Как сделать фабрику идей?
Идей в продуктовых командах всегда больше, чем времени на их реализацию. Как понять, какие из них действительно стоит воплощать?
Мы собрали пошаговый рецепт, который превращает хаос предложений в чёткий план действий с помощью Онто и OntoAI. Вы увидите, как за один процесс собрать, структурировать, оценить и отобрать лучшие идеи, а затем привязать их к целям и задачам.
Это не теория, а готовый сценарий «бери и делай», который можно повторить в любой команде.
Идей в продуктовых командах всегда больше, чем времени на их реализацию. Как понять, какие из них действительно стоит воплощать?
Мы собрали пошаговый рецепт, который превращает хаос предложений в чёткий план действий с помощью Онто и OntoAI. Вы увидите, как за один процесс собрать, структурировать, оценить и отобрать лучшие идеи, а затем привязать их к целям и задачам.
Это не теория, а готовый сценарий «бери и делай», который можно повторить в любой команде.
❤4
Как превратить ремонт в управляемую систему: граф-модель в Онто
Ремонт часто превращается в хаос: десятки задач, мастеров, поставок и ограничений переплетаются и рушат планы. В Онто это можно собрать в граф — простую визуальную модель, где задачи, материалы, исполнители и сроки связаны так же, как в реальности. Такой подход даёт сразу несколько плюсов:
— видно зависимости и критический путь без сложных диаграмм;
— легко оптимизировать покупки и поездки, объединив их по поставщикам;
— контролировать бюджет и сроки становится проще, потому что риски и ограничения видны на диаграмме;
— модель можно использовать повторно для следующих проектов.
📖 Полный текст статьи читайте здесь: ontonet.ru/case-renovation
Ремонт часто превращается в хаос: десятки задач, мастеров, поставок и ограничений переплетаются и рушат планы. В Онто это можно собрать в граф — простую визуальную модель, где задачи, материалы, исполнители и сроки связаны так же, как в реальности. Такой подход даёт сразу несколько плюсов:
— видно зависимости и критический путь без сложных диаграмм;
— легко оптимизировать покупки и поездки, объединив их по поставщикам;
— контролировать бюджет и сроки становится проще, потому что риски и ограничения видны на диаграмме;
— модель можно использовать повторно для следующих проектов.
Это не просто план ремонта, а инструмент развития графового мышления: начинаешь видеть связи, а не списки, и переносишь этот навык в повседневную работу.
📖 Полный текст статьи читайте здесь: ontonet.ru/case-renovation
🔥3
🌐 Gartner: графы знаний перестали быть трендом и стали рабочим инструментом бизнеса
В отчёте Gartner Impact Radar 2024 графы знаний (Knowledge Graphs) оказались в центре внимания, рядом с генеративным искусственным интеллектом. Это показывает их высокую значимость и практическую ценность для бизнеса уже сегодня. Граф знаний превращает разрозненные данные в осмысленные взаимосвязи, позволяя строить аналитику, автоматизировать процессы и поддерживать принятие решений. На диаграмме Impact Radar технология обозначена крупной насыщенной точкой в центральной зоне, что отражает их прогнозируемое влияние и готовность к внедрению в ближайшие 1–2 года. Gartner подтверждает, что графы знаний перестают быть просто трендом и становятся инструментом, который уже приносит реальную пользу компаниям.
По анализу Gartner графы знаний находятся на стадии «склона просветления» в цикле хайпа — моменте, когда технология уже прошла модный ажиотаж, разочарование и после усовершенствований готова к реальной работе на предприятиях. На этом этапе появляются реальные проекты, есть проверенный опыт внедрений, формируются рабочие сценарии эксплуатации. Риски внедрения стремятся к минимуму. Бизнес начинает видеть ощутимую и измеримую ценность. Именно это делает графы знаний особенно важными: инвестировать в них уже безопасно и продуктивно. Результаты уже не представляют собой просто красивые слайды презентации, они функционируют в реалиях десятков компаний.
Сегодня Knowledge Graphs становятся фундаментом корпоративной информационной базы. Они помогают интегрировать разрозненные данные, обеспечивать прозрачность и объяснимость моделей, ускорять принятие решений и повышать эффективность процессов. Их применяют в цифровой коммерции, управлении данными, аналитике, риск-менеджменте, формировании корпоративной базы знаний, отладке бизнес-процессов.
