Dati · AI · Diritto · Etica

Il magazine per chi decide

·

Ontologie per l’AI: Databricks e Microsoft Fabric riscoprono la semantica dei dati

Databricks con la Genie Ontology e Microsoft con l’ontologia di Fabric IQ puntano sullo stesso concetto: dare agli agenti AI una mappa condivisa del business. Cos’è un’ontologia dei dati e perché conta.

di

·

·

4–6 minuti
Svincolo autostradale visto dall'alto, con strade che si intrecciano e collegano quartieri diversi

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.

CHI USA I DATI Dashboard BI Agenti AI Applicazioni Excel e fogli Ontologia · strato semantico condiviso Entità Relazioni Metriche Regole Permessi Lakehouse Warehouse Database Eventi e stream Modelli BI FONTI DATI (restano dove sono) Schema illustrativo QrmServizi. L’ontologia collega le definizioni ai dati senza copiarli.
L’ontologia si mette in mezzo: un solo vocabolario di business per tutti i consumatori.

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.

effettua contiene avviene in Cliente Ordine Prodotto Negozio collegato a: crm.clienti collegato a: vendite.ordini collegato a: catalogo.prodotti Metrica · Fatturato somma degli importi degli ordini Regola · Cliente attivo almeno un ordine negli ultimi 90 giorni
Un frammento di ontologia: concetti, relazioni, una metrica ufficiale e una regola di business (esempio illustrativo).

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 OntologyMicrosoft · Fabric IQ ontology
StatoPublic PreviewPreview
BaseUnity Catalog semantics (metric views, domini, Pages)Elemento dedicato in Fabric, generabile dai modelli Power BI
Come nasce il contestoModellato dalle persone + dedotto dall’usoModellato dalle persone, con l’aiuto di un agente che propone modifiche da approvare
Standard semanticiNon dichiarati nella documentazione consultataImport RDF, Turtle, OWL; export RDF e Turtle
Chi la usaGenie One, Genie Code, agentiData agent, dashboard real-time, agenti
Confronto basato sulla documentazione ufficiale consultata a novembre 2026. Entrambe le funzioni sono in anteprima e possono cambiare.

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.

Fonti

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *