0:00

18:54

Ontology on Snowflake: How to Make AI Actually Understand Your Data | Snowflake Summit 2026

Snowflake Developers·18:54·Technology·B2

Chương · 8

Chương 1·The Problem: AI Doesn't Understand Business Meaning

Hiển thị

Tiếng ViệtAuto-scroll

0:05

All right.

Được rồi.

0:07

Thank you everyone for coming and I hope everybody enjoyed the summit so far.

Cảm ơn mọi người đã đến và tôi hy vọng mọi người đã tận hưởng hội nghị thượng đỉnh cho đến nay.

0:12

And if you have been building a system in the enterprise, you probably have noticed the hard part is in the model.

Và nếu bạn đã từng xây dựng một hệ thống trong doanh nghiệp, bạn có thể đã nhận thấy phần khó nằm ở mô hình.

0:20

It's not the compute.

Đó không phải là sức mạnh tính toán.

0:22

It's that AI doesn't understand what your business means.

Đó là việc AI không hiểu ý nghĩa kinh doanh của bạn.

0:27

How many of you have built a agent that confidently gives the wrong answer?

Bao nhiêu người trong số các bạn đã xây dựng một agent tự tin đưa ra câu trả lời sai?

0:31

Show of a hand.

Giơ tay lên.

0:33

All right.

Được rồi.

0:34

That's what happened when me meaning is missing.

Đó là những gì xảy ra khi ý nghĩa bị thiếu.

0:38

Today is about fixing that, making meaning explicit, scalable, and usable without leaving Snowflake.

Hôm nay là về việc khắc phục điều đó, làm cho ý nghĩa trở nên rõ ràng, có thể mở rộng và sử dụng được mà không cần rời khỏi Snowflake.

0:46

The formal term of that layer of meaning is ontology.

Thuật ngữ chính thức của lớp ý nghĩa đó là ontology.

0:50

Ontology on Snowflake, unifying data, making semantic scale, and the grounding AI reasoning.

Ontology trên Snowflake, thống nhất dữ liệu, làm cho ngữ nghĩa có thể mở rộng và làm nền tảng cho lý luận AI.

0:58

Let me show you how.

Hãy để tôi chỉ cho bạn cách làm.

1:00

By the end of the session, I want you to leave with a clear understanding of what an ontology is, and how to build one natively on Snowflake, and why that's the missing layer that makes your AI actually works.

Đến cuối phiên này, tôi muốn bạn ra về với hiểu biết rõ ràng về ontology là gì, cách xây dựng nó một cách gốc trên Snowflake, và tại sao đó là lớp còn thiếu giúp AI của bạn thực sự hoạt động.

1:18

My name is Tianxia Jia, principal AI architect at the Snowflake.

Tên tôi là Tianxia Jia, kiến trúc sư AI chính tại Snowflake.

1:23

I lead the AI/ML go-to-market and the solutioning for enterprise customers.

Tôi lãnh đạo hoạt động tiếp cận thị trường AI/ML và giải pháp cho khách hàng doanh nghiệp.

1:28

I help organizations land AI successfully in the enterprise setting leverage Snowflake AI data cloud.

Tôi giúp các tổ chức triển khai AI thành công trong môi trường doanh nghiệp tận dụng Snowflake AI data cloud.

1:36

So, four parts of our story today.

Vậy, bốn phần trong câu chuyện của chúng ta hôm nay.

1:38

We will start with the problem.

Chúng ta sẽ bắt đầu với vấn đề.

1:41

Then, a key idea.

Sau đó, một ý tưởng chính.

1:43

Then, we will build a solution layer by layer.

Tiếp theo, chúng ta sẽ xây dựng một giải pháp từng lớp một.

1:46

And I will leave you with a tool that does it all for you.

Và tôi sẽ để lại cho bạn một công cụ làm tất cả điều đó cho bạn.

1:50

Let's start it.

Hãy bắt đầu.

1:54

Let's start with the why.

Hãy bắt đầu với lý do tại sao.

1:57

In the AI era, companies don't compete on who stores the more data.

Trong kỷ nguyên AI, các công ty không cạnh tranh về việc ai lưu trữ nhiều dữ liệu hơn.

2:04

They compete on who understand how their business actually works.

Họ cạnh tranh về việc ai hiểu cách doanh nghiệp của họ thực sự hoạt động.

2:10

But today, there is a big gap.

Nhưng ngày nay, có một khoảng cách lớn.

2:13

Facts lives in database.

Sự thật nằm trong cơ sở dữ liệu.

2:15

Definitions lives in people's head or scattered documentations.

Các định nghĩa nằm trong đầu mọi người hoặc tài liệu rải rác.

2:21

And the AI system are expected to somehow infer reality from raw tables.

Và hệ thống AI được kỳ vọng bằng cách nào đó suy ra thực tế từ các bảng thô.

