プラットフォーム · コンセプト · ビジネスオントロジー
AI にはビジネスの世界モデルが必要です。それがオントロジーです。
ビジネス オントロジーは、ビジネスの内容、つまりオブジェクト (メンバー、注文、製品)、各フィールドの意味、それらの関連性、および前提条件、承認、監査を伴う管理されたアクションなどの実行を示す生きた地図です。データのコピーではありません。すでに所有しているデータに固定された意味の層。人と AI の両方がビジネスを読み取ります。
ダイナミクス層 · 動詞
管理されたアクション - それぞれに前提条件、承認ギア、監査記録が付いています。
意味層 · 名詞
メンバー
階層・同意・タグ
注文
合計・店舗・日付
製品
カテゴリ・価格
オブジェクト、そのプロパティ、およびオブジェクト間の関係 - 存在するものの地図。
すでにお持ちのデータ
プロファイル、注文、イベント、カタログ — 何もコピーされず、何も移動されませんでした
それは何ですか
2 つのレイヤーからなるビジネスのデジタル ツイン。
すべてのビジネスにはすでに暗黙的なオントロジーがあり、誰もが「メンバー」とは何か、「注文」に何が含まれているか、どのようなアクションが許容されるかをある程度知っています。問題は 暗黙的 という言葉です。知識は人々の頭の中に、部族 SQL で、6 つの定義を持つ 6 つのツールで存在します。明示的なオントロジーは、それを 2 つの層を持つ機械可読モデルとして一度書き留めます。
レイヤー 1 · セマンティクス — 名詞
オブジェクト、プロパティ、関係
ビジネスを実行するエンティティ (メンバー、注文、製品、クーポン、キャンペーン、店舗) は、それぞれ名前が付けられ説明されたプロパティを持ち、実際の関係によって結び付けられます。メンバーは注文を発注し、注文には製品が含まれ、クーポンはメンバーに属します。 「この顧客は何ですか？」と尋ねてください。そして、すべてのフィールドに意味が付加され、答えは 1 つあります。
レイヤー 2 · ダイナミクス — 動詞
管理されたアクション
これらのオブジェクトに対して行われる: クーポンの発行、ポイントの付与、タグの適用、メモの追加。各アクションには、前提条件 (有効な場合)、その承認 (誰または何が、どの機材で取得するか)、およびその監査証跡 (何が起こったのか、なぜ) が含まれます。これがオントロジーを受動的辞書から区別するものです。オントロジーは状態だけでなく変化をモデル化します。
このパターンは私たちだけのものではありません。 Palantir はそれを企業の主流に導入しました。Foundry のオントロジーは、オブジェクトのセマンティック層と企業全体にわたる管理されたアクションの動的層を組み合わせています。私たちは同じアーキテクチャを 1 つのドメイン、つまり顧客に深く適用します。
そうではないもの
すでに持っているデータをマッピングします。
オントロジーを理解する最も早い方法は、新しいデータベース、移行、クロールとカタログのプロジェクトを必要とせずに、オントロジーがユーザーに要求しないことを確認することです。
データカタログではありません
カタログは、テーブルが存在する場所、テーブルの所有者など、人々のデータセットを一覧表示します。オントロジーは、顧客とは何か、注文が製品にどのように関係するか、そしてそのどちらに対して何ができるかなど、機械と人間のビジネスそのものをモデル化します。カタログはストレージについて説明します。オントロジーは世界を説明します。
別のデータベースではありません
何もコピーまたは移行されません。オントロジーは、既存のデータをマップするメタデータ レイヤーです。プロファイル、注文、イベント、カタログは、正確に存在する場所に残ります。追加されるのは意味です。名前、定義、関係、およびその下のデータに固定されたルールです。
単なるセマンティックレイヤーではない
メトリック セマンティック レイヤーは、集計数値 (収益、保持率) を 1 つの認定された方法で定義します。オントロジーはさらに 2 つのステップを進めます。オブジェクト自体をファーストクラス (このメンバー、この順序) にし、管理されたアクションのダイナミクス層を追加します。尺度だけでなく、名詞や動詞も。
