The Ontology Pipeline™, Refresh: Where We Were, Where We Are, and Where We're Headed

Punti chiave

1. Data / fonte. 4 maggio 2026, Modern Data 101 (Substack, ~20.000 membri). Autrice: Jessica Talisman MLS.
2. Formato. articolo di refresh (revisione del framework originale di gennaio 2025).
3. Tesi centrale. "AI that generates a taxonomy wholesale is producing a liability disguised as asset; AI that assists trained engineers is just plain smart." ### La pipeline ontologica originale (gennaio 2025) ` Controlled Vocabulary ↓ Metadata Standards ↓ Taxonomy ↓ Thesaurus ↓ Ontology ↓ Knowledge Graph ` Principio guida: "the work cannot be skipped". Ogni stadio condiziona il successivo. ### Le 2 aggiunte del Refresh 2026 | Aggiunta | Definizione | |-------|-----------| | (1) Governance | "the engineering practice that keeps an ontology coherent across change" — non documentazione post-progetto, ma ingegneria continua | | (2) AI Partnership | l'AI come acceleratore per esseri umani formati, non un sostituto del giudizio umano | ### La diagnosi di mercato 2026 | Sintomo | Descrizione | |----------|-------------| | Domanda esplosa | Dal ChatGPT (nov. 2022) | | Overreach dei vendor | "misusing ontology terminology" | | Soluzioni standardizzate | Presentate come metodologia | | Tassonomie generate dall'AI | Vendute come strategia | | Crisi formativa | Domanda >> offerta di professionisti formati | | Divario colmato da | "people who know vocabulary without methodology" | ### La griglia AI accettabile / inaccettabile | Accettabile (l'AI assiste) | Inaccettabile (l'AI sostituisce) | |-------------------------|----------------------------| | Estrazione di entità | Generazione integrale di tassonomie | | Identificazione della gap analysis | (senza validazione umana rispetto agli standard) | | Redazione di vocabolari candidati da sottoporre a revisione | | | Supporto a popolamento e validazione | | ### Dati esterni citati | Dato | Valore | Fonte | |--------|--------|--------| | Validazione del framework | 6 istituzioni / 10 anni | Esperienza di Talisman | | Comunità Modern Data 101 | ~20.000 membri | Piattaforma | | Esperienza di Talisman | oltre 25 anni | Biografia professionale | | Standard citati | SKOS, OWL, RDF, SPARQL | W3C | ### Raccomandazioni per pubblico | Pubblico | Raccomandazioni | |--------|-----------------| | Organizzazioni | (1) Investire nella formazione formale + mentoring per i professionisti; (2) Trattare l'infrastruttura di conoscenza come la spina dorsale dell'AI, non un ripensamento; (3) Governance come ingegneria continua; (4) AI come acceleratore, non sostituto | | Professionisti | (1) Competency question prima della modellazione; (2) Validare rispetto a SKOS/OWL/RDF; (3) La difficoltà definizionale segnala una pausa, non di procedere; (4) Manutenzione come progetto continuo | | Leader | (1) Upskilling della forza lavoro senza autofinanziamento della formazione; (2) Allocare risorse all'infrastruttura di conoscenza come necessità strategica; (3) Strutture di governance prima del deployment | ### Collegamenti con il dossier veille #### Convergenza su "ontology as moat"
4. Talisman. pipeline ontologica = spina dorsale, governance + AI partnership.
5. Seale Semantic Agent. (2026-04-17): (Model+Harness)+(Ontology+Data) — ontology as the only moat.
6. Foundation Capital Context Graphs. (2025-12-22): decision traces, nuovi sistemi di registro.
7. Bain parte 2/5. cross-system labor (2026-05): redesign data foundations for agent readiness + accumulated execution data as moat.
8. DORA ROI 2026. (2026-04-21): AI-accessible internal data + healthy data ecosystems + machine-readable documentation quality.
