This post is also available in:
English (אנגלית)
ארגונים נשענים כיום על כמויות עצומות של מידע המפוזרות בין מסדי נתונים, מערכות תוכנה, מאגרי רשומות ומקורות מידע שונים. בעוד שאחזור נתונים מסביבות אלה הפך פשוט יותר עם השנים, עדכון המידע עצמו נותר לעיתים קרובות משימה מורכבת הדורשת מומחיות במסדי נתונים. התוצאה היא צוואר בקבוק מתמשך שמאט תהליכי קבלת החלטות, מסבך תחזוקה ומגביל את מספר האנשים היכולים לעבוד ישירות עם מידע קריטי.
מסגרת עבודה חדשה שפותחה לאחרונה מבקשת להתמודד עם הבעיה באמצעות שינוי האופן שבו גרפי ידע מתקשרים עם מקורות הנתונים שבבסיסם. באופן קונבנציונלי, גרפי ידע וירטואליים (Virtual Knowledge Graphs) שימשו כשכבת תרגום המאפשרת למשתמשים לחפש מידע באמצעות מושגים עסקיים ולא באמצעות פקודות למסדי נתונים. אולם עד כה, הם פעלו בעיקר בכיוון אחד – שליפת מידע.
על פי דיווח של TechXplore, הגישה החדשה מרחיבה את היכולת הזו ומאפשרת למשתמשים גם לעדכן ולשנות מידע דרך אותה שכבה מושגית המשמשת אותם לחיפוש.
במקום לכתוב קוד למסדי נתונים או לעבוד ישירות מול מספר מערכות קצה שונות, המשתמשים יכולים לפעול דרך ייצוג אחיד של כלל המידע הארגוני. תיקונים, הוספת נתונים ועדכונים מתבצעים באמצעות מושגים מוכרים מעולם התוכן העסקי, ולא באמצעות מבנים טכניים של מסדי נתונים. למעשה, המסגרת הופכת את גרף הידע לממשק דו־כיווני בין המשתמשים לבין מערכות מידע מורכבות.
היכולת הזו רלוונטית במיוחד לארגונים שהמידע שלהם מפוזר בין פלטפורמות רבות. סוכנויות ממשלתיות, ארגוני בריאות, מוסדות מחקר ותאגידים גדולים מנהלים לעיתים מידע במספר רב של מערכות עצמאיות, שלכל אחת מהן מבנה ופורמט שונים. שכבה מושגית משותפת מאפשרת להציג את כלל המקורות כסביבה אחידה וקוהרנטית, מבלי לשנות את התשתיות הקיימות.
אחת ההשלכות המשמעותיות ביותר נוגעת לבינה מלאכותית. ככל שמערכות AI מקבלות אחריות רבה יותר על ניהול מידע, הענקת גישה ישירה למסדי נתונים יוצרת סיכונים. טעויות, אי־הבנות או פעולות בלתי מכוונות עלולות להשפיע על כמויות גדולות של מידע.
המסגרת החדשה מתמודדת עם האתגר באמצעות הצבת שכבה סמנטית בין מערכות הבינה המלאכותית לבין מסדי הנתונים עצמם. במקום לעבוד ישירות מול טבלאות ופקודות, סוכני AI פועלים דרך אוצר מושגים מוגדר היטב, הקובע כיצד ניתן לגשת למידע וכיצד ניתן לשנותו.
מנקודת מבט של סייבר וביטחון מידע, הארכיטקטורה הזו מספקת שכבת ממשל נוספת סביב מידע רגיש. מנגנוני הרשאות מובנים ואינטראקציות המוגדרות ברמה סמנטית יכולים לסייע בצמצום הסיכון לעדכונים בלתי רצויים, תוך הפיכת סביבת הנתונים לקלה יותר לניהול, בקרה וביקורת.
ככל שארגונים ממשיכים לשלב בינה מלאכותית בתהליכי העבודה שלהם, מסגרות עבודה המפשטות את ניהול המידע תוך שמירה על שליטה ושקיפות עשויות להפוך לרכיב מרכזי בתשתיות המידע של העתיד.
