オントロジーを作成する理由

Palantir プラットフォームは、世界中の企業や政府機関にとって最も重要な場面で、人間とエージェントによるリアルタイムの意思決定を支えています。オントロジーは、顧客が企業内で AI を安全かつセキュアに、そして効果的に活用し、業務の変革を推進するための中核システムです。

オントロジーが表すのは、単なるデータではなく、企業における意思決定です。オントロジーを使うことで、組織は絶えず変化する内外の状況に基づき、多くの場合リアルタイムで、最善の意思決定を行えます。従来のデータアーキテクチャーは、意思決定に至る推論や、その後に続くアクションを捉えないため、学習や AI の導入に限界があります。従来の分析アーキテクチャーは、計算処理を現実の状況に結び付けておらず、業務から切り離されたままです。これに対し、意思決定を中心とするオントロジーは、人間とエージェントを業務に直接結び付け、組織が最も困難な課題に立ち向かい、乗り越えられるようにします。

オントロジーの価値を理解する

Palantir は、業務上の意思決定を、それぞれ次の4つの要素からなるものとしてモデル化します。

• データ： 意思決定に活用する情報です。
• ロジック： 意思決定を評価するためのヒューリスティクスと計算処理です。
• アクション： 選択した意思決定のオーケストレーションと実行です。
• セキュリティ： 意思決定が業務ポリシーに準拠していることを保証します。

オントロジーは、これら4つの要素を、スケーラブルで動的、かつ共同で利用できるリソースに統合し、絶えず変化する組織の状況やニーズを踏まえた意思決定を可能にします。

データ

オントロジーには、構造化データ、ストリーミングやエッジのソース、非構造化リポジトリー、画像データなど、企業の多様なデータソースだけでなく、意思決定の過程でエンドユーザーやエージェントが生成するデータも含まれます。この「意思決定データ」には、ある意思決定を取り巻くコンテキスト、評価されたさまざまな選択肢、確定した選択が下流に及ぼす影響が含まれます。企業のあらゆるデータを意思決定データとともに統合するには、レポート作成や分析に最適化された従来のデータベース管理ソリューションとは異なるアーキテクチャーが必要です。

オントロジーは、このデータを統合し、企業全体を忠実に表すセマンティックな表現を作成します。ERP、MES、WMS などの幅広い業務データソースを、IoT やエッジシステムからのデータストリーム、非構造化データリポジトリーの関連部分、地理空間データストアなどとともに同期し、コンテキストを付与できます。オントロジーはこれらのデータソースを、リアルタイムで変化するオブジェクト、プロパティ、リンクの形で統合します。これらは、意思決定ワークフローに直接埋め込まれるように設計されています。

オントロジーは、サプライチェーン、病院システム、カスタマーサービスセンターなどで、業務ユーザーが日々の仕事を行う中で生成する意思決定データを安全に記録します。これには、軽量な Embedded Ontology ↗ を通じて記録される、エッジでの意思決定も含まれます。ある意思決定がいつ、企業データのどのバージョンに基づき、どのアプリケーションを通じて行われたかという、エンドツーエンドの「意思決定リネージ」が自動的に記録され、人間の開発者とエージェントの両方がセキュアにアクセスできます。これらのデータリソースを組み合わせることで、AI による大規模な学習を支え、エージェントの短期メモリと長期メモリを継続的に改善できます。

ロジック

オントロジーに保存されるデータは、ある意思決定をいつ、どのように行うかを決める推論、つまりロジックによって補完されます。意思決定ロジックの例としては、基幹業務システム内の単純なビジネスロジック、クラウドのデータサイエンスワークベンチを使って管理される予測モデル、複数のデータソースを使って業務計画を作成する最適化モデルなどがあります。

エージェントによるオーケストレーションの登場に伴い、AI による推論が、これまで人間が行ってきたのと同じように、こうしたロジック資産を活用できることが極めて重要になっています。決定論的な関数、アルゴリズム、従来の統計処理は、LLM やマルチモーダルモデルの非決定論的な推論を補完する業務ツールとして機能します。

