Platform · Kavramlar · İş Ontolojisi
Yapay zekanızın işletmenizin dünya modeline ihtiyacı var. Bu bir ontolojidir.
Bir işletme ontolojisi, işletmenizin ne olduğunun canlı bir haritasıdır — nesneler (üyeler, siparişler, ürünler), her alanın ne anlama geldiği, nasıl ilişkili oldukları — ve ne yapılabileceğinin: ön koşullar, yetkilendirme ve denetimle yönetilen eylemler. Verilerinizin bir kopyası değil. Hem insanların hem de yapay zekanın işletmeyi okuduğu, zaten sahip olduğunuz verilere sabitlenmiş bir anlam katmanı.
Dinamik katman · fiiller
Ön koşulları, yetkilendirme mekanizması ve denetim kaydı olan yönetilen eylemler.
Anlamsal katman · isimler
Üye
katman · onay · etiketler
Emir
toplam · mağaza · tarih
Ürün
kategori · fiyat
Nesneler, özellikleri ve aralarındaki ilişkiler, var olanın haritasıdır.
Zaten sahip olduğunuz veriler
profiller · siparişler · etkinlikler · katalog — hiçbir şey kopyalanmadı, hiçbir şey taşınmadı
Bu ne
İşletmenin iki katmanlı dijital ikizi.
Her işletmenin zaten örtülü bir ontolojisi vardır; herkes bir bakıma bir "üyenin" ne olduğunu, "siparişin" neleri içerdiğini, hangi eylemlerin kabul edilebilir olduğunu bilir. Sorun örtük sözcüğünde yatıyor: Bilgi insanların kafasında, kabile SQL'inde, altı tanımı olan altı araçta yaşıyor. Açık bir ontoloji, bunu iki katmanlı, makine tarafından okunabilen bir model olarak bir kez yazar:
Katman 1 · Anlambilim – isimler
Nesneler, özellikler, ilişkiler
İşletmenizin üzerinde çalıştığı varlıklar (üye, sipariş, ürün, kupon, kampanya, mağaza) her biri adlandırılmış, tanımlanmış özelliklere sahiptir ve gerçek ilişkilerle birbirine bağlıdır: bir üye sipariş verir, sipariş ürünler içerir, kupon bir üyeye aittir. “Bu müşteri nedir?” diye sorun. ve her alanın anlamının eklendiği tek bir cevap var.
Katman 2 · Dinamikler — fiiller
Yönetilen eylemler
Ne olabilir? Tamamlandı Bu nesnelere örnek olarak kupon düzenleme, puan verme, etiket uygulama, not ekleme gibi eylemler verilebilir; her eylemin kendi ön koşulları (ne zaman geçerli olduğu), yetkilendirmesi (kimin veya neyin alabileceği ve hangi donanım üzerinde) ve denetim izi (ne oldu ve neden) bulunur. Bir ontolojiyi pasif bir sözlükten ayıran şey budur: sadece durumu değil, değişimi de modeller.
Bu model sadece bize ait değil. Palantir bunu kurumsal ana akıma taşıdı — Foundry'nin ontolojisi, nesnelerin anlamsal katmanını, tüm işletmeler genelinde yönetilen eylemlerin kinetik katmanıyla eşleştiriyor. Aynı mimariyi tek bir alana, derinlemesine uyguluyoruz: müşteri.
Ne olmadığı
Zaten sahip olduğunuz verileri eşleştirin.
Bir ontolojiyi anlamanın en hızlı yolu sizden ne istemediğini anlamaktır: yeni veritabanı yok, geçiş yok, tarama ve kataloglama projesi yok.
Veri kataloğu değil
Bir katalog, insanlar için veri kümelerini envanterler - tabloların nerede bulunduğunu, kimin sahip olduğunu. Bir ontoloji, makineler ve insanlar için işletmenin kendisini modeller: bir müşteri nedir, bir sipariş bir ürünle nasıl ilişkilidir ve her ikisi hakkında ne yapılabilir. Bir katalog depolamayı tanımlar; bir ontoloji dünyayı tanımlar.
