Ontologi – ordet som låter svårare än det behöver vara

Filosofen lämnade oss förra gången med bläck på skjortan och ett löfte: ontologi, ordet som låter svårare än det behöver vara. Dags att infria det löftet.

Fair warning: ordet kommer fortfarande låta lite pretentiöst första gången du säger det högt. Men begreppet bakom det är faktiskt ganska enkelt – och det visar sig vara precis det som avgör om ett AI-system fungerar eller går sönder på det mest förvirrande sättet möjligt.

Vad finns, egentligen?

Ontologi kommer från grekiskans ontos (varande) och logia (läran om) – bokstavligen "läran om det som är". Aristoteles använde inte själva ordet ontologi, men han ägnade en ansenlig del av sin karriär åt närliggande frågor: vad finns, vilka slags ting finns och hur delar vi in dem? Det lät filosofiskt djuplodande på hans tid. Det är fortfarande filosofiskt djuplodande. Men det råkar också vara en fråga som varje organisation och datasystem behöver förhålla sig till – och som blir svår att undvika när en AI ska arbeta med verksamhetens information.

En ontologi är, kort sagt, en karta över vilka saker som finns i en viss värld, vad de heter, och hur de förhåller sig till varandra. Inte en ordbok (det var semantikens jobb – vad orden betyder). En ontologi är strukturen bakom betydelsen: vilka kategorier finns, vilka egenskaper har de, och vilka regler styr relationerna mellan dem.

Kom ihåg "boka bordet" från förra artikeln? Där var det sammanhanget som hjälpte oss förstå vad orden betydde. Med ontologins glasögon kan vi beskriva något mer: vilka slags saker som över huvud taget finns i restaurangens respektive verkstadens värld, och vad man kan göra med dem. I restaurangens värld finns bokningsbara bord, tider och gäster. I snickeriverkstaden finns arbetsstycken, verktyg och moment som kan utföras. Samma ord kan peka mot helt olika kartor över vad som finns.

Från filosofisk fråga till teknisk ritning

Här är den lilla twisten som gör ontologi relevant bortom filosofiseminarier: när vi bygger AI-system som ska förstå och agera i en verksamhet behöver vi på något sätt representera vilka saker som finns och hur de hänger ihop. Ibland gör vi det med en uttrycklig ontologi. Ibland gömmer sig samma antaganden i databasscheman, API:er, dokument och människors huvuden. Frågan "vad finns, och hur hänger det ihop?" blir plötsligt en teknisk fråga, inte bara en filosofisk.

Ta ett enda ord: kund. I säljsystemet är en kund någon med ett bolagsnummer och en säljfas. I supportsystemet är en kund någon med ärendehistorik och en SLA. I ekonomisystemet är en kund en motpart med betalningsvillkor. Tre helt legitima definitioner – och om en AI-agent ska agera över alla tre systemen samtidigt, utan en gemensam ontologi som säger "det här är samma 'kund', och så här hänger begreppen ihop", kommer den förr eller senare göra något förvirrat. Inte för att den är dum, utan för att den ärvde tre oförenliga kartor och fick i uppdrag att navigera med alla tre samtidigt.

Det är därför ontologiarbete numera dyker upp i sammanhang som låter betydligt torrare än Aristoteles: kunskapsgrafer, datakataloger, informationsmodeller och governance-plattformar. En gemensam ontologi kan också ge en control plane ett bättre beslutsunderlag. En control plane är systemets kontrollrum: lagret som avgör vad en AI-agent får komma åt, vilka handlingar den får utföra, när den får utföra dem och vilka regler den måste följa. Ontologin beskriver vilka saker agenten arbetar med och hur de hänger ihop. Men själva gränsen för vad agenten får göra måste fortfarande upprätthållas av behörigheter, policyer, validering och andra tekniska skyddsräcken.

Filosofen skulle antagligen dra på smilbandet åt tanken att hans fråga om "varandets natur" numera kan hjälpa ett system att förstå vilken faktura agenten försöker skicka. Juristen och säkerhetschefen får däremot fortfarande bestämma om den får göra det.

När ontologin saknas

Det roliga (läs: smärtsamma) är att man sällan märker att en ontologi saknas förrän något redan gått fel.

Klassikern: en AI-agent får i uppdrag att "uppdatera kundens adress överallt". Utan en gemensam modell vet den inte om "kundens adress" i CRM-systemet är samma sak som "leveransadress" i lagersystemet eller "fakturaadress" i ekonomisystemet. En dåligt byggd agent gissar – precis som den gissade på "kort och rolig" i förra artikeln – och uppdaterar kanske fel fält. En bättre agent stannar och frågar vilken adress du menar. Men för att kunna ställa den frågan måste systemet först veta att leveransadress och fakturaadress är två olika saker.

