Claves de ontología pragmática para agentes de IA

Más allá de los chatbots que se limitan a responder preguntas (algo impensable hace unos años y a lo que nos hemos acostumbrado con rapidez), la verdadera revolución de la era de la IA son los agentes. Como su propio nombre indica, tienen agencia, es decir, hacen cosas. En el ámbito empresarial, pueden consultar sistemas corporativos, ejecutar procesos y tomar decisiones. Sin embargo, para que funcionen bien, será imprescindible que entiendan cómo funciona el negocio. Es aquí cuando debemos empezar a hablar de ontología pragmática.

La premisa de la ontología pragmática es simple: organizar el conocimiento empresarial para que tanto las personas como los agentes de IA compartan un mismo significado de la información. Para ello, opta por soluciones sencillas, fáciles de mantener y que buscan resolver problemas concretos, lo que contrasta con las ontologías tradicionales, que se basan en modelos semánticos más complejos.

Haberle puesto a esta ontología el apellido de pragmática no es ninguna casualidad, ya que es eso precisamente, el pragmatismo, lo que la caracteriza. Si bien las ontologías construidas siguiendo estándares como OWL (Web Ontology Language) o RDF (Resource Description Framework) siguen utilizándose (y siendo importantes en muchos ámbitos), su complejidad es un obstáculo a la hora de poder ser utilizadas por muchas compañías. La ontología pragmática propone ir a lo esencial: modelar únicamente el conocimiento necesario para que los agentes comprendan los conceptos, relaciones y reglas que intervienen en cada caso de uso. Una capa semántica que conecta los distintos sistemas de información de la empresa y proporciona una visión unificada del negocio.

La investigación internacional, con líneas sobre knowledge graphs e IA neurosimbólica, apunta en esa dirección. De hecho, esos estudios demuestran que combinar modelos de lenguaje con conocimiento estructurado mejora la precisión, reduce las alucinaciones y facilita explicar por qué un agente ha tomado una decisión determinada. La ontología, en definitiva, aporta contexto, reglas de negocio y relaciones específicas de la organización.

A esto se suma que los propios modelos de lenguaje (LLM) están cambiando la forma de construir ontologías. Como los LLM ya cuentan con un amplio conocimiento general, las ontologías no necesitan describir exhaustivamente el mundo, sino que pueden centrarse en representar la información propia del dominio empresarial en cuestión. Este cambio reduce el esfuerzo de modelado y facilita que las ontologías evolucionen de forma incremental conforme aparecen nuevas necesidades.

Esto desemboca en otra de las claves de la ontología pragmática. Como explica Emmanuel Klinger, responsable de Asesoramiento Técnico en IA y Datos en T-Systems International, la ontología deja de ser un elemento reservado a especialistas y se convierte en un componente estratégico de la IA empresarial. «Al expresar la semántica en lenguaje natural, la ontología pragmática sigue siendo comprensible para las personas e interpretable para la IA», sostiene. Así, actúa como un mapa que permite a los agentes comprender el contexto en el que trabajan, utilizar correctamente las herramientas corporativas y colaborar con las personas de manera más fiable.

La ontología pragmática funciona en el mundo real, defiende Klinger, porque ofrece una base escalable, comprensible y viable para la semántica empresarial. «En la práctica, un cierto grado de imperfección controlada —o incluso «caos productivo»— puede convertirse en un factor determinante para el éxito», concluye.