1つのセマンティックレイヤー
すでに 3 つのセマンティック アセットがあります。足りないのは名詞テーブルです。
私たちのようなプラットフォームは、手ぶらでオントロジーを構築できるわけではありません。意味の 3 つの層がすでに構築、認証、管理されており、それぞれが独自の強度を持っています。
答えは「いくら」
メトリクス
認定された定量的レイヤー。 GMV、チャーン、リテンション — すべてのビジネス数値には、セマンティック エンジンによって計算された、厳密に 1 つの正式な定義があります。 2 つのダッシュボードに収益が表示されると、同じ収益が表示されます。
メトリクスセマンティックレイヤー →答えは「どの種類の」
タグ
管理された分類レイヤー。ライフサイクルの段階、価値の層 - ポリシーに基づいて適用される説明可能なラベル: TTL、排他性ルール、監査証跡付きの同意認識。メンバーは誰ですか、記録上。
管理されたタグ →答えは「どうしたの」
行動 → 意図
タイムラインレイヤー。顧客が実際に何をしたか（閲覧、購入、引き換え、沈黙）と、その行動の窓から AI が読み取る意図。「チャーンに向かって漂流している」などの仮説が、誰かが行動する前に確認されます。
イベント、行動、意図 →しかし、よく見てみると、これら 3 つはすべて同じ種類のものです。派生セマンティクスは決して明示化されなかったオブジェクトに依存しています。指標は、何かの量を表します。タグは誰かの種類を記述します。動作は、エンティティに発生するイベントを記述します。形容詞と動詞句はすべて存在しますが、欠けているのは名詞テーブルです。 「メンバー」、「注文」、「クーポン」には単一の共通の定義はありません。各資産はエンティティを独自の用語で再記述しており、相互に参照するものはありません。
オントロジーの仕事は、その名詞テーブルを 4 番目のサイロではなくスパインとして提供することです。オブジェクトの派生プロパティは、認定されたメトリック定義を参照します。何も再計算されず、メトリクス層がすべての数値に対する唯一の権限を持ち続けます。タグはオブジェクトの分類プロパティとして表示され、独自の同意および TTL ポリシーに基づいて適用されます。行動ストリームはオブジェクトの観察されたタイムラインになります。つまり、ある場所ではアイデンティティが、別の場所では観察が行われます。そして、キネティック層は、3 つのどれもできなかったこと、つまり動詞、つまり各オブジェクトに対して実行される制御されたアクションを追加します。
AI エージェントとコンソール
この顧客は何ですか · 何が起こったのか · 何ができるのか
オントロジー · 1 つのセマンティック層
オブジェクト、リンク、アクション
メトリクス
認定された措置
所有者: セマンティック エンジン
タグ
管理されたラベル
所有者: タグポリシー
行動 → 意図
観察されたタイムライン
所有者: イベントストリーム
すでにお持ちのデータ
プロフィール · 注文 · イベント · カタログ
メトリクス、タグ、動作は、金額、種類、何が起こったに答えます。オントロジーにより、同じ誰と何をに基づいて動作させることができ、さらに何ができるかが追加されます。
その結果、1 つのセマンティック レイヤー全体が得られます。AI が、この顧客が何であるか (プロパティ = メトリクス + タグ)、何が起こったのか (行動 → 意図)、そして何をする可能性があるのか (アクション) と尋ねると、3 つの答えが初めて同じ名詞システムを共有します。各レイヤーはその所有者を保持します。オントロジーは参照し、重複することはありません。
全体像を読む: 1 つのセマンティック レイヤーがどのように実行されるか →なぜそれが重要なのか
生データに対する AI は静かに失敗します。証拠は現在測定可能です。
名詞テーブルが欠落しているのは表面上のギャップではありません。 AI が、オブジェクトが明示されていないデータに関するビジネス上の質問に回答する場合、エラーは発生せず、自信を持って間違った回答をします。コストは次のようにベンチマークされています。
16.7% → 54.2%
企業データに関するビジネス上の質問に答える LLM の精度