Başka bir veritabanı değil
Hiçbir şey kopyalanmaz veya taşınmaz. Ontoloji, halihazırda sahip olduğunuz verilerin haritasını çıkaran bir meta veri katmanıdır; profilleriniz, siparişleriniz, etkinlikleriniz ve kataloğunuz tam olarak oldukları yerde kalır. Eklenen şey anlamdır: alttaki verilere sabitlenmiş adlar, tanımlar, ilişkiler ve kurallar.
Yalnızca anlamsal bir katman değil
Metrik semantik katmanlar, gelir, elde tutma gibi toplu sayıları tek bir onaylı şekilde tanımlar. Bir ontoloji iki adım daha ileri gider: nesnelerin kendilerini birinci sınıf hale getirir (bu üye, bu sipariş) ve yönetilen eylemlerin dinamik bir katmanını ekler. Sadece ölçüler değil, isimler ve fiiller.
Bir anlamsal katman
Zaten üç semantik varlığınız var. Eksik olan isim tablosu.
Bizimki gibi bir platform ontolojiye eli boş gelmez. Her biri kendi başına güçlü olan üç anlam katmanı halihazırda oluşturulmuş, onaylanmış ve yönetilmiştir:
“Ne kadar” yanıtları
Ölçütler
Sertifikalı kantitatif katman. GMV, kayıp, saklama — her işletme numarasının anlamsal motor tarafından hesaplanan tam olarak tek bir yetkili tanımı vardır. İki kontrol paneli geliri gösterdiğinde aynı geliri gösterirler.
Metriklerin anlamsal katmanı →“hangi tür” yanıtları
Etiketler
Yönetilen sınıflandırma katmanı. Yaşam döngüsü aşamaları, değer katmanları — politika kapsamında uygulanan açıklanabilir etiketler: onay odaklı, TTL'ler, münhasırlık kuralları ve denetim izi ile. Üyenin kim olduğu kayıtlarda yer alır.
Yönetilen etiketler →“Ne oldu” yanıtları
Davranış → Niyet
Zaman çizelgesi katmanı. Bir müşterinin gerçekte ne yaptığı — göz attığı, satın aldığı, kullandığı, sessiz kaldığı — ve yapay zekanın bu davranış penceresinden okuduğu niyet: "müşteri kaybına doğru kayma" gibi hipotezler, herhangi biri harekete geçmeden önce doğrulanır.
Olaylar, davranış ve niyet →Ancak yakından bakarsanız, üçü de aynı türden bir şey: türetilmiş anlambilim, asla açıkça belirtilmeyen nesnelere bağlıydı. Metrikler bir şeyin miktarlarını tanımlar; etiketler birinin türlerini tanımlar; Davranışlar, varlıklarına gerçekleşen olayları tanımlar. Sıfatlar ve fiil öbekleri hepsi mevcut; eksik olan isim tablosu. "Üye", "sipariş", "kupon"un tek bir ortak tanımı yok; her varlık, varlıkları kendi terimleriyle yeniden tanımlar ve hiçbiri birbirine atıfta bulunmaz.
Ontolojinin görevi, bu isim tablosunu bir omurga olarak sağlamaktır, dördüncü bir silo olarak değil. Bir object'nin türetilmiş özellikleri sertifikalı metrik tanımlarına referans verir; hiçbir şey yeniden hesaplanmaz ve metrik katmanı her number için tek yetkili merci olmaya devam eder. Etiketler, kendi onay ve TTL politikaları altında uygulanan object'ün sınıflandırma özellikleri olarak ortaya çıkar. Davranış akışı, object'ün gözlemlenen zaman çizelgesi haline gelir - bir yerde kimlik, başka bir yerde gözlem. Ve kinetik katman, üçünün de yapamayacağı şeyi ekler: fiiller - her object üzerinde gerçekleştirilebilecek yönetilen eylemler.
