Ontology Engineering: o futuro prometido da IA que ainda tem de provar o seu valor
Ontology Engineering: o futuro prometido da IA que ainda tem de provar o seu valor
No levantamento sobre engenharia de grafos publicado em Agosto de 2026, abordado no artigo anterior, os investigadores dedicam uma das secções finais a uma possível evolução deste paradigma: a engenharia de ontologias como camada semântica para a próxima geração de sistemas de agentes LLM. Parece complicado, mas a ideia é relativamente simples. Uma ontologia é uma representação formal de um domínio que define que tipos de entidades existem, que propriedades podem ter, como se podem relacionar e que regras ou restrições devem ser respeitadas. Em vez de o sistema saber apenas que A está ligado a B, passa também a saber o que essa ligação significa.
A Palantir é provavelmente um dos exemplos comerciais mais visíveis desta abordagem. Na Foundry, a Ontology funciona como uma camada operacional que liga dados e modelos a objectos do mundo real, como fábricas, encomendas, equipamentos ou transações, permitindo construir uma espécie de gémeo digital da organização. O Gotham também assenta numa ontologia dinâmica e tem sido usado em contextos de defesa, intelligence e investigação para integrar informação proveniente de diferentes fontes e relacionar pessoas, locais, acontecimentos e outros objectos. Dependendo dos dados a que uma organização tenha acesso, isto pode permitir reconstruir redes de relações, movimentos ou características associadas a indivíduos. É precisamente em ambientes deste género que uma semântica consistente deixa de ser apenas uma questão académica.
Também há aplicações bastante menos polémicas. Um trabalho publicado em 2026, chamado OG-MAR, experimenta raciocínio multi-agente orientado por ontologias para melhorar o alinhamento cultural de LLMs. O sistema combina dados do World Values Survey com uma taxonomia de valores e vários agentes que representam perfis diferentes. A ideia não é simplesmente ensinar ao modelo que “África pensa assim” ou “Europa pensa assado”, mas dar-lhe uma estrutura explícita para relacionar valores, contexto demográfico e diferentes perspectivas. Outro trabalho de 2026, desenvolvido por investigadores ligados à Universidade de Cambridge, vai ainda mais longe: compila regras de uma ontologia directamente em ferramentas executáveis que os agentes são obrigados a utilizar. O exemplo apresentado é a extração de informação sobre síntese química, um domínio onde entidades, relações e restrições podem ser definidas com bastante precisão.
É aqui que as ontologias começam realmente a fazer sentido... pois num domínio relativamente fechado, podemos definir que determinada molécula tem certas propriedades, que um procedimento de síntese exige determinados passos ou que uma operação só é válida se determinadas condições forem cumpridas. O agente deixa de depender apenas daquilo que o LLM “acha” plausível e passa a operar dentro de regras explícitas que podem ser verificadas pelo sistema. Mas pode perguntar "será que isto generaliza para o agente LLM comum?" Bom... aqui o cepticismo continua a ser perfeitamente razoável. Uma ontologia consegue definir o que existe dentro do modelo conceptual do sistema e quais as relações ou operações consideradas válidas, mas não consegue garantir que os factos introduzidos nesse sistema são verdadeiros. Aliás, o próprio levantamento faz esta distinção: consistência semântica não garante correcção factual. Podemos construir uma ontologia impecavelmente coerente em torno de informação errada. Estrutura formal não é sinónimo de conhecimento verdadeiro.
E há ainda outro problema... é que uma ontologia demasiado rígida pode limitar aquilo que o sistema consegue representar. Se todas as entidades, relações e categorias admissíveis forem definidas antecipadamente, fenómenos que não encaixam nesse esquema podem ser ignorados ou forçados para categorias inadequadas. Isto é particularmente importante em investigação científica ou em ambientes muito abertos, onde uma variável inesperada pode alterar completamente uma conclusão. Os próprios autores reconhecem indirectamente esta dificuldade ao defenderem ontologias modulares, atualizáveis e com mecanismos de versionamento, validação e rollback. Portanto, o futuro provavelmente não está numa ontologia fixa e intocável, mas numa estrutura que também possa evoluir.
E, como não podia deixar de ser... as evoluções têm custos. Manter grafos dinâmicos já implica gerir estados, dependências, proveniência e alterações ao longo do tempo. Acrescentar ontologias significa ainda controlar versões, compatibilidade, migrações, validação de alterações e o impacto que uma mudança conceptual pode provocar no resto do sistema. O levantamento apresenta esta área explicitamente como uma direção futura de investigação; não demonstra através de um benchmark directo que toda esta infra-estrutura seja, em termos gerais, superior a um agente mais simples e bem construído.
No fundo, podemos pensar em três camadas. O grafo diz-nos o que está ligado. A ontologia diz-nos o que essas entidades e ligações significam. E o runtime transforma essas regras em consequências concretas: que ferramenta pode ser usada, que transição de estado é válida, que permissões devem ser verificadas ou que evidência é necessária antes de executar uma ação. Esta divisão está, aliás, bastante próxima da arquitectura proposta pelos próprios autores.
É provavelmente aí que está a parte mais interessante desta ideia pois a engenharia de ontologias não parece ser uma nova fonte de inteligência nem uma forma de substituir a validação do mundo real. Funciona melhor como uma camada de governação semântica em que dá aos agentes um vocabulário comum, explicita regras e reduz ambiguidades entre componentes diferentes. Em sistemas críticos, regulados ou especializados, isso pode ser extremamente valioso.
Se houver um futuro forte nesta direção, parece mais provável que resulte da combinação destas peças do que da vitória de uma delas isoladamente: agentes a trabalhar em ciclos locais, organizados através de grafos dinâmicos, limitados por ontologias partilhadas e continuamente confrontados com evidência externa. A aposta merece atenção... MAS, como acontece tantas vezes em inteligência artificial, convém distinguir uma arquitectura promissora de um paradigma já demonstrado...
