En l’ecosistema actual d’intel·ligència artificial, un dels colls d’ampolla més persistents continua sent l’enginyeria d’ontologies. Les ontologies —esquemes formals que defineixen entitats, propietats, relacions i restriccions dins d’un domini— són essencials per a sistemes de coneixement intensiu, però la seva construcció manual és costosa, lenta i propensa a errors. Els enfocaments automatitzats existents sovint depenen d’esquemes predefinits, operen en dominis molt acotats o generen sortides no estructurades que no es poden integrar directament en pipelines posteriors. Davant d’aquesta mancança, sorgeix un paradigma prometedor: la Inducció Generativa d’Ontologies (GOI, per les sigles en anglès), un marc agnòstic al domini que aprèn a partir d’un corpus d’exemples i produeix un “plà generatiu” —entitats, dimensions, propietats, relacions i restriccions— exportat com un graf tipat amb sis tipus de nodes i set tipus d’arestes, en formats YAML o JSON.
La clau de GOI resideix en la seva capacitat per descobrir esquemes de forma autònoma sense necessitat d’intervenció humana ni plantilles predefinides. Això el converteix en una eina ideal per a empreses que manegen grans volums de documents heterogenis —factures, contractes, històrials clínics, descripcions de llocs— i necessiten extreure i estructurar coneixement de manera consistent. Per exemple, en una solució d’aplicacions a mida, un sistema GOI podria analitzar milers de factures de proveïdors i generar automàticament una ontologia que capturi els camps clau (número de factura, data, import, IVA, client) i les relacions entre ells. Després, aquesta ontologia alimentaria motors de cerca semàntica, sistemes de recomanació o processos d’auditoria automàtica.
Des d’una perspectiva tècnica, GOI introdueix una mètrica nova: el Node Coverage Score, que mesura la fracció de nodes estructurals de l’ontologia (classes, propietats i dimensions) que apareixen en les sortides generades. En les proves controlades sobre quatre ontologies contrastades —un esquema de factures de serveis de programari, una ontologia personalitzada de descripcions de llocs, una ontologia de registres clínics de dolor crònic i una ontologia de contractes de serveis professionals—, les generacions induïdes per GOI van cobrir entre el 95 % i el 100 % de la columna vertebral estructural. En canvi, una plantilla genèrica de tres camps, que funcionava bé (97,8 %) en l’esquema de factures (un tipus de document molt familiar per als models), va caure al 52,2 % en l’ontologia de descripcions de llocs, al 62,2 % en la de dolor crònic i al 78,3 % en la de contractes professionals. Això demostra que la cobertura estructural de GOI és robusta independentment de la familiaritat del model amb el tipus de document.
Quines implicacions té això per a les empreses? Primer, la capacitat de generar ontologies específiques de domini sense intervenció humana accelera enormement la integració de sistemes d’IA. Un departament de RR. HH. que rep centenars de CVs i descripcions de llocs al mes podria utilitzar GOI per construir una ontologia de competències, habilitats i requisits, i després alimentar un sistema d’agents IA que automatitzi la preselecció. De manera similar, una àrea de compliment normatiu que revisa contractes de proveïdors podria beneficiar-se d’una ontologia que extregui clàusules, dates, penalitzacions i parts implicades, tot sense necessitat de reentrenar models cada vegada que canvia el format del document.
En aquest context, Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, ofereix serveis que permeten a les organitzacions aprofitar el potencial de la inducció generativa d’ontologies de manera pràctica i escalable. El nostre equip integra GOI dins de solucions de cloud AWS/Azure, desplegant pipelines d’inferència que processen documents en temps real i actualitzen les ontologies de forma incremental. A més, combinem aquesta capacitat amb plataformes de BI / Power BI perquè els analistes puguin explorar visualment les estructures descobertes, detectar anomalies o generar informes de cobertura.