オントロジーは、意思決定をどのように行うかを定める計算やプロセスといったロジック資産全体を結び付け、人間とエージェントの両方に向けてコンテキストを付与できるようにします。これには、CRM や ERP によく見られる顧客とのインタラクションに関連するビジネスロジック、データサイエンス環境に分散している従来の機械学習を動かすモデリングロジック、専門分野のツールに関連することの多い計画、最適化、シミュレーションのアルゴリズムが含まれます。

オントロジーの柔軟な「ロジックバインディング」の仕組みは、異なる環境（オンプレミスのデータセンター、企業のクラウド環境、SaaS 環境、Palantir プラットフォーム自体など）の多種多様なロジック資産を取り込み、組み合わせるワークフローを構築するための、一貫したインターフェースを提供します。これにより、以前は人間のユーザーだけが担っていた、多様なロジックを伴う意思決定の場面に、エージェントによる推論を導入できます。

アクション

情報（データ）と推論（ロジック）の両方を共通の表現に取り込んだら、次の要素は、意思決定そのものの実行とオーケストレーション（アクション）です。リアルタイムで意思決定を行いながらアクションのループを閉じることが、業務システムと分析システムの違いです。

オントロジーは、意思決定を中心とした企業の一貫したモデルの中で、アクションをネイティブにモデル化します。オントロジー内のデータ要素が企業の「名詞」（セマンティックな、実世界のオブジェクトとリンク）だとすれば、アクションは「動詞」（実世界での具体的な実行）と考えられます。オントロジーを基盤とするあらゆるワークフローでは、さまざまなロジックを取り込む人間や AI による推論を通じて、名詞と動詞が結び付き、完全な文になります。

セマンティックモデルの中でデータを統合し、意思決定の評価に必要なロジックと組み合わせることには価値があります。ただし、実行した意思決定を業務システムと同期し、共通のリネージの中で個々の意思決定が次の意思決定に役立ち、その効果が積み重なるようにできなければ、その価値には限界があります。オントロジーにより、人間とエージェントのアクションをシナリオとして安全にステージングし、データやロジックのプリミティブと同じきめ細かいアクセス制御で管理し、企業のあらゆる基盤（トランザクションシステム、エッジデバイス、カスタムアプリケーションなど）にセキュアに書き戻せます。

セキュリティ

業務環境では、人間とエージェントのインタラクションに、データのまとまりに対する従来のロールベースのポリシーを超える、厳格なセキュリティとガバナンスの機能が求められます。Palantir は、次の要素を組み合わせたセキュリティアーキテクチャを提供します。

• マーキング、目的、ロールに基づくポリシー。
• データ、ロジック、アクション、アプリケーションの作成物にわたって流れる動的なリネージ。
• 人間主導のワークフローとエージェントによるワークフローの両方に適用される、統合された変更管理およびリリース管理ツールの包括的なスイート。

Granular Policy により、オントロジー全体にわたって、機密情報やコンテキストに依存する情報へのエージェントと人間のアクセスを制限できます。これらのポリシーは、インタラクションごとに実行時に動的に計算されます。その際、基盤となるデータセットに適用された行レベルおよび列レベルの制限、特定のユーザーグループの属性（SSO 経由で引き継がれる属性を含む）、基盤となるデータパイプライン全体に伝播するセキュリティマーキングなどが組み合わされます。

ツールの使用は、データアクセスとあらゆる形式のメモリを管理するものと同じセキュリティアーキテクチャを通じて、動的に制御されます。これにより、少なくとも、どのツールの呼び出しにも、オントロジー内の基盤となるオブジェクト、プロパティ、リンクへのアクセス権が必要であることが保証されます。また、ツールには、詳細な実行条件に依存する実行時の検証を組み込むこともできます。

