Nvidia – ontología automática de código abierto
El proyecto de código abierto “auto-ontology” de Nvidia busca ayudar a las empresas a construir ontologías empresariales legibles por máquina a partir de bases de datos y APIs dispersas, de modo que los agentes de IA puedan responder preguntas de datos con mayor fiabilidad, por ejemplo interpretando de forma consistente conceptos como “cliente” o “ingresos”. Los comentaristas ven posibles beneficios para business intelligence, gobernanza y la reducción del “conocimiento tribal”, pero muchos dudan de que superponer herramientas impulsadas por LLM sobre modelos poco fiables resuelva de verdad los problemas de alucinación y control de contexto. La recepción del proyecto se ve además empañada por un README ampliamente criticado como texto de marketing generado por IA, y por dudas sobre en qué mejora este enfoque a tecnologías de la web semántica ya existentes como RDF/OWL y SPARQL.
Qué intenta hacer “auto-ontology”
- La herramienta construye una ontología empresarial legible por máquina: entidades, relaciones, métricas y en qué sistemas/tablas residen.
- Objetivo: permitir que los agentes asignen preguntas en lenguaje natural como “los artículos más vendidos en mayo” a las tablas, joins y métricas correctas en múltiples bases de datos.
- Funciones clave mencionadas: introspección de DB, catálogo central de metadatos, generación de SQL a partir de NL, enrutamiento de consultas a las fuentes correctas, combinación de resultados de múltiples fuentes, permisos.
Por qué podría importar a las empresas
- La ontología ayuda a resolver conceptos empresariales difusos (“cliente”, “ingresos”, “cuentas de prueba”) que difieren entre equipos y sistemas.
- Captura “conocimiento tribal” (p. ej., excluir siempre las cuentas de prueba) y obliga a definiciones explícitas y versionadas.
- Desplaza a ingenieros/científicos de datos de escribir a mano consultas puntuales a curar y corregir la ontología.
- Se ve como una capa de fiabilidad para BI / analítica y una herramienta de gobernanza, no solo como un almacén de memoria.
Fiabilidad, agentes y límites de los LLM
- Los escépticos: apilar agentes LLM poco fiables arriesga acumular errores; los modelos actuales no pueden restringirse de forma fiable a solo los hechos dados y a menudo filtran conocimiento externo/alucinan.
- Los partidarios: separar responsabilidades en (1) conversión de datos a ontología y (2) consulta sobre una ontología estable puede reducir la varianza, hacer los errores inspeccionables y restringir a los agentes a respuestas SQL respaldadas por la base de datos.
- Analogías planteadas: TCP sobre IP, sistemas biológicos: comportamiento fiable construido sobre componentes poco fiables.
- Debate sobre si la falta de una separación clara entre datos, instrucciones y conocimiento del mundo es inherente a los LLM o si puede resolverse con enfoques futuros.
Relación con otras tecnologías
- Comparado con “sistemas de memoria”: esto es más “de caja blanca” y depurable; menos magia de política RL, más metadatos y reglas explícitas.
- Comparado con la web semántica (RDF/OWL/SPARQL): algunos sostienen que eso ya resuelve problemas similares; otros señalan que los motores SQL y las herramientas están más maduros y que los LLM hablan SQL de forma más natural.
- Alternativas mencionadas: sistemas de conocimiento personalizados (p. ej., CAVE), otras herramientas de ontología de código abierto, pilas basadas en LPG/Cypher, enfoques de reglas simbólicas (GOFAI) que se vuelven inmanejablemente densos en datos reales.
Preocupaciones prácticas y escepticismo
- Los esquemas reales suelen tener nombres de columnas engañosos y semánticas implícitas ocultas en el código de la aplicación y en la cabeza de los analistas; no está claro hasta qué punto la extracción automatizada de ontologías puede salvar esa brecha semántica.
- Algunos ven esto como “epiciclos” alrededor de la falta fundamental de fiabilidad de los LLM; otros, como una mejora incremental realista.
Crítica del README y de la comunicación
- Muchos comentaristas encontraron el README casi ininteligible, parecido a “AI slop”, lleno de jerga (“gates”) y diagramas poco claros.
- Hay un fuerte sentimiento de que un texto de baja calidad, aparentemente generado por IA y sin edición, socava la confianza en la seriedad y calidad del proyecto, aunque una minoría responde que la autoría por IA por sí sola no lo hace malo.