Tony Seale parte da una domanda provocatoria posta da Michael Schrage e David Kiron su MIT Sloan: "Se il software divora il mondo e l'AI divora il software, cosa divora l'AI?" La risposta è la filosofia — non nel suo senso accademico, ma come disciplina pratica indispensabile per estrarre valore reale dai sistemi di AI.

Il problema centrale è che la maggior parte delle organizzazioni tratta l'AI come un miglioramento puramente tecnico. Costruiscono modelli, sperimentano con i prompt, ma non si pongono mai la domanda fondamentale: cosa impara realmente l'AI? Dietro ogni modello si nasconde una questione più profonda: l'assenza di una filosofia strutturata che definisca la logica operativa dell'azienda.

Ogni azienda crea valore a modo suo — attraverso la fedeltà, l'ottimizzazione, la fiducia o l'efficienza. Tuttavia la maggior parte non ha formalizzato questa semantica in un'ontologia, ossia una struttura leggibile dalla macchina su cui i sistemi di AI possano ragionare. L'autore insiste: "Non si tratta di dichiarazioni di missione. Si tratta di semantica formalizzata in un'ontologia." Senza rendere espliciti queste strutture logiche fondamentali, i modelli imparano dal rumore anziché da schemi significativi.

L'articolo introduce il concetto di nucleo ontologico: i concetti fondamentali che definiscono l'identità di un'azienda. Questo nucleo emerge attraverso i casi d'uso che generano valore reale e le "competency questions" che ne testano la pertinenza di ciascun concetto. Diventa una lente che concentra il ragionamento dell'AI su ciò che conta davvero.

Seale collega poi questa filosofia all'architettura dei dati tramite i Semantic Data Products, basati sulla specifica aperta DPROD. Questo approccio tratta i dati come un asset di valore con una governance chiara, anziché come materia prima. Il risultato è un "knowledge graph distribuito, pronto per l'AI, in cui ogni dataset sa cos'è, perché è importante e come si inserisce nel quadro generale."

La conclusione individua la vera opportunità: creare un circolo virtuoso in cui l'AI contribuisce a definire l'ontologia organizzativa, mentre quest'ultima guida il modo in cui l'AI ragiona e il valore che genera. L'articolo colloca l'ontologia non come un esercizio di modellazione accademica, ma come l'anello mancante tra l'investimento nell'AI e la creazione di valore di business.