Визуализированный отчет Impact Radar 2024 ясно показывает, что современные компании всё активнее обращаются к решениям, которые помогают структурировать данные, создавать взаимосвязи между сущностями и извлекать осмысленные инсайты из разрозненной информации.
#Онто_Интересно
В отчёте Gartner Impact Radar 2024 графы знаний (Knowledge Graphs) оказались в центре внимания, рядом с генеративным искусственным интеллектом. Это показывает их высокую значимость и практическую ценность для бизнеса уже сегодня. Граф знаний превращает разрозненные данные в осмысленные взаимосвязи, позволяя строить аналитику, автоматизировать процессы и поддерживать принятие решений. На диаграмме Impact Radar технология обозначена крупной насыщенной точкой в центральной зоне, что отражает их прогнозируемое влияние и готовность к внедрению в ближайшие 1–2 года. Gartner подтверждает, что графы знаний перестают быть просто трендом и становятся инструментом, который уже приносит реальную пользу компаниям.
По анализу Gartner графы знаний находятся на стадии «склона просветления» в цикле хайпа — моменте, когда технология уже прошла модный ажиотаж, разочарование и после усовершенствований готова к реальной работе на предприятиях. На этом этапе появляются реальные проекты, есть проверенный опыт внедрений, формируются рабочие сценарии эксплуатации. Риски внедрения стремятся к минимуму. Бизнес начинает видеть ощутимую и измеримую ценность. Именно это делает графы знаний особенно важными: инвестировать в них уже безопасно и продуктивно. Результаты уже не представляют собой просто красивые слайды презентации, они функционируют в реалиях десятков компаний.
Сегодня Knowledge Graphs становятся фундаментом корпоративной информационной базы. Они помогают интегрировать разрозненные данные, обеспечивать прозрачность и объяснимость моделей, ускорять принятие решений и повышать эффективность процессов. Их применяют в цифровой коммерции, управлении данными, аналитике, риск-менеджменте, формировании корпоративной базы знаний, отладке бизнес-процессов.
Визуализированный отчет Impact Radar 2024 ясно показывает, что современные компании всё активнее обращаются к решениям, которые помогают структурировать данные, создавать взаимосвязи между сущностями и извлекать осмысленные инсайты из разрозненной информации.
#Онто_Интересно
🔥5
благодаря MCP в Онто уже данные легко появляются используя Cursor, а так же OntoAI в ChatGPT. Визуальные контексты легко ограничивают диаграммы возможностями человеческого внимания.
👍1
Forwarded from Quantum Quintum (Constantin Kichinsky)
Вышло интервью Чарльза Ламанна, CVP Microsoft (Business Apps & Platforms). Контекст: в конце прошлого года в другом интервью Сатья Наделла высказался в духе, что SaaS мертв и тогда это наделало шума. Интервью Чарльза — возможность заглянуть под капот этого тезиса.
В России все заигрались в импортозамещение и в массе своей все еще не догоняют, что замещают прошлое.
Ключевые мысли:
— Бизнес-приложения, как мы их знаем, мертвы. Конечно, завтра клиенты в энтерпрайзе не перестанут платить за CRM/ERP/HCM/... Но не будет никаких инноваций и это не будет инвестицией в будущее.
— Бизнес-приложения сегодня — это "system of record", спроектированные, чтобы человек вносил данные. Но в мире ИИ-агентов и автоматизации это не будет так работать.
— Классические бизнес-приложения закостенеют. Возникнет новый ИИ-слой вокруг автоматизации и выполнения задач, расширяющий команды людей, которые будут делать свою работу с участием агентов.
— Классическое бизнес-приложение — это: 1) интерфейсы форм ввода на вебе или в мобилке, 2) список вещей, в которые вы можете погрузиться и отредактировать , 3) набор бизнес-процессов, заданных статично. Хрупкая и нединамичная система. Под капотом реляционная база данных. Современное вебное бизнес-приложение не далеко ушло от бизнес-приложений прошлого на мейнфреймах.
— Бизнес-приложения будущего — это бизнес-агенты. Сгенерированный UI под запрос пользователя. Вы замените бизнес-процессы ИИ-агентами, которые возьмут цель и ожидаемый результат и сами найдут лучший способ достижения. Под капотом у вас будет векторная база данных, поисковые индексы и др. релевантные системы. Все вместе — это новый класс технологий.