2:26

Look at the left side of the slides.

Nhìn vào phía bên trái của slide.

2:29

That's what we store.

Đó là những gì chúng ta lưu trữ.

2:31

And what we are feeding to AI today.

Và những gì chúng ta đang cung cấp cho AI ngày nay.

2:34

Tables, foreign keys, encrypted column names.

Các bảng, khóa ngoại, tên cột được mã hóa.

2:37

And we hand this to the agent and expect it to understand our business.

Và chúng ta đưa điều này cho agent và kỳ vọng nó hiểu doanh nghiệp của chúng ta.

2:44

Now, let's look at the right.

Bây giờ, hãy nhìn vào bên phải.

2:46

That's how the real world actually operate.

Đó là cách thế giới thực thực sự vận hành.

2:50

There are objects, people's, teams, contracts.

Có các đối tượng, con người, đội nhóm, hợp đồng.

2:54

And they are related to each other in a specific ways.

Và chúng có liên quan với nhau theo những cách cụ thể.

2:58

For example, a person works for a team.

Ví dụ, một người làm việc cho một đội.

3:01

A contract binds them together.

Một hợp đồng ràng buộc họ với nhau.

3:05

This isn't schema.

Đây không phải là schema.

3:06

It's reality.

Đó là thực tế.

3:08

The result of that gap?

Kết quả của khoảng cách đó?

3:10

Brittle sequel.

SQL dễ vỡ.

3:11

Duplicated logic.

Logic trùng lặp.

3:12

And the AI that sounds confident, but actually gets things wrong.

Và AI nghe có vẻ tự tin, nhưng thực sự hiểu sai mọi thứ.

3:18

So, the goal is simple.

Vậy, mục tiêu rất đơn giản.

3:19

We move from joining rows to reasoning over concept.

Chúng ta chuyển từ việc nối các hàng sang lý luận trên khái niệm.

3:26

So, let's talk about what.

Vậy, hãy nói về cái gì.

3:29

Before we solve this, I need to clear up the biggest confusion in this space.

Trước khi giải quyết vấn đề này, tôi cần làm rõ sự nhầm lẫn lớn nhất trong lĩnh vực này.

3:34

People use ontology and knowledge graph interchangeably.

Mọi người dùng ontology và knowledge graph thay thế cho nhau.

3:39

They are not the same thing.

Chúng không phải là cùng một thứ.

3:41

Think of it this way.

Hãy nghĩ theo cách này.

3:43

The ontology is a blueprint.

Ontology là một bản thiết kế.

3:46

It says a person can work for an organization.

Nó nói rằng một người có thể làm việc cho một tổ chức.

3:50

A is a type of person.

A là một loại người.

3:52

A club is a type of organization.

Một câu lạc bộ là một loại tổ chức.

3:55

And these are abstracted rules.

Và đây là những quy tắc trừu tượng.

3:58

What's allowed to exist and how things can relate.

Những gì được phép tồn tại và cách mọi thứ có thể liên quan với nhau.

4:04

You define once, it rarely change.

Bạn định nghĩa một lần, nó hiếm khi thay đổi.

4:08

The knowledge graph on the other hand is the building.

Mặt khác, knowledge graph là tòa nhà.

4:11

It's what actually got built from that blueprint.

Đó là những gì thực sự được xây dựng từ bản thiết kế đó.

4:16

Mbappe is a player.

Mbappe là một cầu thủ.

4:17

Plays for Real Madrid.

Chơi cho Real Madrid.

4:19

A club.

Một câu lạc bộ.

4:20

That's a concrete fact, specific.

Đó là một sự thật cụ thể, rõ ràng.

4:23

And changes every transfer window.

Và thay đổi mỗi kỳ chuyển nhượng.

4:27

See how they connect?

Bạn có thấy chúng kết nối như thế nào không?

4:29

The blueprint says persons can work for organizations.

Bản thiết kế nói rằng người có thể làm việc cho tổ chức.

4:33

The building says Mbappe plays for Real Madrid.

Tòa nhà nói rằng Mbappe chơi cho Real Madrid.

4:37

One is a rule, the other is the instance.

Một cái là quy tắc, cái kia là thực thể.

4:41

And you need both.

Và bạn cần cả hai.

4:43

But you keep them separate.

Nhưng bạn giữ chúng tách biệt.

4:45

The blueprint evolves slowly and intentionally.

Bản thiết kế phát triển chậm và có chủ đích.

4:49

The building changes more frequently.

Tòa nhà thay đổi thường xuyên hơn.

4:51

That separation is what gives you stability and the flexibilities at the same time.

Sự tách biệt đó là thứ mang lại cho bạn sự ổn định và tính linh hoạt cùng một lúc.

4:58

This separation is the key that drives how to model and store them on Sofa Lake.

