Microsoft Fabric IQ улучшает искусственный интеллект с помощью семантики

Семантический интеллект — это важнейший элемент для реального понимания того, что означают данные и как их можно использовать.

Корпорация Microsoft теперь глубоко интегрирует семантику и онтологии в свою  платформу данных Fabric с помощью новой технологии Fabric IQ, представленной во вторник на конференции Microsoft Ignite.

Fabric IQ — это слой семантического интеллекта, призванный решить фундаментальную проблему корпоративных ИИ-агентов: их эффективность зависит не только от размера наборов данных, но и от того, насколько точно данные отражают реальные бизнес-процессы. Новая технология создает общую семантическую структуру, которая связывает наборы данных с реальными сущностями, их взаимосвязями, иерархиями и операционным контекстом. Этот семантический слой представляет собой последний шаг в стратегии Microsoft в области платформ данных, в рамках которой недавно была интегрирована технология графовых баз данных LinkedIn для обеспечения контекста.

Microsoft также расширяет портфель данных за счет ряда новых сервисов: Azure HorizonDB, совместимого с PostgreSQL сервиса на этапе раннего предварительного просмотра, а также SQL Server 2025 и Azure DocumentDB, которые теперь доступны широкому кругу пользователей.

«Когда я думаю о том, что Fabric дает клиентам, я вижу, что она предоставляет единую платформу данных, благодаря которой им не приходится объединять множество самых разных инструментов для достижения бизнес-результатов», — заявил Арун Улаг (Arun Ulag), корпоративный вице-президент по работе с данными Azure в Microsoft.

Почему семантическое понимание важно для ИИ-агентов

Традиционные ИИ-агенты сталкиваются с фундаментальным ограничением: они видят закономерности в данных, но не понимают, что эти данные представляют с точки зрения бизнеса. Агент может анализировать торговые транзакции, не понимая иерархии клиентов, сезонных паттернов или взаимосвязей между продуктами. Он может запрашивать уровни запасов, не зная, как производственные линии связаны с дистрибьюторскими сетями или как отношения с поставщиками влияют на доступность товаров.

Именно этот разрыв между «сырыми» данными и бизнес-смыслом приводит к ненадежным прогнозам и ошибочным автоматизированным решениям. Улаг пояснил, что Fabric IQ решает эту проблему, предоставляя семантический слой, который фиксирует реальный ход работы организаций.

Этот архитектурный подход существенно отличается от стратегий генерации с дополненной выборкой (RAG) и векторных баз данных, на которых делают акцент конкуренты.

В то время как RAG извлекает релевантные документы для создания контекста, Fabric IQ создает постоянный семантический граф, отражающий организационную структуру, рабочие процессы и бизнес-логику. Агенты не просто извлекают информацию. Они понимают взаимосвязи: например, какие поставщики поставляют те или иные продукты, как производственные линии связаны с системами учета запасов или как иерархии клиентов соотносятся с торговыми территориями.

От аналитических семантических моделей к операционным онтологиям

Microsoft инвестирует в семантические модели уже более десяти лет в рамках Power BI. Эти модели инкапсулируют бизнес-логику, определяют сущности и взаимосвязи, задают метрики и иерархии, а также подключаются к самым разным источникам данных в Azure, AWS, Google Cloud, локальным системам и SaaS-платформам, таким как Dynamics 365.

«Сегодня в Fabric работают 20 миллионов семантических моделей. Почему? Потому что мы встроили слой семантического моделирования в Power BI. Таким образом, за каждым отчетом Power BI стоит семантическая модель», — отметил Улаг. — «Эти семантические модели уже инкапсулируют значительную часть бизнес-логики, которая отражает то, что волнует клиента. Какие данные для них важны? Какие метрики их интересуют? Как данные связаны между собой?»

Ограничение этих семантических моделей заключалось в их масштабе. Они отлично подходили для бизнес-аналитики, аналитики и визуализации, но работали только в рамках отдельных отчетов или департаментов. Fabric IQ снимает эти ограничения.

«Однако у нас был пробел. Эти семантические модели использовались только для сценариев бизнес-аналитики», — сказал Улаг. — «Существует гораздо более масштабная возможность: взять эти семантические модели и трансформировать их в полноценную онтологию».

Преобразование семантических моделей в онтологии кардинально меняет то, что организации могут делать с бизнес-контекстом и смыслом. «Что происходит, если вы превращаете их в онтологию? Вы получаете возможность объединять данные во всей организации», — пояснил Улаг. 

Он добавил, что онтология также интегрируется с потоками данных в реальном времени. Помимо соединения данных, онтологии позволяют организациям определять операционные правила. Эта комбинация создает фундамент для операционных агентов, которые понимают бизнес-контекст на уровне, недостижимом для традиционных ИИ-систем. Межкорпоративные связи данных работают в синергии с интеграцией в реальном времени и определениями правил.

Операционные агенты, которые понимают бизнес-процессы и действуют на их основе

Fabric IQ открывает путь для нового класса агентов, которые в Microsoft называют «операционными агентами». Эти агенты способны автономно отслеживать данные и предпринимать действия на основе понимания бизнес-процессов, заложенного в онтологии.

«Мы также представляем в Fabric так называемых операционных агентов, которые могут следить за вашими данными и проверять соблюдение заданных вами правил. И они могут автономно принимать меры под надзором человека», — рассказал Улаг.

Улаг привел пример из сферы цепочек поставок, который иллюстрирует отличие от традиционных подходов. Организация может смоделировать свою цепочку поставок и операции по доставке в онтологии. Когда данные в реальном времени покажут заторы на дорогах в какой-то части города, операционный агент сможет автоматически перенаправить грузовики в обход проблемного участка.

Созданные в Fabric IQ онтологии напрямую интегрируются с платформами разработки агентов от Microsoft. Это обеспечивает бизнес-контекст, который делает агентов более надежными и точными.

«Это действительно выводит работу, которую мы проделали над семантическими моделями в Fabric с унифицированными данными, на совершенно новый уровень, позволяя клиентам моделировать свои операции и принимать бизнес-решения», — подчеркнул Улаг.

Что это значит для корпоративных стратегий в области ИИ

Похоже, существует острая необходимость в контекстной инженерии для более эффективного развития агентного ИИ.

Семантика и связанные с ней онтологии делают именно это и даже больше. Контекст — это понимание того, почему делается запрос, а семантика постигает более глубокий смысл. Для предприятий, которые борются с ненадежностью ИИ-агентов, несмотря на огромные объемы данных, Fabric IQ предлагает принципиально иной подход. Он выходит за рамки простого наращивания вычислительных мощностей или тонкой настройки моделей. Ключевой вопрос заключается в том, сможет ли бизнес-контекст, зафиксированный в онтологиях, повысить эффективность агентов сильнее, чем традиционные пути оптимизации.

Стратегическая ставка Microsoft очевидна: семантическое понимание бизнес-операций определяет эффективность ИИ-агента. Доступа к большим наборам данных самих по себе недостаточно. Преобразование существующих семантических моделей в операционные онтологии может стать более коротким путем к созданию надежных агентов.