— Через 10 лет старые и новые бизнес приложения будут абсолютно разными сущностями. Сейчас они только начали разделение, на горизонте 6-16 месяцев мы увидим форму новых бизнес-приложений. Цикл обновления бизнес-приложений длинный, это станет новым паттерном в окрестности 2030.
— То, что Cursor делает для веб-разработки, аналогичное происходит сегодня и в продажах, клиентском обслуживании, финансовых сервисах, управлении цепочками и т.п. Везде появится свой Cursor. Будут вайб-продажи, вайб-маркетинг, вайб-юристы и т.п.
— Сейчас мы берем текущие орг-структуры и отображаем их на ИИ-мир. К продажам добавляем ИИ-продажи и т.п. За 10 лет это изменится. Будет две классические волны: новые технологии для старых способов работы и новые технологии для новых способов работы.
— Мы привыкли думать о командах как командах людей. Будет команда людей и ИИ-агентов. Мы должны начать думать в этом залоге, размышляя о структуре организаций и компаний и найме. Каждый IC (individual contributor) будет менеджером ИИ-агентов. Мы делали софт (в Microsoft) для работников умственного труда, чтобы они делали эту свою умственную работу. В будущем большая часть "умственного" и информационного труда будет делаться ИИ-агентами. Задача человека — это управлять и оркестровать ими.
— С ИИ-агентами мы по-другому будем смотреть на задачу интеграции бизнес-приложений. Мы уже закладываем взаимодействие в основу через MCP и A2A.
— Клиенты наигрались в самостоятельную разработку поверх API к ИИ-моделям и ищут готовые ИИ-решения (агента или приложения вроде Cursor). Компании хотят быстро получить ценность. При этом: 1) они реально нацелены на ограничение ресурсов на повышение продуктивности; 2) нужен большой фокус на демократизации доступа к ИИ, его надо дать всем; 3) нужно не распыляться — инвестировать в небольшое число проектов.
— Как сейчас думает Microsoft: 1) вся компания ориентирована на миссию, весь софт, все технологии и все продукты компании будут задизрапчены ИИ. Мы хотим возглавить это, а не наблюдать. Энергии через край у всех. 2) экстремальный личный пуш (многих людей), чтобы пройти все внутренние бюрократические и управленческие барьеры. 3) реальное потворство экспериментам, готовности пробовать и ошибаться, учиться: у нас каждую неделю форумы, на которых люди рассказывают, что они попробовали, что получилось, а что нет и почему.
Посмотреть-послушать. Почитать расшифровку.
Ключевые мысли:
— Бизнес-приложения, как мы их знаем, мертвы. Конечно, завтра клиенты в энтерпрайзе не перестанут платить за CRM/ERP/HCM/... Но не будет никаких инноваций и это не будет инвестицией в будущее.
— Бизнес-приложения сегодня — это "system of record", спроектированные, чтобы человек вносил данные. Но в мире ИИ-агентов и автоматизации это не будет так работать.
— Классические бизнес-приложения закостенеют. Возникнет новый ИИ-слой вокруг автоматизации и выполнения задач, расширяющий команды людей, которые будут делать свою работу с участием агентов.
— Классическое бизнес-приложение — это: 1) интерфейсы форм ввода на вебе или в мобилке, 2) список вещей, в которые вы можете погрузиться и отредактировать , 3) набор бизнес-процессов, заданных статично. Хрупкая и нединамичная система. Под капотом реляционная база данных. Современное вебное бизнес-приложение не далеко ушло от бизнес-приложений прошлого на мейнфреймах.
— Бизнес-приложения будущего — это бизнес-агенты. Сгенерированный UI под запрос пользователя. Вы замените бизнес-процессы ИИ-агентами, которые возьмут цель и ожидаемый результат и сами найдут лучший способ достижения. Под капотом у вас будет векторная база данных, поисковые индексы и др. релевантные системы. Все вместе — это новый класс технологий.
— Через 10 лет старые и новые бизнес приложения будут абсолютно разными сущностями. Сейчас они только начали разделение, на горизонте 6-16 месяцев мы увидим форму новых бизнес-приложений. Цикл обновления бизнес-приложений длинный, это станет новым паттерном в окрестности 2030.
