ruolo."
- **Parallelo con il corpus di veille**: Si collega alla fiche ia-monopsychisme-serres-averroes-aquin sui legami filosofia/AI, ma con un'angolazione operativa piuttosto che metafisica. Si collega anche alle fiche sui context graph e i knowledge graph (Netflix UDA, Foundation Capital).

## RésuméDe400mots

Tony Seale parte da una domanda provocatoria posta da Michael Schrage e David Kiron su MIT Sloan: "Se il software divora il mondo e l'AI divora il software, cosa divora l'AI?" La risposta è **la filosofia** — non nel suo senso accademico, ma come disciplina pratica indispensabile per estrarre valore reale dai sistemi di AI.

Il problema centrale è che la maggior parte delle organizzazioni tratta l'AI come un miglioramento puramente tecnico. Costruiscono modelli, sperimentano con i prompt, ma non si pongono mai la domanda fondamentale: **cosa impara realmente l'AI?** Dietro ogni modello si nasconde una questione più profonda: l'assenza di una filosofia strutturata che definisca la logica operativa dell'azienda.

Ogni azienda crea valore a modo suo — attraverso la fedeltà, l'ottimizzazione, la fiducia o l'efficienza. Tuttavia la maggior parte non ha formalizzato questa semantica in un'**ontologia**, ossia una struttura leggibile dalla macchina su cui i sistemi di AI possano ragionare. L'autore insiste: "Non si tratta di dichiarazioni di missione. Si tratta di semantica formalizzata in un'ontologia." Senza rendere espliciti queste strutture logiche fondamentali, i modelli imparano dal rumore anziché da schemi significativi.

L'articolo introduce il concetto di **nucleo ontologico**: i concetti fondamentali che definiscono l'identità di un'azienda. Questo nucleo emerge attraverso i casi d'uso che generano valore reale e le "competency questions" che ne testano la pertinenza di ciascun concetto. Diventa una lente che concentra il ragionamento dell'AI su ciò che conta davvero.

Seale collega poi questa filosofia all'architettura dei dati tramite i **Semantic Data Products**, basati sulla specifica aperta DPROD. Questo approccio tratta i dati come un asset di valore con una governance chiara, anziché come materia prima. Il risultato è un "knowledge graph distribuito, pronto per l'AI, in cui ogni dataset sa cos'è, perché è importante e come si inserisce nel quadro generale."

La conclusione individua la vera opportunità: creare un **circolo virtuoso** in cui l'AI contribuisce a definire l'ontologia organizzativa, mentre quest'ultima guida il modo in cui l'AI ragiona e il valore che genera. L'articolo colloca l'ontologia non come un esercizio di modellazione accademica, ma come l'anello mancante tra l'investimento nell'AI e la creazione di valore di business.

## GrapheDeConnaissance

- Tony Seale —affirme_que→ la philosophie mange l'IA (AFFIRMATION, 0.97)
- philosophie —s_applique_à→ raisonnement IA (CONCEPT, 0.95)
- identité entreprise —est_basé_sur→ noyau ontologique (CONCEPT, 0.96)
- ontologie —permet→ raisonnement machine sur sémantique métier (CONCEPT, 0.95)
- Semantic Data Products —est_basé_sur→ DPROD (TECHNOLOGIE, 0.94)
- Semantic Data Products —permet→ knowledge graph distribué prêt pour IA (CONCEPT, 0.93)
- Michael Schrage —publie→ question philosophie mange IA (CONCEPT, 0.96)
- David Kiron —publie→ question philosophie mange IA (CONCEPT, 0.96)
- MIT Sloan —publie→ réflexion philosophie et IA (CONCEPT, 0.95)
- noyau ontologique —améliore→ pertinence modèles IA (CONCEPT, 0.92)
- IA —permet→ définition de l'ontologie organisationnelle (CONCEPT, 0.9)
- absence ontologie —réduit→ qualité apprentissage IA (CONCEPT, 0.91)

---
Canonical: https://www.thekb.eu/it/fiches/seale-philosophy-eats-ai-ontological-core-2025-05-30/