Uno de los videos más vistos de la reciente AI Engineer World's Fair es una charla de 20 minutos de Frank Coyle, profesor de ciencias de la computación que hoy enseña IA generativa y modelos de lenguaje en UC Berkeley. Apoyándose en sus décadas de experiencia, Coyle volvió a presentar el concepto y la práctica de las ontologías a los ingenieros de IA de hoy.
Coyle sostuvo que, si bien los modelos de lenguaje son muy eficaces para el razonamiento probabilístico, para que los sistemas agénticos sean realmente efectivos necesitan "barreras lógicas", y con eso se refiere a las ontologías.
¿Qué es una ontología?
En ciencias de la computación, una ontología es "una descripción de la estructura de los datos, de las clases, propiedades y relaciones en un dominio de conocimiento", según la definición de Oxford Semantic Technologies. El propio Coyle definió una ontología simplemente como "datos en forma de grafos". Agregó que las ontologías como concepto se remontan a Aristóteles y se han usado a lo largo de toda la historia de la inteligencia artificial.
La empresa Neo4j, conocida por sus sistemas de bases de datos de grafos, también usa ontologías en sus productos agénticos. En una sesión magistral de la AIEWF, el CEO de Neo4j, Emil Eifrem, habló de tres tipos distintos de ontologías para habilitar un "sustrato compartido más inteligente" que corra agentes a escala. La primera es una ontología orientada al negocio, que describe los conceptos clave de una organización; luego una ontología técnica, que Eifrem describió como "todos los metadatos de todas las fuentes y activos de datos del ecosistema de tu empresa"; y por último las trazas de ejecución, que son "las señales en tiempo de ejecución de tu agente".
Lo viejo vuelve a ser nuevo: la web semántica
Frank Coyle cree que las ontologías web son especialmente útiles para construir sistemas agénticos. Mencionó Schema.org, FOAF, Dublin Core y otras ontologías familiares para los desarrolladores web, o al menos para los de cierta añada. También citó "tecnologías de aumento" como RDFS (Resource Description Framework Schema) y OWL (Web Ontology Language).
Un beneficio de usar estas ontologías establecidas es que ya están en los datos de entrenamiento de los modelos de lenguaje, así que los desarrolladores pueden simplemente solicitarlas mediante prompts, mucho mejor que reinventar ontologías desde cero.
"Todo esto ha estado ahí, sosteniendo buena parte de lo que ya hacemos", dijo Coyle. "Así que aprovechen estas cosas que ya existen".
Como ejemplo, mostró un bucle de agente de Claude que usaba una ontología para validar el razonamiento del modelo después de que la herramienta se ejecutara.
Coyle llama a la convergencia de agentes probabilísticos con ontologías "IA neurosimbólica".
"Suena bastante rimbombante", dijo, "pero en realidad son redes neuronales conectadas con IA simbólica, y ahí entran los sistemas basados en reglas, igual que los grafos de conocimiento que estamos armando". Reiteró que la IA neurosimbólica representa "una manera de mantener al modelo de lenguaje dentro de sus barreras".
Los pros y contras de las ontologías
Alguien que lleva años inmerso en las ontologías y que ahora las combina con la ingeniería de IA es Kingsley Idehen, que dirige una empresa llamada OpenLink Software. Ha estado construyendo una "pila de ingeniería de agentes" que usa tecnologías de la web semántica, incluido un "agente con memoria RDF".
Consultado sobre los beneficios de las ontologías, Idehen respondió: "La belleza de los modelos de lenguaje es que son procesadores poderosos del lenguaje. La belleza de una ontología es que define los tipos de entidades y relaciones a través de los cuales el lenguaje adquiere un contexto computable. Juntos, llevan el poder expresivo del lenguaje a la capa de interfaz de la computación".
Tiene mucho sentido, pero quien haya sido desarrollador web por un tiempo conoce el desafío de las ontologías: el mantenimiento y la actualización constante. Por eso la visión de una "web semántica" de los años noventa y dos mil, basada en ontologías, nunca terminó de despegar.
El desarrollador Prasenjit Sarkar propuso en X una posible solución al problema del mantenimiento, argumentando que "cuando un agente mantiene la ontología como parte de su propia operación, actualizando las definiciones cuando encuentra casos límite, el problema del mantenimiento cambia de carácter". De todos modos, agregó, sigue siendo un problema difícil.
Pese a estas dificultades, la naturaleza estructurada de las ontologías parece encajar bien con las tendencias a veces caprichosas de los modelos probabilísticos. Obtienes el poder de los modelos de lenguaje, pero las ontologías los mantienen a raya. Como explicó Eifrem, de Neo4j, las ontologías permiten pasar de "un mundo de agentes gruesos con fuentes de datos cableadas a mano" a uno nuevo de "agentes delgados sobre una capa semántica compartida y más inteligente basada en ontologías".
Bucles y barreras
Volviendo a la presentación de Coyle, también planteó una buena observación sobre la ingeniería de bucles, que según señaló "existe desde siempre" en la computación. El problema, claro, es que los bucles pueden romperse o salirse de control.
De nuevo, ahí es donde un sistema de ontología puede actuar como barrera de un modelo probabilístico. Una de las diapositivas de Coyle lo describió como "un conjunto acotado de reglas alrededor de un bucle no acotado". Cerca del final, demostró cómo usar OWL como control sobre los agentes. Una lámina mostraba que, mientras el lenguaje puede ser escurridizo, "un axioma OWL es una regla que una máquina hace cumplir".
Vibras semánticas
Quizás las ontologías empiezan a resonar entre los ingenieros de IA porque una preocupación central en este momento es el control de calidad de la ingeniería de bucles. Ese debate se vivió en la AIEWF, con muchos ponentes que aún no están dispuestos a apostarlo todo a las "fábricas de software" totalmente automatizadas. Uno de los aprendizajes clave del evento fue que hacen falta barreras y humanos en el bucle.
También resulta fascinante ver a las tecnologías web tradicionales resurgir en el campo de la ingeniería de IA, sobre todo después de que la moda del "vibe coding" de 2025 hiciera parecer que cualquiera podía crear software. Desde entonces cayó la ficha: hay que mantener ese software y asegurarse de que no se rompa. Así, en 2026 estamos viendo un regreso a la disciplina de la ingeniería de software, que incluye ahora un renacer de las ontologías web como forma de mantener honestos a los modelos de lenguaje probabilísticos.
