Представьте: менеджер магазина спрашивает ИИ-агента: «Что из молочных продуктов от “Беты“ у нас закончилось?»

Чтобы ответить, агенту нужно связать сведения о товарах, поставщиках и остатках.

В этом помогает онтология. В ней заранее описано, что:

🔹 йогурт и кефир относятся к молочным продуктам
🔹 поставщик и производитель — разные роли: первый поставляет товар, а второй производит
🔹 остаток показывает количество конкретного товара в конкретном магазине.

Из подключенных учетных систем, например 1С, агент получает данные о клубничном йогурте. Его производит «Сигма», поставляет «Бета», и в магазине он закончился — остаток равен нулю.

А может ли LLM справиться без онтологии?

Да — если получит необходимый контекст другим способом. Например, изучит схемы данных и документацию. Но если сведения разбросаны по источникам, агенту придется искать их и восстанавливать отношения. Это может привести к ошибкам.

С онтологией часть этой работы выполнена заранее: понятия и отношения явно описаны и связаны с данными. Это может сделать ответы точнее, быстрее и дешевле — за счет меньшего числа ошибочных трактовок, поисковых запросов и повторных попыток.