Ontologías. Taxonomías. Modelos semánticos. Grafos de conocimiento.
El auge de la IA ha devuelto estas palabras al imaginario tecnológico popular. A veces las presentamos como descubrimientos recientes, aunque muchas proceden de una larga tradición de organizar información y representar conocimiento.
Leyendo esta publicación de Sridhar N, pensé que una buena forma de explicar cómo encajan sería viajar a Oz.
Imaginemos que Dorothy nos encarga construir un asistente para encontrar el camino de vuelta a casa. Para hacerlo, tendremos que conocer los habitantes, lugares, objetos y reglas de ese mundo.
Vamos a recorrer juntos el camino de baldosas amarillas.
Imagina que organizamos el viaje de Dorothy por Oz. Estas palabras explican cómo ponemos orden en la información:
Vocabulario controlado: acordar los nombres.: «Ciudad Esmeralda» y «Emerald City» son el mismo sitio. Lo dejamos claro para evitar confusiones.
Taxonomía: clasificar las cosas. Agrupamos lo que hay en Oz: personajes, lugares y objetos. Dentro de los objetos, distinguimos los mágicos.
Ontología: definir cómo funciona ese mundo. Establecemos que los viajeros pueden llevar objetos y viajar a lugares. Son los conceptos y las relaciones posibles.
Modelo de datos: preparar las fichas. Decidimos qué información guardar: cada viajero tendrá un nombre; cada trayecto, un origen y un destino.
Diccionario de datos: explicar las casillas. Aclaramos qué significa cada campo de la ficha. Por ejemplo: «distancia» se mide en kilómetros.
Modelo semántico: interpretar todos lo mismo. Acordamos que «distancia pendiente» significa los kilómetros de camino que quedan, incluidos los desvíos.
Grafo de conocimiento: conectar los hechos. Registramos que Dorothy viaja con el Espantapájaros y quiere volver a Kansas. La ontología define las relaciones posibles; el grafo recoge conexiones concretas.
Modelo de metadatos: saber de dónde sale la información. Anotamos quién dibujó el mapa y cuándo lo actualizó.
Modelo de restricciones: revisar que las fichas estén bien. Cada trayecto debe tener origen y destino. Y su distancia no puede ser negativa.
Modelo de contexto: tener en cuenta la situación. Elegimos la ruta según quién viaja y qué necesita. Si viene el Hombre de Hojalata, conviene evitar la lluvia.
Esta forma de catalogar la información, desarrollada gracias a la Web Semántica, busca que los sistemas puedan compartir y utilizar esos datos con un significado explícito: que sepan a qué nos referimos y cómo se relaciona la información.
Ahora ese conocimiento que desarrollamos para la web, lo podemos reutilizar para la IA.
Food for Thought
En El mago de Oz, una voz impresionante y una gran puesta en escena pueden generar una enorme sensación de autoridad.
Con la IA, también necesitamos mirar qué sostiene la respuesta: qué datos utiliza, qué significan, cómo se conectan, de dónde proceden y qué comprobaciones han superado.
Muchas de estas ideas llevan décadas entre nosotros. Otras, como las formulaciones actuales de RAG y GraphRAG, son más recientes. Su combinación está creando nuevas posibilidades.
El Espantapájaros buscaba un cerebro. Nosotros estamos aprendiendo cuánto necesita ese cerebro un mundo bien descrito con el que trabajar.
Cuando vuestra IA responde, ¿podéis recorrer el camino de baldosas amarillas hasta las fuentes que sostienen su respuesta?
🌍 El Eco del Mercado
⚖️ California demanda a OpenAI por los ataques de sus agentes. La Fiscalía acusa a la compañía de desarrollar agentes peligrosos sin supervisión suficiente después de que escaparan de sus entornos de prueba y atacaran servicios externos como Hugging Face. El proceso puede establecer hasta dónde llega la responsabilidad de un laboratorio cuando sus experimentos causan daños en sistemas ajenos.
⚡ Una herramienta autónoma puede comprometer una red en menos de tres horas. El FBI advierte de que atacantes están utilizando Artex para localizar vulnerabilidades, obtener acceso y desplazarse por redes empresariales. La velocidad de estas operaciones amenaza con superar a los equipos humanos y obliga a automatizar también la contención, no solo la detección.
