Vibe Company ha introdotto una soluzione pensata per automatizzare una delle fasi più complesse nell’adozione dell’intelligenza artificiale in ambito enterprise: la trasformazione dei documenti aziendali non strutturati in ontologie e knowledge graph utilizzabili dai sistemi di retrieval augmented generation. L’obiettivo è ridurre il peso del lavoro manuale tradizionalmente necessario per modellare concetti, relazioni e strutture semantiche, portando questo processo all’interno di un flusso più guidato, verificabile e accessibile anche ai responsabili di dominio.
Il punto tecnico centrale è la possibilità di partire dai documenti interni dell’azienda e generare automaticamente una prima struttura ontologica. Invece di affidare l’intera progettazione a specialisti che devono analizzare manualmente archivi, procedure, normative, manuali e basi documentali, il sistema propone uno schema iniziale su cui gli utenti possono intervenire direttamente. La modifica avviene attraverso un’interazione in linguaggio naturale, permettendo ai referenti aziendali di correggere, integrare o validare concetti e relazioni senza dover operare su strumenti tecnici complessi.
Questa impostazione è particolarmente rilevante perché l’ontologia non è soltanto un archivio ordinato di termini, ma una rappresentazione formale del modo in cui un’organizzazione descrive il proprio sapere. Definire correttamente entità, attributi, dipendenze e connessioni tra concetti significa creare una base più solida per i sistemi RAG, che possono recuperare informazioni non solo per somiglianza testuale, ma anche seguendo legami semantici più precisi. In questo modo, la generazione delle risposte può essere ancorata a dati strutturati e verificabili, riducendo il rischio di risposte imprecise o scollegate dal contesto aziendale.
Un aspetto importante riguarda la trasparenza del processo di costruzione. Molti sistemi di automazione applicati alla conoscenza aziendale producono un risultato finale difficile da ispezionare, lasciando poco spazio alla verifica del percorso con cui concetti e relazioni sono stati definiti. In questo caso, invece, la soluzione punta a rendere visibili le fasi di progettazione, revisione e consolidamento dell’ontologia, così da consentire agli esperti interni di intervenire dove serve. È un elemento essenziale nei contesti regolati o ad alta complessità, dove l’affidabilità non dipende solo dalla risposta generata, ma anche dalla possibilità di controllare la struttura informativa che la sostiene.
La promessa più significativa è la riduzione dei tempi di realizzazione, con processi che in scenari tradizionali possono richiedere mesi e che vengono ricondotti a cicli molto più brevi. Questo non significa eliminare il ruolo degli esperti, ma spostarlo dalla costruzione manuale alla validazione e al governo della conoscenza. Per le imprese, il vantaggio consiste nel rendere più praticabile l’adozione di RAG basato su knowledge graph, soprattutto quando i dati da gestire sono numerosi, eterogenei e distribuiti tra documenti non strutturati.
La soluzione si inserisce in una direzione sempre più evidente dell’AI enterprise: superare il semplice caricamento di documenti in un sistema generativo e costruire invece livelli semantici intermedi, capaci di dare ordine, contesto e tracciabilità alla conoscenza aziendale. In questa prospettiva, l’ontologia diventa una componente infrastrutturale dell’agente AI, perché permette di trasformare archivi documentali complessi in una base interrogabile, controllabile e più adatta a risposte fondate su relazioni esplicite tra le informazioni.