Sự tách biệt này là chìa khóa định hướng cách mô hình hóa và lưu trữ chúng trên Sofa Lake.

5:06

And that's enable query them separately.

Và điều đó cho phép truy vấn chúng riêng biệt.

5:09

Remember this one sentence.

Hãy nhớ một câu này.

5:11

The ontology defines what relationships are and allowed.

Ontology định nghĩa các mối quan hệ là gì và được phép như thế nào.

5:16

The knowledge graph materialize it, which ones actually exist.

Knowledge graph hiện thực hóa nó, những cái nào thực sự tồn tại.

5:23

Okay, let's talk about how.

Được rồi, hãy nói về cách làm.

5:26

So, how do we actually build this?

Vậy, làm thế nào chúng ta thực sự xây dựng điều này?

5:29

Here is the five layer architecture.

Đây là kiến trúc năm lớp.

5:32

And I want you to take away with one sentence.

Và tôi muốn bạn ghi nhớ một câu.

5:36

Facts store once.

Sự thật lưu trữ một lần.

5:38

Meanings defined as configurations.

Ý nghĩa được định nghĩa dưới dạng cấu hình.

5:42

And the intelligence orchestrated dynamically.

Và trí tuệ được điều phối một cách linh hoạt.

5:46

Think of it as building a Layer one is your foundation, your physical storage.

Hãy nghĩ về nó như việc xây dựng một Lớp một là nền tảng của bạn, lưu trữ vật lý của bạn.

5:52

Two tables.

Hai bảng.

5:54

That's it.

Chỉ vậy thôi.

5:54

Everything in your business is either a node or an edge.

Mọi thứ trong doanh nghiệp của bạn hoặc là một nút hoặc là một cạnh.

6:00

Layer two is your ontology metadata.

Lớp hai là metadata ontology của bạn.

6:04

This is where you decline what things means, classes, hierarchies, relationships.

Đây là nơi bạn định nghĩa ý nghĩa của mọi thứ, các lớp, hệ thống phân cấp, mối quan hệ.

6:13

All configurations.

Tất cả đều là cấu hình.

6:14

No code.

Không có mã.

6:16

Layer three are generated automatically.

Lớp ba được tạo tự động.

6:20

A compiler reads your metadata and it produce views.

Một trình biên dịch đọc metadata của bạn và tạo ra các view.

6:25

You never write this by hand.

Bạn không bao giờ viết cái này bằng tay.

6:28

The bottom three are the data layer.

Ba tầng dưới cùng là tầng dữ liệu.

6:31

And then layer four are three purpose-built semantic models.

Và tầng bốn là ba mô hình ngữ nghĩa được xây dựng có mục đích.

6:36

Each designed for different kind of questions.

Mỗi mô hình được thiết kế cho các loại câu hỏi khác nhau.

6:40

And finally layer five is Cortext Agent.

Và cuối cùng, tầng năm là Cortext Agent.

6:43

It orchestrating everything intelligently at runtime.

Nó điều phối mọi thứ một cách thông minh trong thời gian chạy.

6:47

So, five layers.

Vậy, năm tầng.

6:50

Everything native on Sonrai.

Mọi thứ đều gốc trên Sonrai.

6:54

So, let me show you what happens when someone asks a question.

Vậy, để tôi cho bạn thấy điều gì xảy ra khi ai đó đặt câu hỏi.

6:58

Let's see it in motion.

Hãy xem nó chuyển động.

6:59

This is how a query flow through the system.

Đây là cách một truy vấn chảy qua hệ thống.

7:03

The user types something in natural language.

Người dùng gõ một cái gì đó bằng ngôn ngữ tự nhiên.

7:05

It hits Cortext Agent.

Nó chạm đến Cortext Agent.

7:07

The brain at the top.

Bộ não ở trên cùng.

7:10

The agent doesn't try to answer the question itself.

Agent không cố gắng tự trả lời câu hỏi.

7:13

Instead, it asks, "What kind of question is this?" Then it picks the right tool or multiple tools in parallel and merge the result.

Thay vào đó, nó hỏi, "Đây là loại câu hỏi gì?" Sau đó nó chọn công cụ phù hợp hoặc nhiều công cụ song song và hợp nhất kết quả.

7:24

A question about specific players goes one path.

Một câu hỏi về những người chơi cụ thể đi theo một con đường.

7:28

A questions about all personnel goes another.

Một câu hỏi về tất cả nhân sự đi theo con đường khác.

7:33

A governance questions goes yet another.

Một câu hỏi về quản trị lại đi theo con đường khác nữa.

7:36

And graph traversals, different tools entirely.

Và duyệt đồ thị, hoàn toàn là các công cụ khác.

7:40

The user never think about routing.

Người dùng không bao giờ nghĩ về việc định tuyến.

7:42

They just ask.

Họ chỉ hỏi.

7:44

This system figures out the rest.