実際の保険スキーマを用いたベンチマークテストにおいて、生のSQLデータベース上で回答するLLMは、ビジネス上の質問の16.7%を正解しました。同じモデルを、オントロジーを用いたナレッジグラフとして表現した同じデータ上で使用した場合、正解率は54.2%（約3倍）に向上しました。これは、モデルの規模や精度が向上する前の段階での結果です。ボトルネックはモデルではなく、表現方法でした。
data.world ベンチマーク (Sequeda ら)、arXiv 2311.07509 ↗→ 72%
オントロジーベースのクエリチェックと修復を使用
追跡調査では、オントロジー自体を使用して、LLM が生成するクエリを検証し、それに違反するクエリを修復しました。全体の精度が 72% に向上し、さらに 8% の回答は、確信を持った幻覚ではなく正直な「わかりません」となりました。オントロジーは単なるコンテキストではありません。それはチェック可能な契約です。
「オントロジーを救おう！」 (Allemang & Sequeda)、arXiv 2405.11706 ↗+17–23 ポイント
3 つのフロンティア モデルにわたる 4 KB のセマンティック レイヤー ドキュメントから
ペアのベンチマークでは、同じ小売倉庫で 3 つのフロンティア LLM を 2 回実行しました。スキーマのみ、次にスキーマと、メジャー、規則、および曖昧さ回避ルールを説明する約 4 KB のドキュメントです。精度は各モデルで 17 ～ 23 パーセント上昇し、3 つのモデルは統計的に区別できなくなりました。モデルの選択ではなく、セマンティクスが大きな変化をもたらしました。
Cube ペア ベンチマーク、arXiv 2604.25149 ↗60％は失敗する
2028 年までに MCP のみで構築されるエージェント分析プロジェクト (Gartner)
Gartner は、2026 年の Data & Analytics Summit で、MCP のみに依存するエージェント分析プロジェクトの 60% が、一貫したセマンティック レイヤーの欠如により 2028 年までに失敗すると警告しました。エージェントをシステムに接続する配管は必要ですが、ビジネスの意味するモデルがなければ、それだけでは十分ではありません。
Gartner Data & Analytics Summit 2026、Atlan のレポート ↗業界のシグナル
2026 年 6 月、Zeta Global と Palantir は、マーケティングのための統合データと AI インフラストラクチャを構築するための戦略的パートナーシップを発表しました。Palantir Foundry は、エージェント的なマーケティング実行の下で「エンタープライズ データが要求するオントロジー、ガバナンス、運用インフラストラクチャ」に貢献します。セマンティック モデルと管理されたアクションは、AI に分析だけでなく動作させるための業界のアーキテクチャになりつつあります。
Zeta Global プレス リリース、2026 年 6 月 23 日 ↗より深いシフト
従来のスタックはデータをモデル化します。決して意思決定をモデル化したものではありません。
倉庫、パイプライン、カタログが「何が真実なのか?」に答えます。行、列、スナップショットなどの状態をキャプチャします。彼らが決して捉えていないのは決定です。下された判断、それが引き起こした行動、誰がそれを許可したのか、そして次に何が起こったのか。そのループは人々の頭の中とチケットの中に存在していたので、決してクエリできず、決して学習できず、決して管理できませんでした。
AI が報告だけでなく行動を始めた瞬間、そのギャップが問題全体になります。エージェント システムには別のデータ統合は必要ありません。彼らは意思決定の統合を必要としています。つまり、証拠→判決→許可された行動→記録された結果、つまり第一級の接続されたオブジェクトです。それがまさにオントロジーのダイナミクス層が提供するものであり、私たちがあらゆる AI の決定をデータとして扱い、フィルタリング、再生、監査できるログとして扱う理由でもあります。
オントロジーに記録される決定
証拠 — AIが実際に読み取ったメンバーの記録と指標
