Denodo: AI e dati, la guerra della semantica è già iniziata

Andrea Zinno, Partner & Channel Sales Director EMEA South di Denodo, spiega come la sfida diventa far convivere differenti livelli di semantica, tra AI e piattaforme dati.

Per anni le organizzazioni si sono confrontate con la frammentazione dei dati. Oggi, a questa difficoltà se ne affianca un’altra, meno evidente ma ancora più rilevante per l’intelligenza artificiale. A frammentarsi è anche il significato dei dati. Le piattaforme tecnologiche stanno investendo nelle capacità semantiche. Gli ambienti di gestione dei dati, gli strumenti di analisi, le tecnologie di AI cercano di offrire una comprensione più ricca di ciò che i dati rappresentano. Clienti, prodotti, ricavi, rischi, dipendenti e beni aziendali acquistano una definizione esplicita, insieme alle relazioni che li collegano.

È un’evoluzione utile, perché né l’analisi né l’AI possono operare in modo affidabile facendo riferimento soltanto alla struttura tecnica dei dati. Questa crescente attenzione alla semantica apre, però, una questione architetturale. Cosa accade quando ogni piattaforma propone una propria rappresentazione del significato?

La convivenza dei modelli semantici

Si potrebbe leggere questa evoluzione come l’ennesima competizione tra piattaforme, chiedendosi quale fornitore riuscirà a imporre il proprio livello semantico e quali definizioni verranno utilizzate dagli agenti di AI.

È una lettura comprensibile, ma poco aderente al modo in cui operano molte grandi organizzazioni. È difficile immaginare che queste si affidino a un solo ambiente semantico. Più verosimilmente, continueranno a utilizzarne diversi, ciascuno legato a esigenze, competenze e investimenti specifici. La questione, quindi, riguarda soprattutto la possibilità di continuare a operare in modo coerente quando più mondi semantici convivono.

Quando i silos riguardano il significato

La frammentazione semantica può essere più difficile da riconoscere di quella dei dati. Quando due piattaforme dispongono della stessa informazione, ma la interpretano in modo differente, la distanza può restare nascosta fino al momento in cui una persona, o un sistema di AI, cerca di utilizzarla per prendere una decisione.

Basti considerare un concetto apparentemente semplice come quello di cliente. Per un sistema può coincidere con il titolare di un conto, per un altro con una persona giuridica, per un altro ancora con un nucleo familiare. Sono tutte definizioni appropriate nei rispettivi contesti. La difficoltà emerge quando un processo trasversale, un’applicazione analitica o un agente di AI deve mettere in relazione informazioni che sembrano riferirsi alla stessa cosa, ma non necessariamente lo fanno.

Se le piattaforme diventano sempre più capaci di definire il significato al proprio interno, mentre l’organizzazione fatica a raccordare quelle definizioni, il problema dei silos resta. Semplicemente, il loro confine si sposta dai dati alla semantica.

Semantica – L’AI rende il problema più rilevante

La questione avrebbe rilievo anche senza l’intelligenza artificiale, ma la sua diffusione ne amplia le conseguenze. Nell’analisi tradizionale, infatti, una persona interviene spesso nel processo interpretativo.

I sistemi e gli agenti di AI, invece, operano sempre più spesso senza questa mediazione implicita. Un modello può avere ottime capacità linguistiche e di ragionamento e, allo stesso tempo, ricevere rappresentazioni contraddittorie dell’organizzazione. Le sue capacità, da sole, non gli consentono di stabilire quale definizione faccia testo per una determinata decisione.

Quale significato deve valere per questa decisione, in questo contesto e in questo momento?

Rispondere a questa domanda richiede qualcosa di più della costruzione di un livello semantico. Richiede la capacità di riconoscere e governare le condizioni nelle quali una definizione può essere utilizzata.

La sovranità semantica come capacità di governo

I modelli semantici non si limitano a descrivere i dati. Contribuiscono anche a orientare il modo in cui le persone e i sistemi di AI interpretano l’organizzazione.

Quando una piattaforma definisce i concetti, le relazioni e le regole di business utilizzati dai sistemi che dipendono da essa, il suo ruolo va oltre la conservazione o l’elaborazione dei dati. Quella piattaforma contribuisce a determinare come tali sistemi comprendono il funzionamento stesso dell’organizzazione.

In questo senso si può parlare di sovranità semantica. Una capacità di governo che non implica la costruzione di un unico, grande modello proprietario, ma la possibilità di stabilire a quali significati si debba fare riferimento, anche quando cambiano le tecnologie utilizzate. Il livello semantico diventa così un punto di governo dell’architettura aziendale.