Hệ thống này tìm ra phần còn lại.

7:47

That's the promise of ontology-driven architecture.

Đó là lời hứa của kiến trúc dựa trên ontology.

7:54

Okay, let's build this layer by layer.

Được rồi, hãy xây dựng từng tầng một.

7:57

Start with the bottom.

Bắt đầu từ dưới cùng.

7:59

Layer one is radically simple.

Tầng một cực kỳ đơn giản.

8:02

Two tables.

Hai bảng.

8:04

The nodes table stores everything that exists.

Bảng nodes lưu trữ mọi thứ tồn tại.

8:09

The edge table stores every connections between things.

Bảng edge lưu trữ mọi kết nối giữa các thứ.

8:14

Both use a variant columns for flexible properties.

Cả hai đều sử dụng cột biến thể cho các thuộc tính linh hoạt.

8:20

And look at the sequel on the right.

Và hãy nhìn vào sequel ở bên phải.

8:23

Player is a node.

Player là một node.

8:24

Club is a node.

Club là một node.

8:26

Plays for is an edge between them.

Plays for là một edge giữa chúng.

8:28

That's it.

Chỉ vậy thôi.

8:31

So, here is why this matters.

Vậy, đây là lý do tại sao điều này quan trọng.

8:33

When your business add a new entity type, say a referee, you don't create a new table.

Khi doanh nghiệp của bạn thêm một loại thực thể mới, ví dụ như trọng tài, bạn không tạo bảng mới.

8:40

You don't run a migration.

Bạn không chạy migration.

8:42

You just insert nodes with type referee.

Bạn chỉ chèn các node với loại trọng tài.

8:46

The schema never changes.

Schema không bao giờ thay đổi.

8:49

Facts are stable.

Các sự kiện ổn định.

8:52

Meanings evolves above.

Ý nghĩa phát triển ở trên.

8:55

So, now we layer the meaning on top.

Vậy, bây giờ chúng ta xếp lớp ý nghĩa lên trên.

8:58

And this is where it starting get interesting.

Và đây là nơi nó bắt đầu trở nên thú vị.

9:01

Layer two is pure configurations.

Tầng hai là cấu hình thuần túy.

9:05

You are writing declarations, not code.

Bạn đang viết khai báo, không phải mã.

9:09

Person is a type of thing.

Person là một loại thứ.

9:12

Player is a type of person.

Player là một loại person.

9:14

Coach is a type of person.

Coach là một loại person.

9:16

You are building the inheritance tree just like object-oriented programming, but for your data.

Bạn đang xây dựng cây kế thừa giống như lập trình hướng đối tượng, nhưng cho dữ liệu của bạn.

9:24

Then you declare constraints.

Sau đó bạn khai báo các ràng buộc.

9:25

Only a player can play for a club.

Chỉ một cầu thủ mới có thể thi đấu cho một câu lạc bộ.

9:29

This is a blueprint in action.

Đây là một bản thiết kế đang được vận hành.

9:32

Defining what's allowed.

Định nghĩa những gì được phép.

9:35

And here's the beautiful part.

Và đây là phần tuyệt vời.

9:37

When your business involved new roles, new relationship, it's just one simple insert statement.

Khi doanh nghiệp của bạn liên quan đến các vai trò mới, mối quan hệ mới, nó chỉ là một câu lệnh insert đơn giản.

9:45

No schema rewrite, not the pipeline rebuilt.

Không viết lại schema, không xây dựng lại pipeline.

9:49

One row of metadata, the system adapts.

Một hàng metadata, hệ thống tự thích ứng.

9:54

Now, who actually build abstractions?

Vậy, ai thực sự xây dựng các abstraction?

9:57

Not you.

Không phải bạn.

9:59

A compiler does.

Một compiler làm điều đó.

10:01

Layer three is my favorite part.

Lớp ba là phần tôi thích nhất.

10:03

You call a stored procedure.

Bạn gọi một stored procedure.

10:05

Generate ontology view.

Tạo ontology view.

10:08

It reads your metadata defined in layer two and discover that a person has two concrete subtype, player and a coach.

Nó đọc metadata của bạn được định nghĩa ở lớp hai và phát hiện rằng một person có hai subtype cụ thể, player và coach.

10:16

And the generated view called ontology person that union them automatically.

Và view được tạo ra có tên ontology person sẽ tự động hợp nhất chúng.

10:23

Look at the result on the screen.

Hãy nhìn vào kết quả trên màn hình.

10:25

When you query the ontology person, you got both coach and the player unified under one abstract concept.

Khi bạn truy vấn ontology person, bạn nhận được cả coach và player được hợp nhất dưới một khái niệm trừu tượng.

10:33

You didn't write that SQL.

Bạn đã không viết SQL đó.

10:35

The compiler did.

Compiler đã làm điều đó.

10:37

And when you add a new person subtype next month, rerun the compiler.