🔐 Apple fragmenta los permisos del Mac para contener a los agentes. macOS 27.3 mostrará con mayor claridad qué datos controla cada aplicación y permitirá exigir autorización cada vez que un agente quiera acceder a archivos u otras aplicaciones. Apple establece así un principio importante: un asistente autónomo no debería heredar permanentemente todos los privilegios de su usuario.
🕳️ Infoblox sufre una intrusión a través de un proveedor externo. La empresa de redes y ciberseguridad investiga el acceso no autorizado a información corporativa mediante una compañía contratada para migrar datos de SharePoint. El incidente demuestra que una operación temporal, como una migración, puede abrir una puerta menos vigilada que los sistemas permanentes.
🚨 La red interna clasificada de la NSA queda fuera de servicio. La agencia estadounidense investiga la caída del sistema utilizado para sus comunicaciones internas, sin indicios inmediatos de que se trate de un ciberataque. Incluso una avería convencional puede comprometer la coordinación de una organización encargada precisamente de la inteligencia electrónica.
🌐 Estados Unidos quiere prohibir componentes ópticos chinos en sus centros de datos. La Administración mantiene sus planes pese a la oposición de Amazon, Google, Meta, Microsoft, CoreWeave y Cisco, que advierten de que sustituirlos podría requerir hasta una década. El desacoplamiento tecnológico se extiende desde los procesadores hasta los componentes que transportan los datos entre servidores.
🕵️ Estados Unidos detalla su investigación sobre Megaspeed y el desvío de chips. Los departamentos de Comercio y Justicia revelan que investigaban desde 2024 al proveedor singapurense por posibles infracciones de los controles de exportación. Nvidia solicitó información, realizó comprobaciones y dejó de venderle en 2025, una cronología que plantea por qué las restricciones más amplias no llegaron antes.
⚡ La red eléctrica amenaza con excluir a las economías emergentes de la IA. El BERD advierte de que muchos países carecen de chips, centros de datos, financiación y suministro eléctrico suficiente; en casi la mitad de los analizados, la red no podría soportar un gran centro de datos. La brecha tecnológica puede separar a quienes construyen modelos de quienes ni siquiera pueden encenderlos.
🫧 Baidu advierte de que la inversión en IA debe empezar a producir beneficios. Robin Li sostiene que el temor a una burbuja se hará realidad si el gasto masivo no termina elevando los ingresos y beneficios de las empresas. La capacidad técnica empieza a perder protagonismo frente a una pregunta más incómoda: quién pagará lo suficiente para recuperar todo el capital invertido.
📉 Los gestores reducen su exposición tecnológica al mayor ritmo desde 2006. Una encuesta de Bank of America indica que una cifra récord de inversores cree que las empresas están gastando demasiado en IA y que el 52 % espera que algún gran proveedor cloud reduzca próximamente su inversión. Una sola rebaja de gasto podría propagarse desde los centros de datos hasta los chips, la memoria, las redes y la energía.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD1. Para seguir el camino de baldosas amarillas y descubrir qué hay detrás de la cortina, tres lecturas:
Knowledge Representation and Reasoning de Ronald J. Brachman y Hector J. Levesque (2004). Los fundamentos de cómo representar conocimiento y razonar con él: lógica, reglas, categorías e inferencias. Una buena forma de recordar cuánto de esto existía antes del auge de la IA generativa.
Semantic Web for the Working Ontologist de Dean Allemang, James Hendler y Fabien Gandon (3.ª edición, 2020). Para profundizar en ontologías, RDF, RDFS y OWL mediante ejemplos de modelado. El manual para describir qué existe en Oz y cómo se relaciona.
Knowledge Graphs: Fundamentals, Techniques, and Applications de Mayank Kejriwal, Craig A. Knoblock y Pedro Szekely (2021). Cómo construir, enriquecer y consultar grafos de conocimiento, con aplicaciones reales. Para pasar del mapa conceptual de Oz a una red de información utilizable.
PD2. Si después de tanta ontología te apetece practicar otra clase de magia, el clásico Magia Borrás puede ser tu siguiente aventura. Aquí también hay instrucciones, reglas y bastante práctica detrás de cada «imposible». El Espantapájaros lo aprobaría.



