Post di Silvano Joly, Strategic Business Advisory Deloitte

Da qualche tempo nei corridoi del Tech che conta e nei board delle aziende più innovative, è tornata di moda una parola antica, quasi misteriosa: Ontologia. Se oggi questo termine ha abbandonato le aule universitarie il merito (o la colpa) è di Palantir. La creatura di Peter Thiel e Alex Karp – nata all’indomani dell’11 settembre per dare senso ai dati dell’intelligence americana, oggi colosso della data analytics – ha costruito la sua fortuna proprio su questo concetto. Su Palantir, l’Ontologia è lo strato software che traduce i dati grezzi, frammentati e incomprensibili provenienti da centinaia di sistemi diversi, in “oggetti” del mondo reale (clienti, fabbriche, ordini, voli) e nelle relazioni che li legano. Eppure, prima che Palantir la portasse la parola “ontologia” la conoscevano due categorie di persone:

• Chi aveva fatto il Liceo Classico: ricordando dal Rocci (con nostalgia o terrore) òn (ὄντος, genitivo di “essere”) e logos (λόγος, “discorso”, “parola”, “studio”), lo studio dell’essere e della parola.

• Chi si occupava di Systems Engineering e di Model-Based Systems Engineering (MBSE) dato che per progettare un sistema complesso – aeroplano, automezzo connesso, treno, rete ferroviaria – la base di partenza è la costruzione di un’ontologia, ovvero, la definizione rigorosa e formale di tutti gli elementi in gioco e delle regole delle loro interazioni.

La stele di Rosetta

Oggi cerco di parlarne e svelare qualche dettaglio di questo metodo tecnologico che ricorda anche la Stele di Rosetta, che, con le sue iscrizioni in geroglifici, demotico e greco antico, permise di capire – finalmente – la lingua dei Faraoni.

La Torre di Babele aziendale, tra “burro” e “costipazione”

Ma perché tutto questo è diventato vitale per la sopravvivenza e la crescita delle aziende? La risposta sta in un paradosso: le aziende moderne sono ricche di dati, ma povere di comprensione. Al loro interno si parlano tanti “dialetti”, nei silos e dipartimenti: una Corporation è come l’India, dove si parlano centinaia di lingue locali, ma l’inglese (e l’hindi) è la lingua franca che fa dialogare il Paese. O come l’Italia prima dell’avvento della TV: una penisola frammentata in dialetti locali, unificata linguisticamente dall’italiano standard. Finché ognuno è rimasto “nel proprio silos”, i diversi dipartimenti parlavano dialetti diversi ma c’erano “traduttori” e “interpreti”, veri poliglotti che risolvevano la faccenda e ci si poteva mettere giorni o settimane a “riconciliare” i dati, accadeva che:

• L’Ingegneria chiamasse un pezzo “Part Number XYZ”.
• La Produzione identificasse lo stesso come “Grezzo di fonderia 321”.
• Gli Acquisti lo registrassero sul sistema ERP come “Codice Fornitore ABC”.

Un esempio di differente nomenclatura

Ma da quando si cerca di creare un vero Digital Thread (filo conduttore digitale che unisce l’intero ciclo di vita di un prodotto), la struttura “vecchio stile” crolla. Le persone, pur parlando della stessa identica cosa, non si capiscono, il dato si duplica e i malintesi aziendali sembrano quelli dei viaggiatori ingenui: dal “burro” in Spagna al medico francese che prescrive una purga all’Italiano “costipato”.

Come un turista senza vocabolario, un’organizzazione senza un’ontologia comune, non vive solo un costante rischio di equivoci ma perde efficienza. L’ontologia aziendale fa esattamente quello che l’italiano standard ha fatto per l’Italia o l’inglese per l’India: agisce come un traduttore universale e aggiunge la semantica. Così anche se il designer di occhiali glamour continua a disegnare una “lente sfumata” e il tecnico a testare un “filtro di categoria 3” – le diverse nomenclature avranno un unico significato condiviso, logico e oggettivo per tutti e l’ontologia sarà la grammatica e la sintassi per liberare un’impresa del futuro dalla sua stessa Torre di Babele.

Il dato come il vino: dall’Ampelografia ai Large Language Models

Si dice “i dati sono il nuovo petrolio”. Metafora interessante ma fuorviante: il petrolio è una risorsa esauribile: brucia e sparisce. Il dato è come il buon vino: se ben conservato, invecchiando migliora. Il valore storico di un archivio aziendale, la tracciabilità di anni di produzione, l’evoluzione dei costi di una materia prima sono asset inestimabili per lo sviluppo di nuovi prodotti, la manutenzione predittiva e la pianificazione strategica. A proposito di vino, la storia d’Italia offre un parallelo straordinario: dopo l’Unità d’Italia, il neonato Regno si trovò di fronte a un caos enologico. Nelle diverse regioni della penisola, vitigni identici venivano chiamati con mille nomi dialettali differenti, mentre nomi simili indicavano uve completamente diverse. Così che nel 1872 il Ministero dell’Agricoltura istituì il Comitato Centrale Ampelografico (l’ampelografia esisteva per classificare le varietà dei vitigni) al fine di creare un’“ontologia del vino italiano”. Grazie a quell’immenso sforzo di pulizia semantica oggi si può riconoscere un Sangiovese, un Nebbiolo o un Vermentino, superando la precedente Babele di localismi.