エージェントや人間によるあらゆるアクションには、許可される操作を明示的に定める厳密な認可が必要です。これにより、予期しない呼び出し（組織の境界を越えて存在するデータへのクエリや、指定されていない外部システムに接続するツールの呼び出しなど）や、その他の形態の権限昇格を防ぎます。

エージェントが詳細なテレメトリを生成するため、ログのセキュリティと伝送は、最終段階における重要な課題です。Palantir では、管理者が特定のプロジェクト、ワークフロー、エージェントにわたって、ログへのアクセス方法を制御できます。データマーキングやその他のアクティブなセキュリティプリミティブは、基盤となるデータ、ロジック、アクションのプリミティブへのアクセスと同じ方法で、ログへのアクセスを管理します。

オントロジーは、データ、ロジック、アクション、セキュリティを統合し、意思決定を中心とする企業モデルを形成します。このモデルは、人間とエージェントの両方が共同で活用できます。データ統合からアプリケーションの構築、エンドユーザーのワークフローまで、プラットフォームのモジュール型アーキテクチャにより、人間のユーザーとエージェントは、共通の業務基盤全体に対してクエリ、推論、アクションを実行できます。

オペレーショナルワークフローの例

このセクションでは、組織内でオントロジーが人間とエージェントのワークフローをどのように実現できるかを、仮想的な例で説明します。

背景

このシナリオでは、架空の医療機器メーカーである Onyx Incorporated が、注射器からサージカルマスクまで、さまざまな完成品を製造しています。それぞれの完成品の製造には、所定の品目を対応する製造プロセスに沿って正確に移動させる必要があります。さまざまなチームが、サプライヤーとの関係、倉庫業務、完成品の生産、最終顧客への配送まで、すべてを管理しています。意思決定は相互に依存しており、変化する状況に常に適応しています。

サージカルマスクの生産に必要な主要原材料を提供する主要サプライヤーの1社で、Onyx が予期しない供給途絶に直面したとします。Onyx の製造プラント全体で生産スケジュールに余裕がなく、顧客からのサージカルマスクの需要が増大しているため、この供給途絶によって未処理の顧客注文への対応に深刻な問題が生じる可能性があります。これに対応するため、Onyx の業務チームは、Palantir の AI FDE を使用して、幅広いデータソース、ロジックアセット、アクションを実行するシステムを企業のオントロジーに接続することにしました。

問題を可視化する

Onyx はまず、サプライヤーの供給不足による直接的な影響を評価します。次に、AI を活用して生産ライン間で可能な再配分戦略を評価し、最後に、意思決定を連動するアクションへと変換して、倉庫のプロセス、生産スケジュール、注文履行ルートを同時に更新します。

Onyx のオントロジーは、相互に依存する事業の各部分で行われている業務を、リアルタイムかつエンドツーエンドで可視化します。これにより、経営陣と現場のチームの双方が、サプライヤーの供給途絶を迅速に把握できます。サプライヤー管理、倉庫業務、プラント内の生産活動、配送センターでの処理、顧客への注文履行に関連する重要なデータシステムは、すべてビジネスの言葉を反映したセマンティックなオブジェクトとリンクに統合されます。Palantir プラットフォームを使用すると、業務責任者は原材料不足によってリスクにさらされているサージカルマスクの生産を迅速に特定し、オントロジー内の接続をたどって、同じくリスクにさらされた未処理の顧客注文をすべて確認できます。オントロジーのきめ細かなセキュリティモデルにより、対応に参加するチームが企業全体へと広がっても、より機密性の高いデータ要素（財務メトリクスなど）はデフォルトで自動的に非表示になります。