— То, что Cursor делает для веб-разработки, аналогичное происходит сегодня и в продажах, клиентском обслуживании, финансовых сервисах, управлении цепочками и т.п. Везде появится свой Cursor. Будут вайб-продажи, вайб-маркетинг, вайб-юристы и т.п.
— Сейчас мы берем текущие орг-структуры и отображаем их на ИИ-мир. К продажам добавляем ИИ-продажи и т.п. За 10 лет это изменится. Будет две классические волны: новые технологии для старых способов работы и новые технологии для новых способов работы.
— Мы привыкли думать о командах как командах людей. Будет команда людей и ИИ-агентов. Мы должны начать думать в этом залоге, размышляя о структуре организаций и компаний и найме. Каждый IC (individual contributor) будет менеджером ИИ-агентов. Мы делали софт (в Microsoft) для работников умственного труда, чтобы они делали эту свою умственную работу. В будущем большая часть "умственного" и информационного труда будет делаться ИИ-агентами. Задача человека — это управлять и оркестровать ими.
— С ИИ-агентами мы по-другому будем смотреть на задачу интеграции бизнес-приложений. Мы уже закладываем взаимодействие в основу через MCP и A2A.
— Клиенты наигрались в самостоятельную разработку поверх API к ИИ-моделям и ищут готовые ИИ-решения (агента или приложения вроде Cursor). Компании хотят быстро получить ценность. При этом: 1) они реально нацелены на ограничение ресурсов на повышение продуктивности; 2) нужен большой фокус на демократизации доступа к ИИ, его надо дать всем; 3) нужно не распыляться — инвестировать в небольшое число проектов.
— Как сейчас думает Microsoft: 1) вся компания ориентирована на миссию, весь софт, все технологии и все продукты компании будут задизрапчены ИИ. Мы хотим возглавить это, а не наблюдать. Энергии через край у всех. 2) экстремальный личный пуш (многих людей), чтобы пройти все внутренние бюрократические и управленческие барьеры. 3) реальное потворство экспериментам, готовности пробовать и ошибаться, учиться: у нас каждую неделю форумы, на которых люди рассказывают, что они попробовали, что получилось, а что нет и почему.
Посмотреть-послушать. Почитать расшифровку.
YouTube
The End of Biz Apps? AI, Agility, and The Agent-Native Enterprise from Microsoft CVP Charles Lamanna
In this Founded & Funded episode, Madrona Managing Director Soma Somasegar sits down with Charles Lamanna, Corporate Vice President at @Microsoft, to unpack his journey from startup founder to corporate leader. They dive into what it takes to build a successful…
❤3👍2💯1
Если разложить проекты по «экосистемным полкам», то место Онто хорошо видно: оно сидит как раз в разрыве между личными заметочными графами (Roam, Obsidian, TheBrain) и большими промышленными графами (Neo4j Bloom, Kumu, Graph Commons).
📍 Схема-ориентировка
Представь координатную систему:
по оси X — масштаб и строгость (от личных заметок → до промышленных баз данных),
по оси Y — уровень коллаборации (от индивидуального использования → до командной/корпоративной работы).
Расположение проектов:
🔹Личные графы заметок: Roam, Obsidian, TheBrain — в левом нижнем углу (индивидуально, нестрого).
🔹Энциклопедические графы: Wikidata, DBpedia, ConceptNet — справа внизу (масштабные, но в основном не для совместного моделирования, а для ИИ/исследователей).
🔹Бизнес-графы и системные карты: Neo4j Bloom, Kumu, Graph Commons — справа вверху (корпоративные, командные, но требуют специалистов и не дают «из коробки» понятного языка моделирования).
🟦 Где встает Онто
Онто занимает срединное, но уникальное место:
🔹Масштабируемость — от простых стикеров или идей (как в Obsidian) до больших цифровых теней предприятий (как в Neo4j/Kumu).
🔹Совместная работа в командах — в отличие от Obsidian или Roam, которые по сути персональные.
🔹Интерактивные визуальные контексты — диаграммы, которые живут и меняются, а не статичная картинка (отличие от Bloom/Kumu, где визуализация больше отчётная).