9. Habert PROJ-AI. (2026-05-05): sei zone (DOCS/IDEAS/DR/OUT/DOCTRINE/AGENT) — doctrine + Decision Records.
10. → Forte convergenza: i dati strutturati semanticamente sono l'iniziativa moat del 2026, indipendentemente dal modello. #### Convergenza su "the work cannot be skipped"
11. Talisman. "the work cannot be skipped" — ogni stadio condiziona il successivo.
12. DORA. "all models are wrong" — il modello ha bisogno di contestualizzazione.
13. Wescale. (2026-05-03): governance injected as an "almost military layer".
14. Habert PROJ-AI. "technology 20% / team discipline 80%".
15. → Convergenza etica: non esiste una scorciatoia al lavoro metodologico. L'AI può accelerare ma non aggirare la metodologia. #### Convergenza su "AI partnership augment not replace"
16. Talisman. estrazione di entità OK / generazione integrale di tassonomie NON OK.
17. Karpathy. (2026-04-29): "outsource thinking but not understanding".
18. Osmani Cognitive Surrender. (2026-05-05): Cognitive Offloading (sano) vs Cognitive Surrender (tossico).
19. Frizzo. (2026-05-05): "the new bottleneck is supervision".
20. Soto Developer Taste. (2026-04): il taste come ultima competenza rimasta.
21. → Convergenza trasversale: la posizione augment vs replace ricorre su assi molteplici (cognizione, codice, ontologia, gusto nel design). #### Convergenza su "education crisis / training"
22. Talisman. crisi formativa nel semantic engineering, "teaching is hard, learning is harder".
23. Curran/Intercom. (2026-04-16): 1.100 utenti Claude Code in tutta Intercom, trasformazione R&D di 16 mesi.
24. DORA ROI 2026. "empower the human in the loop (OpEx)", costo formazione $9.600/utente/anno.
25. Tatsyi/Raiffeisen. (2026-05-05): adozione AI 62 → 83% richiede formazione continua.
26. → Convergenza: il collo di bottiglia dell'adozione dell'AI non è tecnologico, è formativo — formazione continua, mentoring, upskilling. ### Limiti da segnalare
27. Articolo in forma di saggio. più che ricerca empirica — nessuna metodologia quantificata per le 6 istituzioni / 10 anni.
28. Impostazione fortemente centrata su standard W3C / classici. (SKOS, OWL, RDF, SPARQL) — scarso confronto con i database a grafo di nuova generazione (Neo4j, TigerGraph) o con vector embeddings/RAG moderni.
29. Nessuna discussione. sul costo del rigore — quanto tempo richiede una pipeline ontologica corretta? quale staffing? quale ROI?
30. Nessun esempio industriale concreto e quantificato. di pipeline riuscite vs fallite (a parte il generico riferimento a "6 istituzioni").
31. Posizione normativa forte. verso i vendor: rischio di controversia se interpretata fuori contesto (Talisman non nomina esplicitamente i vendor incriminati).
32. Critica ai vendor senza quantificare il costo. delle scelte scadenti — un punto dell'argomentazione da completare per i comitati esecutivi. ### Da sfruttare per
33. CDO / Data leader. un framework strutturante per organizzare l'iniziativa ontologia / knowledge graph.
34. Architetti AI / RAG. la griglia AI accettabile / inaccettabile come regola ingegneristica diretta.
35. Presentazioni ai comitati esecutivi. l'argomento "the work cannot be skipped" + "liabilities disguised as assets" per contrastare i vendor di soluzioni cookie-cutter.
36. Strategia HR / formazione. "workforce upskilling without self-funding" — un caso per i budget di formazione continua nei dati semantici.
37. Collegamento FR / Europa. Talisman espone lo standard metodologico americano, da incrociare con Habert PROJ-AI (FR), Wescale (società di consulenza FR), Seale Semantic Agent (UK) per una visione europea dell'agentic data backbone.