業務ユーザーは、Workshop や SDK を利用したアプリケーションを通じてオントロジーを簡単にたどれますが、エージェント機能を組み込むことで、Onyx Incorporated の対応能力は大幅に高まります。オープンソースとプロプライエタリの両方の LLM を活用するエージェントは、組織のオントロジー内にあるサプライヤー情報、在庫レベル、リアルタイムの生産メトリクス、出荷明細、顧客フィードバックを横断的に探索できます。重要なのは、エージェントのすべての活動が、人間による利用を管理するものと同じセキュリティポリシーで制御されることです。これにより、Onyx のエンジニアは、LLM がクエリ、推奨、アクションの対象にできるものを常に正確に制御できます。構築してデプロイした各エージェントは、新しいチームメンバーのように扱うことができ、Onyx のチームメンバーがそのパフォーマンスに確信を持つにつれて、担当範囲を徐々に広げられます。

シミュレーションを構築し、解決策を設計する

状況の把握は、オントロジーが実現することの氷山の一角にすぎません。Onyx は、サプライヤーの供給途絶に対処するための解決策を迅速に特定し、考えられる各意思決定に伴うトレードオフを探索する必要があります。

さまざまな予測モデル、配分モデル、生産最適化ツール、そのほかのロジックアセットが、前述のデータソースとともに Onyx のオントロジーに接続されているため、Onyx のサプライチェーンアナリストは、一連のシミュレーションを迅速に実行し、考えられるさまざまな品目の代替がもたらす結果を詳細に確認できます。この段階では、オントロジーの接続性とリアルタイム性が鍵となります。原材料の代替は、同じ品目から生産されるほかの製品（注射器や手袋など）に下流の影響を及ぼす可能性があるためです。シミュレーションを実行すると、その出力はオントロジーのシナリオとしてステージングされます。シナリオは、提案された変更をオントロジーのサンドボックス化されたサブセットに安全にまとめるため、チームは意思決定を確定する前に、その影響を安全に探索し、分析できます。

Onyx のチームにとってさらに価値があるのは、エージェント群が、あらゆるロジックアセットと同じシナリオフレームワークを安全に活用できることです。オントロジーにより、エージェントは検索拡張生成のデータ中心の制約を超えて、拡張可能なツールのパラダイムを通じて、オントロジー内で相互に接続されたデータ、ロジック、アクションのプリミティブとやり取りできます。Onyx の分析チームとデータサイエンスチームが、クラウドワークベンチで新しい機械学習モデルを作成したり、企業システム内で最適化アルゴリズムを調整したり、Palantir のオープンなモデル構築フレームワークを使用して LLM をファインチューニングしたりすると、オントロジーはこれらのロジックアセットを AI が利用できるツールとして安全に公開できます。

この例では、Onyx は調整済みのエージェント「Disruption Bot」を作成しました。このエージェントは、オントロジーを利用したツールを使用して、企業のあらゆるデータソース、類似の状況で過去に実施した対応の事後報告書、適用できる可能性のある品目再配分モデルを横断的に調べられます。オントロジーを通じて提供される豊富で密度の高いコンテキストにより、Disruption Bot は、サプライチェーンアナリストがまだ検討していなかった、より新しいモデルを使用する新たな再配分計画を提示できます。計画の結果がシナリオ内に安全にステージングされた状態で、エージェントが提案した意思決定は、最終レビューのために人間のアナリストに引き渡されます。

意思決定を実行し、アクションを起こす

品目不足に対処する実行可能な計画が特定されたら、Onyx は、関連するプロセスを実行する業務システムに、その意思決定を迅速かつ安全に反映する必要があります。企業が買収を通じて成長し、重要な業務システムが多様かつ慎重な取り扱いを要する形で混在しているため、Onyx の IT チームは、どのプロセスがどのような条件下でこれらのシステムにライトバックできるかを厳重に管理しています。幸い、オントロジーはデータやロジックと同様に、アクションにも厳格な制御と検証を適用します。これにより、特定のアクションを呼び出せるユーザーのきめ細かな制御、変更を公開するためのテスト駆動型フレームワーク、変更を一括でステージングしてレビューする機能、そしてすべてのイベントの詳細なログ記録が可能になります。この場合、品目の再配分計画を実行すると、受信側のシステムに合わせて調整されたライトバックルーチンが自動的に連携して実行されます。倉庫管理システムは API による更新を受信し、3つの ERP システムは、それぞれのシステムの安全策に従う、オントロジーを活用したネイティブコネクターを介して更新を受信します。また、生産計画システムは統合されたフラットファイルを受信し、非同期で取り込みます。アクションの実行中、Onyx の IT チームはシステムのレスポンスを監視でき、過去の活動もいつでも監査できます。