Yapay zeka ajanları ve konsol
Bu müşteri kimdir · Ne oldu · Ne yapılabilir
Ontoloji · tek bir anlamsal katman
nesneler · bağlantılar · eylemler
Ölçütler
onaylanmış önlemler
sahibi: semantik motor
Etiketler
yönetilen etiketler
sahip: etiket politikaları
Davranış → Niyet
Gözlemlenen zaman çizelgesi
sahip: etkinlik akışı
Zaten sahip olduğunuz veriler
profiller · siparişler · etkinlikler · katalog
Ölçütler, etiketler ve davranışlar ne kadar, hangi tür ve ne oldu sorularına cevap veriyor. Ontoloji, bunların aynı kim ve ne etrafında çalışmasını sağlıyor ve ne yapılabileceğini ekliyor.
Sonuç, tek bir anlamsal katmandır: Yapay zeka bu müşterinin ne olduğunu (özellikler = ölçümler + etiketler), ne olduğunu (davranış → niyet) ve ne yapabileceğini (eylemler) sorduğunda, üç cevap ilk kez aynı isim sistemini paylaşır. Her katman sahibini korur; ontoloji referans verir, asla kopyalanmaz.
Tam resmi okuyun: tek bir anlamsal katman nasıl çalışır →Neden Önemli?
Ham veriler üzerinde yapay zeka sessizce başarısız olur. Kanıt artık ölçülebilir.
Eksik isim tablosu kozmetik bir boşluk değil. Yapay zeka, nesneleri hiçbir zaman açıkça belirtilmeyen veriler üzerinde iş sorularını yanıtladığında hata vermez; güvenle ve yanlış yanıt verir. Maliyet karşılaştırmalı olarak ölçülmüştür:
16.7% → 54.2%
LLM, kurumsal veriler üzerinden iş sorularını doğru bir şekilde yanıtlıyor
Gerçek bir sigorta şeması üzerinde kontrollü bir kıyaslamada, ham SQL veritabanı üzerinde çalışan bir LLM, iş sorularının %16,7'sini doğru yanıtladı. Aynı model, ontoloji ile bir bilgi grafiği olarak temsil edilen aynı veriler üzerinde, herhangi bir model daha büyük veya daha akıllı hale gelmeden önce %54,2'lik (yaklaşık 3 kat) bir başarı elde etti. Darboğaz model değil, temsil biçimiydi.
data.world kıyaslaması (Sequeda vd.), arXiv 2311.07509 ↗→ 72%
ontoloji tabanlı sorgu kontrolü ve onarımı ile
Takip eden bir çalışma, LLM'nin ürettiği sorguları doğrulamak ve ihlal edenleri düzeltmek için ontolojinin kendisini kullandı; bu da genel doğruluğu %72'ye yükseltirken, cevapların %8'i de kendinden emin bir yanılsama yerine dürüst bir "Bilmiyorum" haline geldi. Ontoloji sadece bağlam değil; kontrol edilebilir bir sözleşmedir.
“Kurtarmaya Yönelik Ontolojiler!” (Allemang ve Sequeda), arXiv 2405.11706 ↗+17–23 puan
4 KB'lık bir semantik katman belgesinden, üç öncü model genelinde
Eşleştirilmiş bir kıyaslama, aynı perakende deposu üzerinde üç sınır LLM'yi iki kez çalıştırdı: yalnızca şema, ardından şema artı önlemleri, kuralları ve netleştirme kurallarını açıklayan ~4 KB'lik bir belge. Doğruluk her model için yüzde 17-23 puan arttı ve üç model istatistiksel olarak birbirinden ayırt edilemez hale geldi. Model seçimi değil anlambilim iğneyi hareket ettirdi.
Cube eşleştirilmiş kıyaslama, arXiv 2604.25149 ↗%60 başarısız olacak
2028 yılına kadar yalnızca MCP üzerine kurulu ajans analitik projeleri (Gartner)
Gartner, 2026 Veri ve Analitik Zirvesi'nde yalnızca MCP'ye dayanan ajans analiz projelerinin %60'ının tutarlı bir semantik katman eksikliği nedeniyle 2028 yılına kadar başarısız olacağı konusunda uyardı. Bir aracıyı sistemlerinize bağlayan tesisat gereklidir ancak işin ne anlama geldiğine dair bir model olmadan bu yeterli değildir.
