A inteligência semântica é um elemento crítico para realmente compreender o que os dados significam e como eles podem ser usados.
A Microsoft está agora integrando profundamente a semântica e as ontologias em seus Plataforma de dados de malha com sua nova tecnologia Fabric IQ, que estreou na conferência Microsoft Ignite na terça-feira.
O Fabric IQ é uma camada de inteligência semântica projetada para resolver um problema fundamental com agentes de IA empresariais: a eficácia depende não apenas do tamanho do conjunto de dados, mas de quão bem os dados refletem as operações comerciais reais. A nova tecnologia cria uma estrutura semântica compartilhada que mapeia conjuntos de dados para entidades do mundo real, seus relacionamentos, hierarquias e contexto operacional. A camada semântica representa o último passo na estratégia de plataforma de dados da Microsoft, que recentemente integrou Banco de dados de gráficos do LinkedIn tecnologia para fornecer contexto.
A Microsoft também está expandindo seu portfólio de dados com uma série de novos serviços: Azure HorizonDB, um serviço compatível com PostgreSQL em versão prévia, bem como SQL Server 2025 e DocumentDB do Azureque agora estão geralmente disponíveis.
“Quando penso no que o fabric faz pelos clientes, ele oferece aos clientes uma plataforma de dados unificada para que eles não precisem unir muitas, muitas, muitas ferramentas diferentes para obter valor comercial,” disse Arun Ulag, vice-presidente corporativo de Azure Data da Microsoft.
Por que a compreensão semântica é importante para os agentes de IA
Os agentes tradicionais de IA enfrentam uma limitação fundamental: podem ver padrões nos dados, mas não compreendem o que esses dados representam em termos comerciais. Um agente pode analisar transações de vendas sem compreender hierarquias de clientes, padrões sazonais ou relacionamentos de produtos. Ele pode consultar os níveis de estoque sem saber como as linhas de produção se conectam às redes de distribuição ou como os relacionamentos com os fornecedores afetam a disponibilidade.
Essa lacuna entre os dados brutos e o significado do negócio é o que causa previsões não confiáveis e decisões automatizadas inadequadas. Ulag explicou que o Fabric IQ aborda isso fornecendo uma camada semântica que captura como as organizações realmente operam.
Essa abordagem arquitetônica difere significativamente das estratégias de geração aumentada de recuperação (RAG) e de banco de dados vetorial que os concorrentes enfatizaram.
Enquanto o RAG extrai documentos relevantes para fornecer contexto, o Fabric IQ cria um gráfico semântico persistente que representa a estrutura organizacional, os fluxos de trabalho e a lógica de negócios. Os agentes não apenas recuperam informações. Eles entendem relacionamentos como quais fornecedores fornecem quais produtos, como as linhas de produção se conectam aos sistemas de estoque ou como as hierarquias dos clientes são mapeadas para os territórios de vendas.
De modelos semânticos analíticos a ontologias operacionais
A Microsoft investe em modelos semânticos há mais de uma década por meio do Power BI. Esses modelos encapsulam a lógica de negócios e definem entidades e relacionamentos; especificam métricas e hierarquias; e eles se conectam a diversas fontes de dados no Azure, AWS, Google Cloud, sistemas locais e plataformas SaaS como o Dynamics 365.
“Temos 20 milhões de modelos semânticos executados em tecido hoje. Por que? Porque construímos a camada de modelagem semântica no Power BI. Portanto, por trás de cada relatório do Power BI existe um modelo semântico,” Ulag disse. “Esses modelos semânticos já encapsulam grande parte da lógica de negócios que reflete o que importa ao cliente. Quais são os dados com os quais eles se preocupam? Quais são as métricas com as quais eles se preocupam? Como os dados se relacionam entre si?”
A limitação destes modelos semânticos tem sido o seu alcance. Eles funcionavam bem para inteligência de negócios, análise e visualização, mas operavam apenas dentro de relatórios individuais ou limites departamentais. O Fabric IQ remove essas restrições.
“No entanto, tivemos uma lacuna. Esses modelos semânticos foram usados apenas para casos de uso de BI,” Ulag disse. “Há uma oportunidade muito maior por aí, que é a oportunidade de poder pegar esses modelos semânticos e atualizá-los em uma ontologia completa.”
A atualização dos modelos semânticos para ontologias muda fundamentalmente o que as organizações podem fazer com o contexto e o significado do negócio. “O que acontece se você os atualizar para uma ontologia? O que acontece é que agora você pode conectar dados em toda a sua empresa,” Ulag disse.
Ele explicou que a ontologia também se integra a fluxos de dados em tempo real. Além de conectar dados, as ontologias permitem que as organizações definam regras operacionais. Esta combinação cria a base para agentes operacionais que compreendem o contexto empresarial a um nível que os sistemas tradicionais de IA não conseguem alcançar. As conexões de dados entre empresas funcionam em conjunto com integração em tempo real e definições de regras.
Agentes operacionais que entendem e agem nas operações de negócios
Fabric IQ permite uma nova classe de agentes que a Microsoft chama “agentes operacionais.” Esses agentes podem monitorar dados de forma autônoma e agir com base no entendimento da ontologia sobre as operações de negócios.
“Também estamos introduzindo algo chamado agentes de operações na estrutura que podem monitorar seus dados para você, que podem observar as regras que você está solicitando que ele monitore. E pode agir de forma autônoma sob supervisão humana,” Ulag disse.
Ulag forneceu um exemplo de cadeia de abastecimento que ilustra a diferença das abordagens tradicionais. Uma organização pode modelar sua cadeia de suprimentos e operações de entrega na ontologia. Quando dados em tempo real mostram congestionamento em parte de uma cidade, o agente operacional pode redirecionar automaticamente os caminhões para contornar o problema.
As ontologias criadas no Fabric IQ integram-se diretamente às plataformas de desenvolvimento de agentes da Microsoft. Isso fornece um contexto de negócios que torna os agentes mais confiáveis e precisos.
“Realmente leva o trabalho que realizamos em modelos semânticos em fabric com dados unificados a um nível completamente diferente, permitindo que os clientes possam modelar suas operações e realizar ações de negócios,” Ulag disse.
O que isso significa para estratégias empresariais de IA
Parece haver um necessidade de engenharia de contexto para melhor habilitar a IA agente.
A semântica e suas ontologias associadas fazem exatamente isso e muito mais. O contexto trata de entender por que uma solicitação está sendo feita, e a semântica entende o significado mais profundo. Para empresas que lutam com a confiabilidade dos agentes de IA, apesar dos grandes conjuntos de dados, o Fabric IQ representa uma abordagem fundamentalmente diferente. Ele vai além do dimensionamento da computação ou do ajuste fino de modelos. A questão crítica é se o contexto de negócios capturado em ontologias melhoraria mais a eficácia do agente do que os caminhos tradicionais de otimização.
A aposta estratégica que a Microsoft está fazendo é clara: a compreensão semântica das operações comerciais determina a eficácia do agente de IA. O acesso a grandes conjuntos de dados por si só não é suficiente. A atualização dos modelos semânticos existentes em ontologias operacionais poderia fornecer um caminho mais rápido para agentes confiáveis.