Språket var begripligt på ytan, men begreppet var inte tillräckligt precist. "Adressen" kunde syfta på flera olika saker, och organisationen saknade en delad karta över vad en adress är för typ av sak och hur de olika adressbegreppen förhåller sig till varandra.

Förenklat uttryckt är det skillnaden mellan semantik och ontologi i ett nötskal: semantik frågar "vad betyder det här uttrycket?" Ontologi frågar "vilka slags saker och relationer består världen vi talar om av?"

Filosofen ritar en karta

Föreställ dig filosofen med sin fjäderpenna, men den här gången har han bytt ut pappret mot en stor karta han sitter och ritar. Han märker ut öar ("Kund"), broar mellan dem ("en Kund kan ha flera Adresser"), och strikta gränser ("en Faktura tillhör exakt en Kund, aldrig noll, aldrig flera"). Det är i grunden vad en ontologi är – en karta, inte över terrängen i sig, utan över vilka typer av platser som finns och hur man lagligen tar sig mellan dem.

Och precis som med riktiga kartor: en dålig karta kan vara värre än ingen karta alls, eftersom den ger falsk trygghet. Ett AI-system som agerar utifrån en ofullständig ontologi kan låta självsäkert – det har ju trots allt en karta – även när kartan saknar hälften av öarna.

På filosofens karta

Kund är en typ av sak.
Ada AB är en faktisk kund.
Leveransadress är en typ av adress.
Ada AB har en leveransadress.
En faktura måste tillhöra exakt en kund.

Vad man faktiskt gör åt det

Det goda är att ontologiarbete inte kräver en filosofidoktor. Ontologin löser inte heller allt på egen hand. Men den ger oss ett gemensamt språk för att börja lösa problemen tillsammans med informationsägarskap, datastyrning, behörigheter och verksamhetsregler.

I praktiken handlar det om att svara på ganska konkreta frågor innan man släpper lös en AI-agent på riktiga system:

Vilka "saker" (entiteter) pratar vi egentligen om – kunder, produkter, ärenden, avtal?
Vilka egenskaper hör till varje sak, och vilka är obligatoriska?
Hur hänger sakerna ihop – kan en kund ha flera ordrar, och kan en order tillhöra flera kunder?
Var finns "sanningen" om varje sak när flera system har egna versioner av den?
Vilka handlingar är tillåtna i vilket sammanhang – och vem eller vad avgör det?

De första tre frågorna ligger mitt i ontologiarbetet. Frågan om var sanningen finns hör också till masterdata, informationsägarskap och data governance. Frågan om tillåtna handlingar hör till policy, behörighet och säkerhetsarkitektur. Tillsammans bygger de grunden för en control plane som faktiskt håller.

Svarar man inte på frågorna riskerar en dåligt konstruerad AI-agent att fylla luckorna själv – på måfå, en gissning i taget, tills något går sönder på ett sätt som är svårt att spåra tillbaka till en enda rad kod.

Filosofen får sista ordet, igen

Så: ontologi. Det låter fortfarande lite som något man diskuterar med rödvin och existentiell ångest sent på en fredagskväll. Men i grunden är det bara en fråga alla organisationer redan borde ha ställt sig, med eller utan AI: vad finns här hos oss, vad kallar vi det, och hur hänger allting ihop?

Filosofen har lagt ner pennan för stunden. Kartan är klar – eller åtminstone tillräckligt klar för att navigera efter. Men en karta, hur bra den än är, säger fortfarande ingenting om vilket sammanhang du faktiskt befinner dig i just nu, eller vilken fråga du ens borde ställa för att komma vidare.

Det är dags att prata om kontext.

Vill du gräva djupare: W.V.O. Quines On What There Is är en modern filosofisk klassiker om vad det egentligen innebär att säga att något "finns". Tom Grubers definition av ontologi som "en explicit specifikation av en konceptualisering" i A Translation Approach to Portable Ontology Specifications hjälpte till att etablera ontologi som ett tekniskt begrepp inom AI och kunskapsrepresentation. Och för den som vill se ontologi i sin fulla, praktiska bredd finns Barry Smiths introduktion Ontology.

Nästa del

En bra karta säger fortfarande ingenting om var du står på den just nu – det är kontextens jobb. I nästa del pratar vi om varför kontext blivit så avgörande att context engineering har blivit ett av AI-världens nya favorituttryck, och varför den bästa vägen dit sällan handlar om att ha rätt svar utan om att ställa rätt fråga. Det tar vi hjälp av Hal Gregersen och hans bok Questions Are the Answer för att reda ut.