In sintesi
- Cosa succede: Databricks (Genie Ontology) e Microsoft (ontologia di Fabric IQ) hanno introdotto, entrambe in anteprima, uno strato semantico pensato per gli agenti AI.
- Perché: un agente che vede solo tabelle e colonne non sa cosa sia un “cliente attivo”. L’ontologia glielo dice, una volta per tutti.
- Cosa fare: partire da pochi concetti di business, con definizioni e responsabili chiari, prima di collegarli agli agenti.
Per anni l’ontologia dei dati è sembrata un tema da accademici e da progetti di web semantico. Oggi torna al centro della scena per una ragione molto pratica: gli agenti AI hanno bisogno di capire il business, non solo di leggere database. E i due grandi fornitori di piattaforme dati, Databricks e Microsoft, hanno scelto proprio questa parola per i loro nuovi strati di contesto.
Che cos’è un’ontologia, in parole semplici
Un’ontologia è una descrizione condivisa e leggibile dalle macchine dei concetti che contano per un’organizzazione: clienti, prodotti, ordini, impianti, punti vendita. Per ciascuno definisce le proprietà, le relazioni con gli altri concetti, le metriche ufficiali e le regole di business. Poi collega queste definizioni ai dati reali, ovunque si trovino.
La differenza rispetto a un catalogo dati tradizionale è il punto di vista. Il catalogo descrive come sono fatti i dati (tabelle, colonne, tipi). L’ontologia descrive che cosa significano per il business.
Perché gli agenti AI ne hanno bisogno
Chiedete a un agente “quanti clienti attivi abbiamo in Lombardia?”. Senza contesto deve indovinare: quale tabella contiene i clienti, cosa significa “attivo”, come si collega un cliente a una regione. Ogni agente, ogni prompt e ogni dashboard rischia di dare una risposta diversa.
Con un’ontologia la definizione esiste una volta sola ed è governata. L’agente non inventa la formula del fatturato: usa la metrica ufficiale. Non deduce la relazione tra ordini e negozi: la trova scritta.
Databricks: la Genie Ontology
Nella documentazione Databricks la Genie Ontology, oggi in Public Preview, è descritta come lo strato di contesto unificato che dà a Genie una mappa del business dell’organizzazione. Combina due fonti:
- contesto modellato e governato nella Unity Catalog semantics: metric views (metriche definite una volta e interrogate a runtime), domini, Pages per descrivere i concetti di business (in Beta da agosto 2026), certificazione e deprecazione degli asset;
- contesto dedotto automaticamente da Genie a partire dagli asset e dal loro utilizzo.
La stessa ontologia viene consultata da Genie One, l’interfaccia per gli utenti di business, e da Genie Code, l’assistente per chi sviluppa. A fine ottobre 2026 Databricks ha aggiunto, in Beta, le relazioni tra metric views: un tassello importante per passare da un elenco di metriche a una vera rete di concetti.
Microsoft: l’ontologia di Fabric IQ
Microsoft ha presentato Fabric IQ e il suo elemento ontology a Ignite, a novembre 2025. Anche qui siamo in anteprima. L’ontologia di Fabric definisce tipi di entità, proprietà, relazioni, metriche (ricavate dalle misure DAX dei modelli semantici Power BI) e regole scritte in linguaggio naturale. Supporta namespace ed ereditarietà, e si collega a lakehouse, warehouse, eventhouse e database senza copiarne i dati.
Due dettagli interessanti per chi lavora con gli standard: l’ontologia può importare definizioni RDF, Turtle e OWL ed esportarle in RDF o Turtle. E rispetta la sicurezza dei dati collegati, compresi i filtri a livello di riga e di colonna. La vecchia esperienza di ontologia verrà ritirata il 31 gennaio 2027.
Due strade per lo stesso obiettivo
| Databricks · Genie Ontology | Microsoft · Fabric IQ ontology | |
|---|---|---|
| Stato | Public Preview | Preview |
| Base | Unity Catalog semantics (metric views, domini, Pages) | Elemento dedicato in Fabric, generabile dai modelli Power BI |
| Come nasce il contesto | Modellato dalle persone + dedotto dall’uso | Modellato dalle persone, con l’aiuto di un agente che propone modifiche da approvare |
| Standard semantici | Non dichiarati nella documentazione consultata | Import RDF, Turtle, OWL; export RDF e Turtle |
| Chi la usa | Genie One, Genie Code, agenti | Data agent, dashboard real-time, agenti |
Il punto non è la tecnologia
Un’ontologia non si compra: si costruisce. Lo strumento aiuta a scriverla e a collegarla ai dati, ma la parte difficile resta organizzativa. Qualcuno deve decidere che cosa significa “cliente attivo”, chi è responsabile della definizione e cosa succede quando due reparti non sono d’accordo.
- Partire piccoli: dieci concetti chiave valgono più di un modello enciclopedico mai finito.
- Dare un responsabile a ogni definizione: senza ownership l’ontologia invecchia in fretta.
- Riusare ciò che esiste: modelli semantici BI e metriche già certificate sono il punto di partenza naturale.
- Misurare la coerenza: lo stesso quesito, posto a canali diversi, deve dare la stessa risposta.
La bussola
Gli agenti AI rendono visibile un problema antico: le aziende spesso non hanno un vocabolario condiviso. L’ontologia dei dati è il modo di scriverlo, e chi lo farà per primo avrà agenti più affidabili, non solo più veloci.




Lascia un commento