Và khi bạn thêm một subtype person mới vào tháng sau, hãy chạy lại compiler.

10:42

The view expands.

View sẽ mở rộng.

10:44

Every query that use ontology person just works.

Mọi truy vấn sử dụng ontology person đều hoạt động.

10:48

Zero code changes downstream.

Không có thay đổi code nào ở downstream.

10:53

So, here is the design decision take us a while to figure out.

Vậy, đây là quyết định thiết kế mà chúng tôi mất một thời gian để tìm ra.

10:56

We tried to build a gigantic semantic view that trying to rule them all.

Chúng tôi đã cố gắng xây dựng một semantic view khổng lồ nhằm thống trị tất cả.

11:01

It didn't work.

Nó không hoạt động.

11:02

Why that?

Tại sao vậy?

11:04

Because showing Real Madrid results last season and show me all personnel in our organization are fundamentally different questions.

Bởi vì hiển thị kết quả của Real Madrid mùa trước và cho tôi thấy tất cả nhân sự trong tổ chức của chúng ta là những câu hỏi hoàn toàn khác nhau.

11:14

One needs speed and specificity.

Một cái cần tốc độ và tính cụ thể.

11:17

The other needs polymorphism and abstraction.

Cái kia cần tính đa hình và trừu tượng.

11:20

So, we split into three purpose-built lenses over the same ontology.

Vì vậy, chúng tôi chia thành ba lăng kính được xây dựng có mục đích trên cùng một ontology.

11:27

First is a knowledge graph model.

Đầu tiên là một knowledge graph model.

11:30

Fast, concrete, attribute-rich, your operational layer.

Nhanh, cụ thể, giàu thuộc tính, lớp vận hành của bạn.

11:33

Semantic view on node and edge tables that enable query the graph directly using SQL, including multi-hop query.

Semantic view trên các bảng node và edge cho phép truy vấn đồ thị trực tiếp bằng SQL, bao gồm cả truy vấn multi-hop.

11:44

Second is the ontology model, abstract, polymorphic.

Thứ hai là ontology model, trừu tượng, đa hình.

11:47

When you ask about people and get players and coaches, whatever exists.

Khi bạn hỏi về people và nhận được players và coaches, bất cứ thứ gì tồn tại.

11:53

This is where AI reasoning shines.

Đây là nơi lý luận của AI tỏa sáng.

11:56

And the last is the governance model.

Và cuối cùng là governance model.

11:58

The system describing itself.

Hệ thống tự mô tả chính nó.

11:59

What type exists?

Loại nào tồn tại?

12:01

What are the relationships I define?

Những mối quan hệ tôi định nghĩa là gì?

12:03

Who has access?

Ai có quyền truy cập?

12:05

Same truths underneath, three optimized interface on top.

Cùng những sự thật bên dưới, ba giao diện được tối ưu hóa ở trên.

12:12

So, let me make this real.

Vậy, để tôi làm điều này trở nên thực tế.

12:14

Same club, two different questions, two different answers.

Cùng một câu lạc bộ, hai câu hỏi khác nhau, hai câu trả lời khác nhau.

12:18

Who plays for Real Madrid?

Ai thi đấu cho Real Madrid?

12:20

Concrete queries.

Truy vấn cụ thể.

12:21

Go through the knowledge graph model, you got all players, fast, specific.

Đi qua knowledge graph model, bạn nhận được tất cả players, nhanh, cụ thể.

12:26

Every attribute right there.

Mọi thuộc tính ngay tại đó.

12:28

And who works for Real Madrid?

Và ai làm việc cho Real Madrid?

12:30

Is the abstract query.

Đó là truy vấn trừu tượng.

12:32

Go through the ontology model.

Đi qua mô hình ontology.

12:35

Now you got players and the coach.

Bây giờ bạn có cầu thủ và huấn luyện viên.

12:39

It automatically crosses type boundaries.

Nó tự động vượt qua ranh giới loại.

12:42

Nobody had to code, also check the coaches table.

Không ai phải viết mã, cũng kiểm tra bảng huấn luyện viên.

12:45

The ontology knew that players and coaches are both people who works for the club.

Ontology biết rằng cầu thủ và huấn luyện viên đều là những người làm việc cho câu lạc bộ.

12:52

That's a aha moment.

Đó là một khoảnh khắc vỡ lẽ.

12:54

The abstract model evolves with your business and IT team doctor next year, they just appear.

Mô hình trừu tượng phát triển cùng với doanh nghiệp và nhóm IT của bạn, bác sĩ năm sau, họ chỉ xuất hiện.

13:04

No query changes.

Không thay đổi truy vấn.

13:06

So, this is the final layer.

Vậy, đây là lớp cuối cùng.

13:08

The brain ties it all together.

Bộ não kết nối tất cả lại với nhau.

