プラットフォーム概要

Palantir AIP は、世界中の最も重要な商業および政府関連の状況において、AIによるリアルタイムの意思決定を可能にします。 公衆衛生 ↗ から バッテリー生産 ↗ まで、組織は企業内の事業においてAIを安全かつ確実に効果的に活用し、業務上の成果を向上させるために ↗Palantirのサービスを頼りにしています。

つまり、Palantir AIPは生成AIを業務に結びつけます。Palantirのデータ運用プラットフォームであるFoundry、およびPalantirの自律型ソフトウェア展開の司令塔であるApolloと共に、AIPは、LLMを搭載したウェブアプリケーションから、ビジョン言語モデルを使用するモバイルアプリケーション、ローカライズされたAIを組み込んだエッジアプリケーションに至るまで、AI駆動型の製品をすべて提供できるAIメッシュの一部です。この一連の機能、機能性、およびツールセット全体を Palantir プラットフォーム と呼んでいます。

Palantirプラットフォームで業務上のインパクトを達成し、拡大するには多くの要因が寄与しますが、そのうちの1つが（AIP Bootcamps ↗ です。このBootcampでは、お客様が実際に手を動かして、数時間のうちにAIによる成果を達成します。しかし、Palantir オントロジー を中心に展開するソフトウェアアーキテクチャこそが、Palantirの最大の差別化要因です。

オントロジー

オントロジーは単なるデータではなく、企業の 意思決定 を表現するために設計されています。世界中のすべての組織は、内部および外部の絶えず変動する状況に対処しながら、可能な限り最良の意思決定を、しばしばリアルタイムで実行するという課題に直面しています。

これらの意思決定プロセスの複雑さはオントロジーに反映されており、そこで既存の企業システムとの深い双方向の相互運用性を促進します。オントロジーは、関連するデータ、ロジック、およびアクションコンポーネントを自動的に統合し、最新のAI対応コンピューティング環境に組み込みます。これにより、従来のビジネスインテリジェンスや分析ワークフローに加えて、AIの協働による運用アプリケーションの迅速な開発が可能になります。

意思決定要素

あらゆる意思決定は データ、ロジック、および アクション に分解することができます。

• データ: この決定の背景となる世界および当社の業務に関する関連事実または真実とは何か？
• ロジック: この意思決定のガードレールとして機能する組織またはビジネスルールは何か？異なる仮定の下での特定の結果の確率は何か？これまでの類似の状況で行ったこととその結果は何か？予測および最適化モデルからのインプットは何か？
• アクション: この意思決定の「動力学」または効果は何か？つまり、意思決定がどのように世界に現れるのか？AIP で意思決定を行い、生産環境で結果に影響を与えるまでのステップをどのように最小化出来るか？

Palantirプラットフォームでは、これらのコンポーネントすべてが、AIのチームパターンを促進し、オペレーター、アナリスト、および専門家の潜在能力を最大限に引き出すように設計されています。

データ

オントロジーは、オブジェクトとリンク としてデータを統合し、人間と AI の両方にとって運用の現実の複雑さを理解できるようにします。これにより、Human + AI チーミング ワークフローの構築が可能になります。

オントロジーは、非構造化データを処理するための semantic search、画像やビデオの処理のための media references、データに追加の制約やコンテキストを埋め込むための value types など、多くの拡張プリミティブをネイティブでサポートしています。これらは、AI ワークフロー開発のためのデータビルディングブロックであり、以下の ロジック および アクション セクションでさらに説明します。

このデータモデルは、構造化データ、非構造化データ、地理空間データ、時間データ、シミュレーションデータなど、さまざまなデータモダリティを探索するためのアプリケーションを提供します。これらの基本的なツールは、コンテキストアウェアな AIP Assist と統合されており、プラットフォーム内でデータを探索および分析する際の価値の実現までの時間を大幅に短縮します。

アプリケーション構築および分析に加えて、オントロジーでデータをモデリングすると、堅牢な API ゲートウェイとオントロジーソフトウェア開発キット (OSDK) が自動的に作成され、企業全体での接続性のための「オペレーショナルバス」として機能します。

データ接続性

データが、意思決定者に真実を正確かつ確実に提示するために必要な、きれいで正確な整った形式で提供されることはほとんどありません。そのために、Palantirプラットフォームは、エンタープライズデータシステムとすぐに連携できる、拡張可能でマルチモーダルなデータ接続および統合フレームワークを提供します。

Pipeline Builderは、LLM データ変換のパワーをポイントアンドクリックのパッケージに組み込み、最新の LLM を使用して分類、感情分析、要約、エンティティ抽出、翻訳などのパイプラインベースの変換を簡単に実行できるようにします。これにより、オペレーターが確認および承認するための「提案」をオントロジーに自動的に作成する準備が整います。このため、常にモデルにライブリクエストを実行する遅延を回避できます。（ロジック セクションで説明するように、モデルとの対話のこれら 2 つのアプローチは相補的です。）