オントロジーは、AI が許可された範囲内で安全にアクションを起こすために必要なガードレールを提供します。データやロジックとともに、アクションをあらゆる種類のエージェント向けのツールとして自動的に提示できます。アクションの範囲は、特定の変更（オブジェクトの編集や新しいオブジェクトの作成など）をオントロジー自体に反映するだけに制限することも、1つまたは複数のシステムへのライトバックを含めることもできます。この場合、Onyx は Disruption Bot と、ほかのいくつかの本番環境の AI エージェントに、少数のアクションへのアクセスを許可しています。デフォルトでは、これらのアクション（作業指示のステータス変更や再配分計画の反映など）は、AI によるステージングのみが可能で、その後、最終レビューのために人間に引き渡されます。ただし、オントロジー（および Palantir プラットフォーム全体）が提供するきめ細かなログ記録と業務の計測・監視機能により、Onyx は、信頼できる十分にテストされた AI プロセスに、人間のレビューなしでアクションループを自動的に完結させることを許可するかどうか、慎重に判断できます。状況の変化に応じて、AI に与える裁量を拡大または縮小でき、その変更はオントロジーを活用するすべてのワークフローに即座に反映されます。

意思決定から学ぶ

目の前の危機を乗り越えた後には、何が待っているのでしょうか。データ、ロジック、アクション、セキュリティがすべて Onyx のオントロジー内でつながっているため、組織は意思決定を中心とした強力な学習を行えます。品目不足に対する具体的な解決策を生み出した人間とエージェントの協働は、汎用化できるワークフローも明らかにしました。組織はこれらを記録し、将来利用できるようにしたいと考えるでしょう。評価されたすべてのデータ要素、ロジック資産、アクションは、エンドツーエンドの意思決定のリネージに記録され、AI のパフォーマンスを最適化するための、コンテキストに富んだ豊かな材料となります。オントロジー全体で数千のユーザーとエージェントが行った意思決定の集積は、モデルのファインチューニング時にトレーニングデータとして安全に活用でき、エージェントへのプロンプト作成時に参照する、目的に即した指針へと凝縮することもできます。従来、ワークフローの隙間に埋もれていた暗黙知を AI が明らかにすることで、企業全体の業務を改善できます。

オントロジーとともに前進する

オントロジーにより、組織は人間とエージェントによる業務を導入して規模を拡大できるとともに、エージェント主導の推奨、支援、自動化を現場でどのように、いつ利用できるかを正確に制御できます。これが可能なのは、オントロジーが単にデータを中心とするのではなく、意思決定を中心とし、意思決定の構成要素であるデータ、ロジック、アクション、セキュリティを単一のソフトウェアシステムに統合しているためです。

オントロジーを使えば、新しいデータを忠実度の高いセマンティック表現に迅速に統合でき、新しいアルゴリズムやビジネスロジックを人間と AI の両方のユーザーにシームレスに提示できます。また、あらゆる業務システムとのリアルタイム接続を通じて、堅牢なアクション統合を実現できます。各組織のオントロジーは、チーム全体で変化する状況、目標、行われる意思決定をリアルタイムで表現するものであり、AI の利用が常に企業の現実に根ざしたものとなることを保証します。

オントロジーの基盤となる意思決定中心のアーキテクチャ、オントロジー SDK によって提供される拡張性、そしてオントロジーを安全かつダウンタイムなしで進化させることができる Global Branching フレームワークについて、詳しくはこちらのドキュメントを探索してください。