Atlan'ın bildirdiğine göre Gartner Veri ve Analitik Zirvesi 2026 ↗Sektör sinyali
Haziran 2026'da Zeta Global ve Palantir, pazarlama için birleşik veri ve yapay zeka altyapısı oluşturmak üzere stratejik bir ortaklık duyurdu; Palantir Foundry, ajan tabanlı pazarlama yürütmesinin altında "kurumsal verilerin gerektirdiği ontoloji, yönetişim ve operasyonel altyapıyı" sağlayacak. Semantik model ve yönetilen eylem, yapay zekanın sadece analiz etmekle kalmayıp eyleme geçmesine izin veren sektörün mimarisi haline geliyor.
Zeta Global basın bülteni, 23 Haziran 2026 ↗Daha derin değişim
Geleneksel yığın modelleri verileri. Hiçbir zaman kararları modellemedi.
Depolar, boru hatları ve kataloglar “true nedir?” sorusuna cevap veriyor. Durumu yakalıyorlar — satırlar, sütunlar, anlık görüntüler. Asla yakalayamadıkları şey karar: oluşan yargı, yol açtığı eylem, kimin yetkilendirdiği ve sonra ne olduğu. Bu döngü insanların kafasında ve biletlerde yaşıyordu, bu yüzden asla sorgulanamaz, asla öğrenilemez, asla yönetilemezdi.
Yapay zeka yalnızca raporlamakla kalmayıp harekete geçmeye başladığı anda, bu boşluk tüm sorun haline gelir. Ajansal sistemlerin başka bir veri entegrasyonuna ihtiyacı yoktur; karar entegrasyonuna ihtiyaçları var: kanıt → yargılama → yetkili eylem → birinci sınıf, bağlantılı nesneler olarak kayıtlı sonuç. Ontolojinin dinamik katmanının sağladığı şey tam olarak budur ve her yapay zeka kararını filtreleyebileceğiniz, tekrar oynatabileceğiniz ve denetleyebileceğiniz bir günlükteki veriler olarak ele almamızın nedeni budur.
Ontolojinin kaydettiği şekliyle bir karar
Kanıt — Yapay zekanın gerçekte okuduğu üye kayıtları ve ölçümler
Karar — gerekçe, sade bir dille, kayıtlarda
Yetkilendirme — çalıştığı donanım veya onu onaylayan kişi
Aksiyon — ne değişti: verilen kupon, uygulanan etiket
Sonuç — Sonuç — bir sonraki kararı besliyor ve geri alınabilir
Platformda
Bir slayt sunumu konsepti değil. Çalışıyor.
SocialHub.AI'da ontoloji sizin oluşturduğunuz bir proje değildir; platformla birlikte gelir ve eklediğiniz alanlara ve nesnelere kadar uzanır. İşte bugün sağladığı şey:
Neyin var olduğunu sorabilen yapay zeka
Harekete geçmeden önce, bağlı herhangi bir yapay zeka ontolojiyi inceleyebilir: çalışma alanınızın sahip olduğu iş nesnelerini listeler, bir object'ın alanlarını ve her birinin ne anlama geldiğini açıklar, nesnelerin nasıl ilişkili olduğunu görür ve alabileceği eylemleri - her biri için koşullar ve mevcut yetkilendirme ile birlikte - listeler. Kişisel verileri içeren alanlar açıklanır, ancak değerleri asla teslim edilmez.
İç gözlem referansı →Serbest biçimli değil, yönetilen eylemler
Dinamik katman çalışıyor: her yapay zeka eylemi, ekip başına ayarlanmış kendi yetkilendirme mekanizmasını (otomatik, insan incelemesi veya yasaklanmış) taşır. Öneriler, düz dil onay kartları olarak gelir, gerekçelendirme onay zamanında yeniden kontrol edilir, yanlış davranan bir eylem insan incelemesine düşer ve herhangi bir eylem geri alınabilir.
