本文へスキップ
hdknr blog

オントロジー

ある分野の概念・意味・関係を機械が読める形で定義したもの。DB スキーマとは別物で、Text-to-SQL やツール呼び出しで LLM が業務用語を正しく扱う土台になる

概要

オントロジーは、もとは哲学の「存在論」。情報科学ではある分野にどんな概念があり、何を意味し、互いにどう関係するかを機械が読める形で定義したものを指す。「用語辞典」と「概念の関係図」を合わせたものと考えるとよい。記号的 AI やセマンティックウェブ(RDF / OWL)の系譜にあり、2026 年には LLM にデータベースを問い合わせさせるための「業務上の意味の層」として再び注目されている。

詳細

何を持つか

販売業務なら次のような知識がオントロジーになる。データ分析の文脈では、最後の計算ルールまで含めて扱うことが多い。

スキーマとは別物

スキーマは「データがどう保存されているか」(テーブル・列・型・制約)、オントロジーは「そのデータが業務上なにを意味するか」。sales.invoicelines.extendedprice という列名から、それが売上として数えるべき金額かは分からない。外部キーも「つなげられる」ことまでで、「この質問ならどの経路でつなぐべきか」は示さない。

LLM に効く理由

Text-to-SQL で LLM がつまずく「言葉と列の対応」「指標の計算式」「結合の経路」「答えられない質問」を、あらかじめ定義した知識で埋める。LLM の担当を言葉の理解と SQL の記述に狭めることで、次が得られる。

Text-to-SQL を使わずツール呼び出しで答える場合でも、用語・同義語・関係の整理はツールの description を正確に書く土台になる。「コスト」「経費」と聞かれて「原価」のツールを選べるようになる。

作る手間をどう減らすか

数百テーブルの用語・計算式・結合を人が一から書くのは現実的でない。2 つの方向がある。

方向材料例
供給側から自動生成DB のメタデータ・サンプル値・クエリ履歴NVIDIA Auto Ontology が草案を作り、推定した結合をデータで裏付け、人が認定する
需要側から絞る課題管理に残る過去の問い合わせ事例頻出の意図から対象の用語を絞り、コードと仕様書で裏付ける

業務システムで大事な意味は DB ではなくコードと仕様書にあることが多い。「締め済み」の判定条件、複数列からなる業務キー、正本の計算関数、論理削除の扱い、必要な権限はメタデータからの草案に出てきにくい。モデル・URL ルーティング・権限名のように機械的に取れる部分はフレームワークのイントロスペクション(Django の _meta・URL リゾルバー)で自動生成し、残りは人が確かめる。

運用の注意

関連ページ

ソース記事