さらに、 Pipeline Builder および Code Repositories 内のAIP Assistは、Palantirのドキュメントや一般的なコードスニペットのリポジトリにアクセスできるだけでなく、プラットフォームのフロントエンドに深く統合されたAIパートナーとして、次のアクションや関連するチュートリアルを提案することで、データエンジニアリングを加速します。

ロジック

データが意思決定の文脈を定義し、ロジックがその文脈を豊かにする推論と分析を包括することで、Human+AIチームがより良い意思決定を行えるようにします。これは、運用アプリケーション内で提示されるモデルの出力や可視化の形で追加の文脈として提供されることも、アクションのメカニズムに直接組み込むこともできます。

この広範な定義を考えると、ロジックを定義および実行する能力はプラットフォーム全体に現れます。たとえば、モデル、ビジネスロジック、および テンプレート化された分析やレポート を考えてみましょう。

モデル

生成 AI、LLM、予測モデル、最適化モデルなど

LLM や予測モデルのようなモデルは、パラメーターを取り、意思決定の文脈として機能する出力を提供します。データサイエンティストにおなじみのサイクルですが、これらのモデルはトレーニングと改良の反復プロセスを経ることがよくありますが、これらのモデルを運用ワークフローとして実行するのは難しいことがあります。Palantir のモデリング機能は、モデルの運用展開を支援します。

Palantir プラットフォームでは、モデルの全ライフサイクルが モデリングの目的 としてキャプチャされ、モデル自体のロジックは モデルアダプター によって抽象化されます。このアプローチにより、プラットフォーム内でトレーニングを行う場合でも、独自のコンテナを持ち込むか場合でも、事前トレーニング済みのモデルをアップロードする場合でも、あらゆる種類のモデルをFunctionsを通じてオントロジーに結び付け、運用アプリケーション内でライブインタラクションを組み込んだり、データパイプラインでバッチ展開用に構成したりすることができます。

特に生成 AI の場合、Palantir の Language Model Service は、マルチモーダルな相互作用のための統一されたインターフェースを提供し、特定のモデルおよびプロバイダーの実装詳細を抽象化します。これにより、市販されている様々なLLMを簡単に活用して開発を進めることができます。成果をさらに向上させるために、Palantir の Evaluations ツールを使用すると、時間の経過やモデル間で LLM の性能をベンチマークし、ドリフトを監視して自信を持って変更を加えることができます。

ビジネスロジック

ビジネスルール、プロセスマッピング、セマンティック検索

モデリングのアプローチが「ボトムアップ」方式でデータに基づいてトレーニングを行うのに対し、ビジネスロジックは一般に、運用領域を管理する明示的または暗黙的なルールに基づいて「トップダウン」方式で作成されます。これらは外部システムに存在する場合があり、Palantir は External Functions および Webhook を使用して運用ワークフローでライブインタラクションを行うか、External Transforms を使用してパイプライン接続を行うことで直接接続できます。ビジネスロジックは、Rules や Pipeline Builder を使用してデータパイプライン内でのロジックを直接 Palantir プラットフォーム内で作成することもできますし、Automate や Functions を使用してライブで実行されるロジックとして作成することもできます。

テンプレート化された分析およびレポート

Object views、分析テンプレート、生成されたレポート

ロジックはデータサイエンスモデルやハードコードされたビジネスルールだけでなく、アナリストが一時的な調査、分析、レポートで高価値のロジックをキャプチャおよび収集することもあります。Palantir プラットフォームでは、Contour や Quiver などのポイントアンドクリック分析ツールや Code Workspaces のようなノートブックを使用して分析やダッシュボードを作成できます。オントロジーデータモデルのセマンティックにより、これらの分析製品をテンプレート化して再利用することが容易になります。これらは Object Views や Workshop アプリケーション に埋め込むか、スタンドアロン型の ダッシュボード として提示できます。これらの object views、テンプレート化された分析、およびダッシュボードは、運用アプリにプラグインして意思決定を導くための一目でわかる洞察を提供し、さらなる臨機応変な探索のための道筋を提供します。

モデル、ビジネスロジック、テンプレート化された分析およびレポートの３つのロジックの側面を組み合わせることで、意思決定者が重要な局面で必要とするすべての文脈を提供するためのツールキット或いはパレットが提供されます。

アクション

意思決定が影響を及ぼすためには、その意思決定が世界に伝播する必要があります。ここでアクションが企業の「動詞」或いは「やること」を定義し、人間のオペレーターや AI エージェントが意思決定をオントロジーデータモデル内で、または 外部システム との相互作用を通じて持続させる方法を制御します。さらに、オントロジー内で意思決定結果をキャプチャすることにより、将来のデータで特定の意思決定とその結果を観察することができます。これにより、将来の意思決定を過去の選択の文脈に置き、モデルを再トレーニングまたは微調整したり、オペレーターに過去の状況をより明確に示したりすることができます。

これらの「動力学」をオントロジー内で表現するための基本単位は アクション であり、データの変更や作成、および外部システムの変更の調整に対する特定の詳細な制御を