Yönetim konsoluna bakın →Her karar kayıt altında
Eylemler de ontoloji nesneleri olduğundan, her biri tam bir karar kaydı bırakır: gerekçe, okunan kanıt, buna kimin izin verdiği (bir donanım veya bir kişi), neyin değiştiği ve sonuç. Yapay zeka etkinliği artık bir kara kutu olmaktan çıkıyor ve filtreleyebileceğiniz, tekrar oynatabileceğiniz ve denetleyebileceğiniz bir günlük haline geliyor.
Karar günlüğü →Uzantılarınız anlamı devralır
Üyelere özel bir alan veya özel bir nesnenin tamamını (onarım işleri, servis randevuları) eklediğinizde aynı ontolojiye otomatik olarak girer: Yapay zeka tarafından iç gözlemlenebilir, alan bazında tanımlanabilir, segmentlerde ve kişiselleştirmede kullanılabilir. İkinci sınıf veri yok, ayrı entegrasyon yok.
Özel nesneler →Konsept bu sayfadır. Ürün konsoldur.
Yapay Zeka Yönetişim ve Onaylar, ontolojinin dinamik katmanının günlük bir iş akışı haline geldiği yerdir: onay kartları, eylem dişlileri, karar günlüğü, tek tıklamayla geri alma.
Sıkça sorulan sorular
Veri ekiplerinin sorduğu sorular.
Bir ontoloji, bir veri kataloğundan nasıl farklıdır?
Bir veri kataloğu "veriler nerede ve bunların sahibi kim?" sorusunun cevabını verir. — insan veri ekipleri için tabloların ve dosyaların envanterini çıkarır. Ontoloji, "İş nelerden oluşur ve neler yapılabilir?" sorusunu yanıtlar. — üyeleri, siparişleri, ürünleri, bunların ilişkilerini ve bunlar üzerinde işleyen yönetilen eylemleri, hem insanların hem de yapay zeka temsilcilerinin okuyabileceği ve üzerinden hareket edebileceği bir biçimde modeller. Birçok kuruluşun her ikisine de ihtiyacı vardır; aynı araç değiller.
Bir metrik semantik katmanıyla (dbt'nin veya bizimki gibi) nasıl bir ilişkisi var?
Bunlar tek bir fikrin tamamlayıcı katmanlarıdır. Bir metrik katmanı, toplu tanımları onaylar — "gelir"in ne anlama geldiğini, bir şekilde hesaplar. Ontoloji bunu ölçümlerden nesnelerin kendilerine (bu üye, bu sipariş, nasıl bağlandıkları) genişletir ve eylem katmanını ekler: ne yapılabilir, kim tarafından, hangi koşullar altında. SocialHub.AI'da, bir object'in türetilmiş özellikleri, yeniden hesaplamak yerine onaylanmış metrik tanımlarına referans verir — metrik katmanı her number için tek yetkili merci olmaya devam eder — ve ontoloji bunu etiketlerin sınıflandırma semantiği ve davranış ve niyetin zaman çizelgesi semantiğiyle aynı nesneler etrafında birleştirir.
Bir ontolojiye sahip olmak için bir grafik veritabanına ihtiyacımız var mı?
Hayır. Ontoloji bir modelleme katmanıdır, bir depolama teknolojisi değildir. Zaten sahip olduğunuz verileri (ilişkisel tablolar, olay akışları, ürün kataloğu) eşler ve üzerine isimler, ilişkiler ve kurallar ekler. Bazı satıcılar ontolojileri grafik depoları üzerine uygular; bizimki ise platformda zaten bulunan operasyonel veriler üzerine meta veridir. Hiçbir şey yeniden platforma taşınmaz.
Bu, Palantir'in ontolojisiyle aynı mı?
Aynı konsept, farklı kapsam. Palantir, Foundry ile ontoloji modelini (nesnelerin anlamsal katmanı ve yönetilen eylemlerin kinetik katmanı) kurumsal ana akıma taşıdı ve tüm işletmelere uyguladı. Bizimki ise aynı modeli tek bir alana, müşteri etkileşimine uyguluyor: üyeler, siparişler, ürünler, kampanyalar ve bunlar üzerindeki yönetilen pazarlama eylemleri, bir proje olarak bir araya getirilmek yerine platforma entegre edilmiş durumda.
