AIにデータの「意味」を渡す。NVIDIA Auto Ontologyが狙う企業AIの土台
「先月の売上は？」。同じ質問でも、集計対象が受注額なのか入金額なのか、返品を含むのかで答えは変わる。企業のAIエージェントがデータベースを読めるようになっても、この定義のずれが残る限り、流暢な回答は信頼できる回答にならない。
NVIDIAが公開したオープンソースの「Auto Ontology」は、この問題をデータとAIの間に置く意味の層から解こうとしている。企業データのメタデータをもとに、指標、項目、関係性、出所を整理し、エージェントが質問に答える際の文脈として渡す仕組みだ。Hacker Newsでも議論を集め、AI活用の焦点がモデルの能力だけでなく、社内データをどう説明可能にするかへ移っていることを映す。
「検索できる」と「正しく解釈できる」は違う
たとえば営業部門の「顧客」と経理部門の「取引先」が別の表にあり、売上の定義も部門ごとに違うとする。AIが両方の表を見つけても、どの数字を採用すべきかは検索結果だけでは決められない。
Auto Ontologyの公開資料は、既存の意味モデルを補いながら、データの発見、定義の照合、生成したクエリの検証、回答の出所の提示を目指すと説明する。自然言語からSQLを作って接続先のデータベースを照会する機能も備える。整理した文脈はMCP、CLI、APIを通して他のエージェントから利用できる。つまり、個々のAIに社内用語を覚え込ませるより、共有できる「意味の台帳」を用意する発想だ。
導入前に見るべき現実的な条件
公開されたリポジトリにはWeb画面、Pythonのバックエンド、取り込み処理、Postgresとpgvectorを使う構成が含まれる。ローカル環境ではDocker Compose、運用環境ではKubernetes向けの手順が用意されている。一方、推論にはNVIDIA NIMのAPIまたは自前で動かすNIMの設定が必要だ。「オープンソースだから、導入後の計算資源も無料」という話ではない。
データ接続の扱いも確認したい。READMEによると、画面から登録した接続情報はVaultを設定しない場合、パスワードを含む接続オブジェクトがPostgresに平文で保存される。社内の重要データに接続するなら、権限、認証情報の保管、バックエンドの公開範囲を導入前に設計する必要がある。これは公開資料に記載された構成上の注意点であり、侵害が起きたという意味ではない。
日本企業にとっての論点
国内企業では、同じ指標が部門やシステムごとに別名で管理されることも珍しくない。ここから先は本誌の見立てだが、AIエージェントを業務に広げる前に、まず「誰が、どの定義を正と認めたか」を記録し、変更時に追えるようにすることが効くはずだ。Auto Ontologyの価値も、SQLを自動生成する速さだけでなく、その問いに答える仕組みとして評価したい。
なお、公開リポジトリは機能と導入方法を示しているが、特定の企業環境で誤回答がどれだけ減るかを保証するものではない。小さなデータセットで指標の定義、アクセス権、回答の出所を検証してから広げるのが現実的だ。AIにデータを渡す時代には、データの意味を整える仕事そのものがインフラになる。