Governare la diversità semantica

Di fronte alla frammentazione, una risposta possibile è creare un nuovo livello semantico al quale tutti gli altri debbano conformarsi. Una maggiore standardizzazione può certamente portare valore, tuttavia l’eterogeneità delle grandi organizzazioni ha spesso ragioni concrete. Piattaforme diverse servono esigenze diverse, i domini possiedono competenze specifiche, i requisiti normativi possono variare. Partner ed ecosistemi, inoltre, operano anche al di fuori del controllo diretto dell’organizzazione.

L’obiettivo più realistico è rendere interoperabile questa diversità. Ciò significa collegare le definizioni, comprendere la provenienza delle informazioni, stabilire quali riferimenti siano autorevoli e rendere disponibile un significato aziendale coerente attraverso gli ambienti nei quali viene già definito.

La semantica può quindi restare vicina ai domini che la conoscono e la utilizzano, mentre la comprensione diventa condivisa dove i processi dell’organizzazione lo richiedono.

Dalla semantica all’Active Context

La semantica, per quanto essenziale, non esaurisce ciò che serve a una decisione. Può spiegare a un sistema di AI che cosa significhi un’informazione, ma una scelta aziendale può dipendere anche dalle relazioni, dallo stato corrente, dalle policy e dalle regole di business.

Sapere che cosa si intenda per cliente è utile. Per decidere come agire, però, potrebbe essere necessario sapere che quel cliente ha appena cambiato indirizzo, possiede tre prodotti, ha una segnalazione di possibile frode ancora aperta, eccetera.

La differenza è tra attribuire un significato ai dati e costruire una comprensione pertinente alla decisione. In Denodo utilizziamo il termine Active Context per indicare la possibilità di mettere insieme, in relazione a una specifica decisione o azione, i dati rilevanti con il loro significato, le relazioni, la provenienza, le policy e lo stato corrente. Il percorso va così dai dati distribuiti ai dati condivisi, dalla semantica condivisa all’Active Context, fino alla comprensione del business e alla decisione.
La semantica è un passaggio essenziale di questo percorso, ma il suo valore si realizza quando entra in relazione con gli altri elementi che rendono possibile una scelta consapevole.

Il contributo di un approccio logico

Chiedere alle organizzazioni di abbandonare le capacità semantiche delle piattaforme esistenti per sostituirle con le nostre riproporrebbe proprio quella competizione per un riferimento esclusivo che rischia di limitarne le scelte.

Il contributo più utile consiste nell’aiutarle a collegare il significato tra ambienti eterogenei, rendendolo utilizzabile nei processi. Quando un’applicazione o un agente di AI deve attraversare questi confini, serve una comprensione condivisa e coerente. È qui che un approccio logico acquista rilevanza.

Un livello governato, esteso alle fonti distribuite e ai diversi ambienti semantici, consente di preservare gli investimenti locali e rende disponibile il significato condiviso dove occorre, senza subordinare il percorso alla migrazione di tutti i dati e di tutti i modelli verso un’altra piattaforma fisica.

L’interoperabilità semantica diventa un obiettivo architetturale, attraverso cui l’organizzazione può conservare il governo del significato e utilizzarlo oltre i confini delle singole tecnologie.

La coerenza delle risposte alle domande di business

Questa riflessione diventa concreta quando ambienti semantici diversi restituiscono risposte differenti alla stessa domanda aziendale. Qual è la nostra esposizione verso questo cliente? Qual è stata la redditività di questo prodotto? Un cittadino ha diritto a un determinato servizio?

Risposte diverse possono essere tutte tecnicamente giustificabili, perché costruite a partire da definizioni o prospettive differenti. Il problema nasce quando tali differenze restano implicite e l’organizzazione non riesce a capire a quali condizioni ciascuna risposta sia valida.

L’AI può far emergere questa difficoltà più rapidamente, perché attraversa sempre più spesso i confini organizzativi e tecnologici entro i quali quei significati erano rimasti circoscritti. Per questo l’interoperabilità semantica deve entrare nella progettazione delle architetture di AI aziendale.

Una comprensione condivisa oltre le piattaforme

Ogni piattaforma ha buone ragioni per arricchire le proprie capacità semantiche e le organizzazioni possono trarne beneficio. Occorre però considerare anche l’effetto complessivo di questa evoluzione. Quanto più la semantica si diffonde, tanto più la comprensione dell’organizzazione richiede un lavoro che attraversi le piattaforme.

La domanda strategica riguarda dunque il modo di preservare il valore dei diversi ambienti semantici, costruendo al tempo stesso un significato abbastanza condiviso da consentire a persone, applicazioni e sistemi di AI di interpretare l’organizzazione con coerenza. In questa prospettiva, le guerre semantiche possono anche essere già iniziate, ma non obbligano le organizzazioni a scegliere uno schieramento. La loro capacità di agire dipenderà piuttosto da quanto sapranno governare la pluralità dei significati, senza dover affidare a un unico vincitore la comprensione di sé.