Если ИИ без онтологии — это как GPS без карты, то удивляться, почему он везёт в болото, уже неловко. Юмористическая ремарка: «Смысл не теряется — он просто катается без ремня безопасности». В корпорациях смысл — штука дорогая: «клиент» в CRM может быть лидом, в финансах — плательщиком, а «продукт» то SKU, то семейство, то маркетинговый бандл. Добавьте разномастные схемы, поломанные поля, и получите агента, который уверенно отвечает не на тот вопрос.
Онтология даёт единый источник истины: словарь бизнес-понятий, их иерархии и отношений, плюс унифицированные имена полей и классы данных (например, PII для соблюдения GDPR/CCPA). Это можно материализовать в триплсторе или в графе свойств вроде Neo4j для сложных мультишаговых правил. Готовые доменные онтологии — FIBO для финансов или UMLS для медицины — отличный фундамент, который почти всегда придётся подстроить под внутреннюю геометрию компании.
Практика выглядит так: агент документной интеллектики извлекает сущности и связи из структурированных и неструктурированных источников и заполняет граф по онтологии. Дальше агент «открытия данных» ходит по узлам и рёбрам, находит нужные сущности и передаёт их процессным агентам — общаются они через A2A, а для людей есть AG-UI, чтобы прозрачно видеть, кто что нашёл и почему.
Правила живут там же, в онтологии. Например: «пока у всех документов по кредиту флаг проверки не true, статус — pending». Тогда агент не фантазирует о «готовом кредите», а идёт в граф, выясняет, каких документов не хватает, и дополняет процесс. Если где-то «галлюцинируется» клиент, несостыковка связей в графе выдаёт аномалию — и мираж рассеивается.
Да, есть накладные расходы на граф и онтологическую дисциплину. Зато взамен — реальные отбойники, по которым агенты уверенно везут ваш бизнес-процесс, а не в поле.