判定 — 平易な言葉で、記録に残された推論
認可 — 走行したギア、またはそれを承認した人
アクション — 変更点: クーポンの発行、タグの適用
結果 — 結果 — 次の決定に反映され、可逆的
プラットフォーム内
スライドウェアの概念ではありません。実行中です。
SocialHub.AI では、オントロジーはユーザーが構築するプロジェクトではありません。オントロジーはプラットフォームに同梱されており、ユーザーが追加するフィールドやオブジェクトまで拡張されます。今日、それによって可能になるのは次のとおりです。
存在するものを問うAI
動作する前に、接続された AI はオントロジーをイントロスペクトできます。つまり、ワークスペースにあるビジネス オブジェクトをリストし、オブジェクトのフィールドとそれぞれの意味を説明し、オブジェクトがどのように関連しているかを確認し、それぞれの条件と現在の承認とともに実行される可能性のあるアクションをリストします。個人データを保持するフィールドが記述されますが、その値が引き継がれることはありません。
内省のリファレンス →自由形式ではなく、管理されたアクション
機能するダイナミクス層: すべての AI アクションには、チームごとに設定された独自の承認ギア (自動、人間によるレビュー、または禁止) が適用されます。提案は平易な言葉の承認カードとして届き、承認時には推論が再チェックされ、不正な行為は人間によるレビューに降格され、あらゆる行為は元に戻せます。
ガバナンスコンソールを見る →あらゆる決定を記録に残す
アクションもオントロジー オブジェクトであるため、それぞれのアクションは、推論、読み取られた証拠、誰がそれを承認したか (ギアまたは人)、何が変更されたか、および結果といった完全な決定記録を残します。 AI アクティビティはブラック ボックスではなくなり、フィルター、再生、監査できるログになります。
意思決定ログ →拡張機能はセマンティクスを継承します
カスタム フィールドをメンバー、またはカスタム オブジェクト全体 (修理ジョブ、サービス予定) に追加すると、同じオントロジーに自動的に入力されます。AI によるイントロスペクションが可能で、フィールドごとに記述可能で、セグメントやパーソナライゼーションで使用できます。第 2 クラスのデータや個別の統合はありません。
カスタムオブジェクト →コンセプトはこのページです。コンソールは製品です。
AI ガバナンスと承認では、オントロジーのダイナミクス レイヤーが毎日のワークフロー (承認カード、アクション ギア、意思決定ログ、ワンクリックで元に戻す) になります。
よくある質問
データチームが尋ねる質問。
オントロジーはデータカタログとどう違うのですか?
データ カタログは、「データはどこにあり、誰が所有しているのか?」という質問に答えます。 — ヒューマン データ チームのテーブルとファイルの一覧を作成します。オントロジーは、「ビジネスは何で構成され、何ができるのか?」に答えます。 — メンバー、注文、製品、それらの関係、およびそれらに作用する管理されたアクションを、人間と AI エージェントの両方が読み取って実行できる形式でモデル化します。多くの組織は両方を必要とします。それらは同じツールではありません。
それはメトリクス セマンティック レイヤー (dbt や私たちのものなど) とどのように関連しているのでしょうか?
これらは 1 つのアイデアを補完するレイヤーです。メトリクス レイヤーは、一方向に計算された集計定義、つまり「収益」の意味を証明します。オントロジーは、それをメジャーからオブジェクト自体 (このメンバー、この順序、それらの接続方法) まで拡張し、アクション層 (何を、誰が、どのような条件で実行できるか) を追加します。 SocialHub.AI では、オブジェクトの派生プロパティは、認証されたメトリクス定義を再計算するのではなく参照し、メトリクス層がすべての数値に対する唯一の権限を持ち続けます。また、オントロジーは、同じオブジェクトに関するタグの分類セマンティクスおよび動作と意図のタイムライン セマンティクスとそれを統合します。
オントロジーを持つにはグラフ データベースが必要ですか?