13:11

Quora's agent is not a monolithic AI that tries to do everything.

Agent của Quora không phải là một AI nguyên khối cố gắng làm mọi thứ.

13:18

It's a conductor leading an orchestra.

Nó là một nhạc trưởng dẫn dắt một dàn nhạc.

13:23

Each musicians, each tools is specialized.

Mỗi nhạc công, mỗi công cụ đều chuyên biệt.

13:28

The conductor's job is to know which instrument to bring in and when.

Công việc của nhạc trưởng là biết nên đưa nhạc cụ nào vào và khi nào.

13:34

For example, who works here?

Ví dụ, ai làm việc ở đây?

13:37

The agent calls abstract semantic model.

Agent gọi mô hình ngữ nghĩa trừu tượng.

13:39

What is the shortest path between the two entities?

Đường đi ngắn nhất giữa hai thực thể là gì?

13:43

That's a graph analytics.

Đó là phân tích đồ thị.

13:45

What entity types exist in our model?

Những loại thực thể nào tồn tại trong mô hình của chúng ta?

13:48

Governance tools.

Công cụ quản trị.

13:49

And sometimes it calls multiple tools in parallel then merge the result into one coherent answer.

Và đôi khi nó gọi nhiều công cụ song song rồi hợp nhất kết quả thành một câu trả lời mạch lạc.

13:56

This is what I mean by intelligence through coordination.

Đây là điều tôi muốn nói về trí tuệ thông qua phối hợp.

14:00

No single model can do it all.

Không một mô hình đơn lẻ nào có thể làm tất cả.

14:04

But an orchestrator over specialized tools that scales.

Nhưng một bộ điều phối trên các công cụ chuyên biệt thì có thể mở rộng.

14:10

Okay.

Được rồi.

14:11

Now I can see some of you thinking five layers, three semantic model, a compiler, and agent.

Bây giờ tôi có thể thấy một số bạn đang nghĩ năm lớp, ba mô hình ngữ nghĩa, một trình biên dịch, và agent.

14:17

That's a lot of work.

Đó là rất nhiều công việc.

14:19

It is.

Đúng vậy.

14:20

So what do we do?

Vậy chúng ta làm gì?

14:22

We automate it.

Chúng ta tự động hóa nó.

14:26

I'm super excited to introduce the ontology stack builder.

Tôi rất hào hứng giới thiệu trình xây dựng ngăn xếp ontology.

14:30

It's a Coco skills.

Đó là một kỹ năng của Coco.

14:33

You invoke it and it walks you through the entire stack in an interactive and gated workflow.

Bạn gọi nó và nó hướng dẫn bạn qua toàn bộ ngăn xếp trong một quy trình tương tác và có cổng kiểm soát.

14:41

You give it your tables, your business questions, it introspects the schema, proposes an ontology.

Bạn đưa cho nó các bảng của bạn, các câu hỏi kinh doanh của bạn, nó xem xét lược đồ, đề xuất một ontology.

14:47

What is the classes?

Các lớp là gì?

14:49

What are relationship is there?

Có những mối quan hệ nào?

14:51

Is there any hierarchies?

Có bất kỳ hệ thống phân cấp nào không?

14:52

Then it launches this visual graph editor you see on the right.

Sau đó nó khởi chạy trình chỉnh sửa đồ thị trực quan mà bạn thấy ở bên phải.

14:58

You can drag nodes, draw relationships, inspect coverages.

Bạn có thể kéo các nút, vẽ các mối quan hệ, kiểm tra độ bao phủ.

15:02

Once you approve the design, it generates all the sequels.

Khi bạn phê duyệt thiết kế, nó tạo ra tất cả các câu lệnh SQL.

15:07

Deploys layer one through three and create a semantic view and wires up the Cortex agent and the validate everything end-to-end.

Triển khai lớp một đến lớp ba và tạo một chế độ xem ngữ nghĩa và kết nối agent Cortex và xác thực mọi thứ từ đầu đến cuối.

15:17

Seven phases each has a gate.

Bảy giai đoạn, mỗi giai đoạn có một cổng kiểm soát.

15:20

It's human in the loop.

Đó là con người trong vòng lặp.

15:22

You stay in control.

Bạn vẫn nắm quyền kiểm soát.

15:24

You control what entities relationship got created and the full flexibility to modify and update.

Bạn kiểm soát những thực thể và mối quan hệ nào được tạo ra và toàn quyền linh hoạt để sửa đổi và cập nhật.

15:31

The heavy lifting Koko handle that.

Phần việc nặng nhọc thì Koko xử lý.

15:35

What used to take weeks or even months of hand written sequel building ontologies and manual setting up the agent now one session you can create the entire stack and get the ontology driven knowledge graph agent within an hour depending on the complexity of your data.