La ciberseguretat és un altre àmbit on GOI aporta valor. En modelar les relacions entre actius, vulnerabilitats i controls en una ontologia, un sistema de ciberseguretat pot detectar patrons d’atac o configuracions incorrectes de forma molt més precisa que amb regles estàtiques. Q2BSTUDIO ajuda les empreses a dissenyar ontologies de seguretat personalitzades que s’actualitzen dinàmicament amb cada nou informe d’amenaces, millorant la postura defensiva sense saturar l’equip de seguretat.
En el pla de l’automatització, la inducció generativa d’ontologies s’alinea perfectament amb els principis d’hiperautomatització. En descobrir automàticament els camps i relacions que apareixen en els documents, es poden construir workflows que transformin, validin i enrutin la informació sense intervenció humana. Per exemple, en una cadena de subministrament, una ontologia induïda a partir d’albarans i ordres de compra permet que un sistema d’automatització actualitzi inventaris, generi factures i notifiqui desviacions, tot en temps real.
La flexibilitat de GOI també obre la porta a aplicacions a mida en sectors com salut, finances o logística. Imagina una clínica de dolor crònic que necessita integrar registres de visites de múltiples fonts (històries clíniques electròniques, notes de metges, informes d’infermeria). Una ontologia induïda per GOI capturaria dimensions com intensitat del dolor, tipus de tractament, evolució temporal i efectes secundaris, permetent que un dashboard de Power BI mostri correlacions que abans passaven desapercebudes. Q2BSTUDIO desenvolupa aquestes solucions a mida, assegurant que l’ontologia reflecteixi el llenguatge i les necessitats específiques de cada organització.
Des del punt de vista de l’estratègia empresarial, adoptar GOI suposa un canvi qualitatiu: es passa de dependre d’experts en ontologies (escassos i cars) a disposar d’un procés automatitzat que, a més, s’adapta a l’evolució del domini. Els models de llenguatge subjacents (com GPT-4 o models propietaris) poden ser ajustats amb pocs exemples, cosa que redueix dràsticament el temps de posada en marxa. A Q2BSTUDIO, hem vist com aquesta tecnologia redueix de setmanes a hores la creació d’esquemes per a projectes d’IA, alliberant els equips per centrar-se en tasques de major valor.
No obstant això, la inducció generativa d’ontologies no està exempta de desafiaments. La qualitat de l’ontologia resultant depèn de la representativitat del corpus d’exemples; si els documents d’entrada estan esbiaixats o són poc variats, l’ontologia heretarà aquestes limitacions. A més, la interpretabilitat de les relacions induïdes continua sent una àrea activa de recerca. A Q2BSTUDIO abordem aquests problemes combinant GOI amb tècniques de validació humana supervisada i proves de cobertura, com el Node Coverage Score, per garantir que l’esquema generat compleixi amb els requisits de negoci.
Mirant cap al futur, la convergència de GOI amb altres tecnologies —com la generació augmentada per recuperació (RAG), els bessons digitals o la computació a la vora— promet crear sistemes de coneixement que s’autoactualitzen. Per exemple, un bessó digital d’una fàbrica podria utilitzar GOI per extreure ontologies dels manuals de manteniment i els informes d’avaries, actualitzant en temps real el model de coneixement que guia les decisions predictives. Q2BSTUDIO ja està explorant aquestes sinergies en projectes pilot amb clients del sector industrial, integrant AWS IoT i Azure Digital Twins.
En resum, la Inducció Generativa d’Ontologies representa un avenç significatiu en la capacitat de les màquines per entendre i estructurar informació no etiquetada. El seu caràcter agnòstic al domini, combinat amb mètriques de cobertura robustes, la converteix en una eina estratègica per a qualsevol organització que busqui extreure valor de les seves dades documentals. A Q2BSTUDIO, ajudem les empreses a implementar aquesta tecnologia de forma efectiva, ja sigui com a part d’aplicacions a mida, integrada en infraestructures cloud o potenciant dashboards de BI. L’ontologia ja no és un lliurable estàtic: és un artefacte viu que creix amb l’organització.