🔹AI-слой (OntoAI) — то, чего нет почти ни у кого: агенты, которые оперируют графом напрямую (память, поиск, репликация, автоматизация).
🔹Методология — онтологическая строгость без ухода в академический RDF/OWL-хардкор, который характерен для DBpedia/ConceptNet.
🧭 Итоговое позиционирование
Если Roam и Obsidian — это «личный мозг»,
Wikidata и ConceptNet — это «мировой мозг»,
Neo4j Bloom/Kumu — это «инженерный мозг организаций», то
📍 Схема-ориентировка
Представь координатную систему:
по оси X — масштаб и строгость (от личных заметок → до промышленных баз данных),
по оси Y — уровень коллаборации (от индивидуального использования → до командной/корпоративной работы).
Расположение проектов:
🔹Личные графы заметок: Roam, Obsidian, TheBrain — в левом нижнем углу (индивидуально, нестрого).
🔹Энциклопедические графы: Wikidata, DBpedia, ConceptNet — справа внизу (масштабные, но в основном не для совместного моделирования, а для ИИ/исследователей).
🔹Бизнес-графы и системные карты: Neo4j Bloom, Kumu, Graph Commons — справа вверху (корпоративные, командные, но требуют специалистов и не дают «из коробки» понятного языка моделирования).
🟦 Где встает Онто
Онто занимает срединное, но уникальное место:
🔹Масштабируемость — от простых стикеров или идей (как в Obsidian) до больших цифровых теней предприятий (как в Neo4j/Kumu).
🔹Совместная работа в командах — в отличие от Obsidian или Roam, которые по сути персональные.
🔹Интерактивные визуальные контексты — диаграммы, которые живут и меняются, а не статичная картинка (отличие от Bloom/Kumu, где визуализация больше отчётная).
🔹AI-слой (OntoAI) — то, чего нет почти ни у кого: агенты, которые оперируют графом напрямую (память, поиск, репликация, автоматизация).
🔹Методология — онтологическая строгость без ухода в академический RDF/OWL-хардкор, который характерен для DBpedia/ConceptNet.
🧭 Итоговое позиционирование
Если Roam и Obsidian — это «личный мозг»,
Wikidata и ConceptNet — это «мировой мозг»,
Neo4j Bloom/Kumu — это «инженерный мозг организаций», то
Онто можно описать как «командный мозг для моделирования сложных систем»: живой, визуальный и доступный, но с возможностью вырасти до уровня цифровых двойников.
❤3👍2
Уже сейчас Онто агенты прекрасно работают на очень слабых моделях. Очень здорово что подтверждаются наши гипотезы о том что масштаб знания нужно уменьшать, а не генерить бессмысленные статьи из текста.
Forwarded from Intelligent Systems Architecture
Выскажу дизрапт-гипотезу.
Прирост качества новых версий моделей снижается — возможно, даже экспоненциально. Это не только ощущение практика, ежедневно работающего с передовыми моделями, включая платные, но и подтверждённая исследованиями тенденция убывающей отдачи от традиционных scaling laws.
Исходя из этого, для себя делаю такую ставку:
1. AGI на текущем уровне развития научно-технического прогресса (НТП) крайне маловероятен в ближайшие годы.
2. Характеристики OSS-моделей будут расти и в течение 2-3 лет практически сравняются с передовыми в большинстве задач.
3. Уже в ближайшем будущем промышленные агентные решения будут строиться на множестве моделей, инкапсулированных в агентов — теперь генеративных. Причём на коммодити железе. Архитектура таких решений радикально изменится: вместо монолита «одна большая модель» появится сеть из множества генеративных агентов, гибко комбинируемых под задачу.
4. Если AGI всё же возникнет в результате прорыва в НТП, влияние на п.3 может быть не столь драматическим — агентная архитектура останется актуальной.
Как это влияет конкретно на мою работу? Я учусь управлять когнитивной нагрузкой и выжимать промышленный результат из слабых моделей. И определённый прогресс в этом уже есть.
И да, в задачах сопряжения "бизнес-архитектуры" и инженерии.
Прирост качества новых версий моделей снижается — возможно, даже экспоненциально. Это не только ощущение практика, ежедневно работающего с передовыми моделями, включая платные, но и подтверждённая исследованиями тенденция убывающей отдачи от традиционных scaling laws.