いいえ。オントロジーはモデリング層であり、ストレージ テクノロジではありません。既存のデータ (リレーショナル テーブル、イベント ストリーム、製品カタログ) をマッピングし、その上に名前、関係、ルールを固定します。一部のベンダーはグラフ ストア上にオントロジーを実装しています。私たちのものは、プラットフォームにすでに存在する運用データ上のメタデータです。再プラットフォーム化されるものは何もありません。
これは Palantir のオントロジーと同じですか?
同じコンセプトですが、範囲が異なります。 Palantir は、オントロジー パターン (オブジェクトのセマンティック層と管理されたアクションの動的層) を Foundry によって企業の主流に導入し、企業全体に適用しました。私たちのものは、顧客エンゲージメントという 1 つのドメインに同じパターンを適用します。つまり、メンバー、注文、製品、キャンペーン、およびそれらに対する管理されたマーケティング活動が、プロジェクトとして組み立てられるのではなくプラットフォームに組み込まれます。
これはデータ ガバナンスとどのように関係するのでしょうか?
データ ガバナンスにより、データの信頼性が維持されます。つまり、番号ごとに 1 つの認定定義があり、同意が尊重され、アクセスが制御され、クリーンなデータが入力されます。オントロジーはその基盤の上に構築され、AI が動作する必要があるレイヤー、つまりオブジェクトが何で、どのアクションが許可されるかを追加します。信頼できるデータが重要です。統治された世界モデルはエージェントの基礎となるものです。
関連: データ ガバナンス · メトリクス セマンティック レイヤー · AI ガバナンスと承認
関連情報
このページに最も関連するページを引き続き探索してください。
インテリジェントな意思決定
次善のアクション: 誰が、どのオファーを、どのチャネルで、いつ。
続きを読む 能力Consumer World Model
あらゆる意思決定の核となるテクノロジー: メンバーが実際にどのように行動するかを学習する行動モデル — 独自のイベント ストリームでブランドごとにトレーニングされ、透明性のあるベースラインに対して正直さゲートされます — 加えて、メンバーが次に何をするかをシミュレートし、メッセージが送信される前にキャンペーン (および何もしないというオプション) をリハーサルするデジタル ツイン。メンバー ベースの 1 つの完全な生きたモデルを組み合わせることができます。
続きを読む 能力ダッシュボード
KPI トレンドとしてのスキャンから引き換えまでのリアルタイム データ、ファネル診断、ルール + LLM の次善のアクション パネルに加えて、サインアップ コホート別の維持曲線と、コミットメントではなく予測であることを正直に示す 14 日間の収益見通し。
続きを読む 能力ビジネス目標
管理された KPI を、誰かの答えとなる運用目標に変えます。時間 (年→四半期→月) と組織 (会社→店舗地域→店舗) の 2 つの軸にわたる単一の親子ツリーで 1 つの目標を分割し、ダッシュボードで読み取るのと同じ基準で実際の注文から実績値を自動的に集計します。赤/黄/緑のステータス、ペース予測、および目標が軌道から外れた瞬間のアラートが表示されます。
続きを読む 能力SoTag の Slack
Slack エージェントは、管理および監査された数値をスレッド内で Claude に渡します。毎日の異常スキャン + 人間が承認したクーポンの送信。早期アクセス。
続きを読む 能力SoClaw — AI 従業員を雇用する
ロイヤルティ プログラムに AI 従業員を雇用します。自律的なエージェントはそれぞれ実際の仕事を担当します。リスクのある顧客を取り戻すロイヤルティ マネージャー、受け取りと注文のレビュー キューをクリアするオーダー マネージャー、不正行為からポイントを保護するリスク マネージャー、目標をすぐに実行できるキャンペーンに変えるマーケティング マネージャーです。それぞれが設定した制限内で一度に 1 つのケースを処理し、すべての決定を記録します。目標、予算、タスク、フィードバックを使用してチームのように管理します。デフォルトではオフ、上限が設定されており、すぐに一時停止可能です。早期アクセス。
続きを読む