Điều từng mất hàng tuần hoặc thậm chí hàng tháng để viết tay SQL, xây dựng ontology và thiết lập agent thủ công, giờ chỉ trong một phiên bạn có thể tạo toàn bộ ngăn xếp và có được agent đồ thị tri thức dựa trên ontology trong vòng một giờ tùy thuộc vào độ phức tạp của dữ liệu.

16:00

Let me leave you with one pictures that tell the whole story.

Để tôi để lại cho bạn một bức tranh kể toàn bộ câu chuyện.

16:07

At the bottom is your data.

Ở dưới cùng là dữ liệu của bạn.

16:10

Custom tables, sales tables product tables.

Bảng tùy chỉnh, bảng bán hàng, bảng sản phẩm.

16:15

Raw facts.

Các sự kiện thô.

16:18

This is where 99% of organization stops.

Đây là nơi 99% tổ chức dừng lại.

16:22

They hand this to AI and hope for the best.

Họ giao thứ này cho AI và hy vọng điều tốt đẹp nhất.

16:27

In the middle is the ontology.

Ở giữa là ontology.

16:30

It's nothing but is the business concept that connected by meaning.

Nó không gì khác ngoài các khái niệm kinh doanh được kết nối bằng ý nghĩa.

16:37

Customer persona, revenue stream, product category market trend.

Chân dung khách hàng, dòng doanh thu, danh mục sản phẩm, xu hướng thị trường.

16:44

This is the missing bridge.

Đây là cây cầu còn thiếu.

16:47

The layer that transform raw rows into something AI can actually reason about.

Lớp biến đổi các hàng thô thành thứ mà AI thực sự có thể suy luận.

16:55

At the very top is the AI agent.

Ở trên cùng là AI agent.

16:59

When someone ask, "How can we improve ourselves in Q3?" The agent doesn't just scan the table.

Khi ai đó hỏi, "Làm thế nào chúng ta có thể cải thiện bản thân trong Q3?" Agent không chỉ quét bảng.

17:09

It traverse the ontology.

Nó duyệt qua ontology.

17:12

Find the right customer persona, identify the relevant market trend, connect it to product categories and the produce an answer grounded in business reality.

Tìm đúng chân dung khách hàng, xác định xu hướng thị trường liên quan, kết nối nó với các danh mục sản phẩm và đưa ra câu trả lời dựa trên thực tế kinh doanh.

17:25

Data gives you fact.

Dữ liệu cho bạn sự kiện.

17:27

Ontology gives you meaning.

Ontology cho bạn ý nghĩa.

17:29

And the agent gives you intelligence.

Và agent cho bạn trí tuệ.

17:32

Together, one system native to Snowflake.

Cùng nhau, một hệ thống gốc của Snowflake.

17:38

So, thank you and let us know what you what do you think and then take a minute to read the sessions if you like it.

Vậy, cảm ơn bạn và hãy cho chúng tôi biết bạn nghĩ gì và dành một phút để đọc các phiên nếu bạn thích.

17:45

Uh remember the problem where we started with, okay?

Uh, hãy nhớ vấn đề mà chúng ta bắt đầu, được chứ?

17:50

AI doesn't understand your business.

AI không hiểu doanh nghiệp của bạn.

17:53

Doesn't understand what your business means.

Không hiểu doanh nghiệp của bạn có nghĩa là gì.

17:56

Now you have seen the fix.

Bây giờ bạn đã thấy giải pháp.

17:58

Three takeaways.

Ba điểm chính.

17:59

First, make meaning explicit.

Thứ nhất, làm cho ý nghĩa trở nên rõ ràng.

18:03

Store facts once, define meaning as metadata, and let the system generate the rest.

Lưu trữ sự kiện một lần, định nghĩa ý nghĩa dưới dạng metadata, và để hệ thống tạo ra phần còn lại.

18:10

Two, use purpose-built lenses.

Hai, sử dụng các lăng kính được thiết kế chuyên biệt.

18:12

Concrete knowledge graph for speed, abstract ontology for reasoning, and governance for the trust.

Đồ thị tri thức cụ thể cho tốc độ, ontology trừu tượng cho suy luận, và quản trị cho sự tin cậy.

18:21

Third, let the agent orchestrate intent-driven routing.

Thứ ba, để agent điều phối định tuyến dựa trên ý định.

18:26

No hard-coded passes.

Không có đường dẫn cứng.

18:29

And you can start building today using the ontology stack builder skills in Coco.

Và bạn có thể bắt đầu xây dựng ngay hôm nay bằng cách sử dụng các kỹ năng của trình xây dựng ngăn xếp ontology trong Coco.

18:35

Takes your tables and gives you back the full stack and the ontology aware agent that understand your business.

Lấy các bảng của bạn và trả lại cho bạn toàn bộ ngăn xếp và agent nhận biết ontology hiểu doanh nghiệp của bạn.

18:44

And all assets are public available from the solution to the Coco skills.