Bunun veri yönetimiyle nasıl bir ilişkisi var?
Veri yönetimi, verilerin güvenilirliğini sağlar — her number için bir onaylı tanım, onay dikkate alınır, erişim kontrol edilir, temiz veri kullanılır. Ontoloji bu temel üzerine kuruludur ve yapay zekanın harekete geçmesi için gereken katmanı ekler: nesnelerin ne olduğu ve hangi eylemlere izin verildiği. Güvenilir veriler zemindir; yönetilen bir dünya modeli, bir ajanın üzerinde durduğu şeydir.
İlgili: Veri Yönetimi · Metriklerin Semantik Katmanı · Yapay Zeka Yönetimi ve Onayları
İlgili kaynaklar
Bu sayfayla en çok ilgili sayfaları keşfetmeye devam edin.
Akıllı karar verme
En iyi sonraki eylem: kim, hangi teklif, hangi kanal, ne zaman.
Daha fazla bilgi için adresini ziyaret edin.YetenekConsumer World Model
Her kararın altındaki temel teknoloji: Üyelerinizin gerçekte nasıl davrandığını öğrenen bir Davranış Modeli (marka başına kendi etkinlik akışında eğitilmiş, şeffaf bir temel çizgiye göre dürüstlük denetimli) ve bir sonraki adımda ne yapacaklarını, bir mesaj yayılmadan önce prova kampanyalarını (ve hiçbir şey yapmama seçeneğini) simüle eden bir Dijital İkiz. Birlikte üye tabanınızın eksiksiz, yaşayan bir modeli.
Daha fazla bilgi için adresini ziyaret edin.YetenekKontrol Paneli
KPI trendleri, huni teşhisleri ve bir kural + LLM sonraki en iyi eylem paneli olarak gerçek zamanlı tarama-kullanım verileri — ayrıca kayıt kohortuna göre elde tutma eğrileri ve bir taahhüt değil, bir projeksiyon olduğu konusunda dürüst olan 14 günlük gelir görünümü.
Daha fazla bilgi için adresini ziyaret edin.Yetenekİş Hedefleri
Yönetilen herhangi bir KPI'yi birine yanıt veren bir işletme hedefine dönüştürün. Bir hedefi tek bir ebeveyn-çocuk ağacına iki eksene (zaman (yıl → çeyrek → ay) ve organizasyon (şirket → mağaza bölgeleri → mağaza) ayırın ve ardından kırmızı / sarı / yeşil durum, hız projeksiyonu ve hedefin yoldan çıktığı anda bir uyarı ile gösterge tablonuzun okuduğu aynı kalibrede gerçek siparişlerden otomatik olarak gerçekleşenlerin toplanmasına izin verin.
Daha fazla bilgi için adresini ziyaret edin.YetenekSlack için SoTag
Slack ajanı, denetlenmiş ve doğrulanmış rakamları Claude'e iletiyor: günlük anormallik taraması + insan onaylı kupon gönderimi. Erken erişim.
Daha fazla bilgi için adresini ziyaret edin.YetenekSoClaw — Yapay Zeka Çalışanlarınızı İşe Alın
Sadakat programınız için yapay zeka çalışanları işe alın — her biri gerçek bir işe sahip otonom ajanlar: risk altındaki müşterileri geri kazanan bir Sadakat Yöneticisi, makbuz ve sipariş inceleme kuyruğunu temizleyen bir Sipariş Yöneticisi, puanları sahtekarlıktan koruyan bir Risk Yöneticisi ve bir hedefi hazır bir kampanyaya dönüştüren bir Pazarlama Yöneticisi. Her biri belirlediğiniz sınırlar dahilinde bir seferde bir vaka üzerinde çalışır ve her kararı kaydeder; Onları hedefler, bütçeler, görevler ve geri bildirimlerle bir ekip gibi yönetirsiniz. Varsayılan olarak kapalı, sınırlı, anında duraklatılabilir. Erken erişim.
Daha fazla bilgi için adresini ziyaret edin.