Ampelografia italiana del Ministero dell’agricoltura, della sovranità alimentare e delle foreste

La stessa rivoluzione accade oggi, ma a una velocità infinitamente superiore, guidata dall’Intelligenza Artificiale. Serve per far interrogare i sistemi informatici dai dipendenti in modo semplice e immediato, ma con una solida base ontologica e semantica visto che la sola potenza dei Large Language Models (LLM) non basta. Con una tale infrastruttura concettuale, un operaio in Vietnam, un controller negli HQ a Londra o un Sales VP sempre in viaggio d’affari – possono usare l’AI generativa per fare domande dirette ai sistemi aziendali in linguaggio naturale, come se parlassero a un collega “poliglotta” aziendale, e chiedere “Qual è stato il margine netto sulla linea sport nell’ultimo triennio?”. Sembra AI “normale” ma senza un’ontologia alla base, l’LLM cercherà la parola esatta nei vari database, fallendo o generando “allucinazioni”. Grazie all’ontologia, l’AI comprende istantaneamente il significato profondo della richiesta, unisce i puntini tra i silos informativi (ERP, CRM, PLM etc.), traduce i dialetti tecnici interni e dà una risposta vera, esatta e univoca perché contiene tutti i dati.

Parola di “Ontologo”, idee e risposte dagli esperti

Per comprendere l’unione tra semantica e ingegneria, ne ho parlato con tre esperti. Giacomo Tazzini di ErreQuadro, ci ha detto: “Immaginate un ingegnere che cerca di alleggerire un componente: la soluzione spesso esiste già nei brevetti, ma è invisibile perché scritta nel linguaggio dei legali e classificata con codici impenetrabili. Questo isolamento riguarda tutto l’ecosistema aziendale: le RFQ non dialogano con i cataloghi fornitori, e le FMEA (metodologia utilizzata per analizzare le modalità di guasto e la relativa soluzione) non comunicano con le relative BOM. Con l’ontologia tutto si fonde in un unico paesaggio informativo, al quale si possono fare domande con la stessa naturalezza con cui si parla al collega della scrivania accanto”.

Renato Valera di Irion invece richiama l’importanza del dato: “L’ontologia è una rappresentazione formale e condivisa di un dominio: sono necessari strumenti in grado di rappresentarla formalmente, navigarla e collegarla ai dati aziendali. Bisogna definire concetti, relazioni e regole di business aziendale: tradurre la conoscenza aziendale in un modello strutturato e centralizzato; permettere agli utenti di navigare ed esplorare il grafo semantico; mappare concetti teorici e oggetti fisici (tabelle, campi, viste e flussi di integrazione), creando continuità tra il modello logico e la realtà tecnica. Orchestrando controlli di Data Quality ai processi di integrazione e agli adempimenti di normativi guidati dal reale significato semantico del dato si superano i limiti di una rappresentazione complessa, frammentata o ambigua per gli utenti business e forse anche per gli agenti AI”.

Infine, Giovanni Budicin, che gestisce la newletter AI e Ontologie: “La pietra angolare informatica dell’ontologia venne posta da Tom Gruber a Stanford nel ’93, l’ontologia consiste nel prendere la conoscenza, toglierla dalla testa delle persone e scriverla in un linguaggio matematico, privo di ambiguità che sistemi e persone diverse intendano termini eterogenei nello stesso modo. Con l’Intelligenza Artificiale il tema torna attuale e si arrichisce in framework come CoALA (Cognitive Architectures for Language Agents) – dimostrano che la memoria “episodica” traccia la cronologia delle azioni, quella “procedurale” le competenze operative, ma è quella “semantica” a custodire i fatti, i concetti e le relazioni stabili del mondo. L’ontologia è esattamente questo: il modulo di memoria a lungo termine che permette all’AI di comprendere il contesto aziendale senza perdere la bussola tra un’interazione e l’altra”.

Conclusioni: L’Infrastruttura e Sovranità Digitale

La vera partita dell’efficienza e della competitività industriale si gioca oggi sulla AI proprietaria: modelli e architetture che restano sotto il controllo dell’azienda, senza cedere a terzi il know-how stratificato in anni di attività. L’introduzione dell’AI senza una guida ontologica rischia di generare più confusione che reale valore, trasformando un investimento tecnologico in un moltiplicatore di malintesi.