Và tất cả các tài sản đều có sẵn công khai từ giải pháp đến các kỹ năng Coco.

18:49

I will be at the platform peak boost this afternoon and Thursday morning.

Tôi sẽ có mặt tại platform peak boost vào chiều nay và sáng thứ Năm.

18:52

Feel free to stop by.

Hãy thoải mái ghé qua.

18:53

Thank you very much.

Cảm ơn bạn rất nhiều.

Transcript

Hiển thị

The Problem: AI Doesn't Understand Business Meaning

The speaker opens by noting that the hard part of enterprise AI is not compute but meaning: AI systems don't understand what business data actually means. Many people have built agents that confidently give wrong answers because meaning is missing. The solution is to make meaning explicit, scalable, and usable inside Snowflake through a layer called an ontology. The session promises to explain what an ontology is, how to build one natively on Snowflake, and why it is the missing layer that makes AI work. The speaker, Tianxia Jia, a principal AI architect at Snowflake, then outlines the four-part structure of the talk.

Diễn giả mở đầu bằng việc lưu ý rằng phần khó của AI doanh nghiệp không phải là năng lực tính toán mà là ý nghĩa: các hệ thống AI không hiểu dữ liệu kinh doanh thực sự có nghĩa gì. Nhiều người đã xây dựng các agent tự tin đưa ra câu trả lời sai vì thiếu ý nghĩa. Giải pháp là làm cho ý nghĩa trở nên tường minh, có thể mở rộng và sử dụng được bên trong Snowflake thông qua một lớp gọi là ontology. Phiên trình bày hứa hẹn giải thích ontology là gì, cách xây dựng nó một cách native trên Snowflake, và tại sao nó là lớp còn thiếu giúp AI hoạt động. Diễn giả, Tianxia Jia, một principal AI architect tại Snowflake, sau đó phác thảo cấu trúc bốn phần của bài nói.

All right.

Được rồi.

Thank you everyone for coming and I hope everybody enjoyed the summit so far.

Cảm ơn mọi người đã đến và tôi hy vọng mọi người đã tận hưởng hội nghị thượng đỉnh cho đến nay.

And if you have been building a system in the enterprise, you probably have noticed the hard part is in the model.

Và nếu bạn đã từng xây dựng một hệ thống trong doanh nghiệp, bạn có thể đã nhận thấy phần khó nằm ở mô hình.

It's not the compute.

Đó không phải là sức mạnh tính toán.

It's that AI doesn't understand what your business means.

Đó là việc AI không hiểu ý nghĩa kinh doanh của bạn.

How many of you have built a agent that confidently gives the wrong answer?

Bao nhiêu người trong số các bạn đã xây dựng một agent tự tin đưa ra câu trả lời sai?

Show of a hand.

Giơ tay lên.

All right.

Được rồi.

That's what happened when me meaning is missing.

Đó là những gì xảy ra khi ý nghĩa bị thiếu.

Today is about fixing that, making meaning explicit, scalable, and usable without leaving Snowflake.

Hôm nay là về việc khắc phục điều đó, làm cho ý nghĩa trở nên rõ ràng, có thể mở rộng và sử dụng được mà không cần rời khỏi Snowflake.

The formal term of that layer of meaning is ontology.

Thuật ngữ chính thức của lớp ý nghĩa đó là ontology.

Ontology on Snowflake, unifying data, making semantic scale, and the grounding AI reasoning.

Ontology trên Snowflake, thống nhất dữ liệu, làm cho ngữ nghĩa có thể mở rộng và làm nền tảng cho lý luận AI.

Let me show you how.

Hãy để tôi chỉ cho bạn cách làm.

My name is Tianxia Jia, principal AI architect at the Snowflake.

Tên tôi là Tianxia Jia, kiến trúc sư AI chính tại Snowflake.

I lead the AI/ML go-to-market and the solutioning for enterprise customers.

Tôi lãnh đạo hoạt động tiếp cận thị trường AI/ML và giải pháp cho khách hàng doanh nghiệp.

I help organizations land AI successfully in the enterprise setting leverage Snowflake AI data cloud.

Tôi giúp các tổ chức triển khai AI thành công trong môi trường doanh nghiệp tận dụng Snowflake AI data cloud.

So, four parts of our story today.

Vậy, bốn phần trong câu chuyện của chúng ta hôm nay.

We will start with the problem.

Chúng ta sẽ bắt đầu với vấn đề.

Then, a key idea.

Sau đó, một ý tưởng chính.

Then, we will build a solution layer by layer.

Tiếp theo, chúng ta sẽ xây dựng một giải pháp từng lớp một.

And I will leave you with a tool that does it all for you.

Và tôi sẽ để lại cho bạn một công cụ làm tất cả điều đó cho bạn.

Let's start it.

Hãy bắt đầu.

1 / 8