Исходя из этого, для себя делаю такую ставку:
1. AGI на текущем уровне развития научно-технического прогресса (НТП) крайне маловероятен в ближайшие годы.
2. Характеристики OSS-моделей будут расти и в течение 2-3 лет практически сравняются с передовыми в большинстве задач.
3. Уже в ближайшем будущем промышленные агентные решения будут строиться на множестве моделей, инкапсулированных в агентов — теперь генеративных. Причём на коммодити железе. Архитектура таких решений радикально изменится: вместо монолита «одна большая модель» появится сеть из множества генеративных агентов, гибко комбинируемых под задачу.
4. Если AGI всё же возникнет в результате прорыва в НТП, влияние на п.3 может быть не столь драматическим — агентная архитектура останется актуальной.
Как это влияет конкретно на мою работу? Я учусь управлять когнитивной нагрузкой и выжимать промышленный результат из слабых моделей. И определённый прогресс в этом уже есть.
И да, в задачах сопряжения "бизнес-архитектуры" и инженерии.
🏠 Как мы мучились с оцифровкой дома, но довели до ума
Начали мы с кипы документов: архитектурный проект, дизайн, обмерные планы. Казалось бы — бери площади и заноси. Но не тут-то было 🙃
Шаг 1. Завели структуру
Сначала в Онто создали сам дом → этажи → помещения. Спасибо ChatGPT, который сразу предложил шаблоны: жилое помещение, с/у, зона отдыха и т.д.
Шаг 2. Первые квадраты
Прописали площади. И тут сразу сюрпризы: в одном документе спортзал был 11,4 м², а в другом — 14,86 м². Мастерская тоже «гуляла».
Шаг 3. Сверка по документам
Начали таскать таблицы из обмерных планов и сравнивать с тем, что уже внесли. Разница по этажу доходила до 10+ квадратов 😳
Шаг 4. Детектив по комнатам
Оказалось, что у нас в модели есть лишние комнаты (кладовая, холл), которых в плане не было. А вот «Игровая» наоборот была в документах, но отсутствовала в Онто. Пришлось добавлять!
Шаг 5. Исправления
Площадь санузлов тоже не совпадала: в Онто стояли одни цифры, в проекте — другие. С OntoAI поправили всё, шаг за шагом.
Шаг 6. Победа ✨
В итоге мы всё свели:
• Этаж 1 = 125,7 м²
• Этаж 2 = 103,4 м²
• Общая площадь = 229,1 м²
Теперь есть аккуратная цифровая модель, где всё прозрачно: дом → этаж → комнаты → площади. На очереди регистрация задач в контекстах помещений.
первым аттачем в чате будет демонстрация. Посмотрите скрины нашего с чатом мучения при сведении многих документов. Но результат того стоил.
Я как-то рассказывал уже что Онто использую и в личных проектах: например "оцифровал" стройку дома. И вот как это происходило 👇
Начали мы с кипы документов: архитектурный проект, дизайн, обмерные планы. Казалось бы — бери площади и заноси. Но не тут-то было 🙃
Шаг 1. Завели структуру
Сначала в Онто создали сам дом → этажи → помещения. Спасибо ChatGPT, который сразу предложил шаблоны: жилое помещение, с/у, зона отдыха и т.д.
Шаг 2. Первые квадраты
Прописали площади. И тут сразу сюрпризы: в одном документе спортзал был 11,4 м², а в другом — 14,86 м². Мастерская тоже «гуляла».
Шаг 3. Сверка по документам
Начали таскать таблицы из обмерных планов и сравнивать с тем, что уже внесли. Разница по этажу доходила до 10+ квадратов 😳
Шаг 4. Детектив по комнатам
Оказалось, что у нас в модели есть лишние комнаты (кладовая, холл), которых в плане не было. А вот «Игровая» наоборот была в документах, но отсутствовала в Онто. Пришлось добавлять!
Шаг 5. Исправления
Площадь санузлов тоже не совпадала: в Онто стояли одни цифры, в проекте — другие. С OntoAI поправили всё, шаг за шагом.
Шаг 6. Победа ✨
В итоге мы всё свели:
• Этаж 1 = 125,7 м²
• Этаж 2 = 103,4 м²
• Общая площадь = 229,1 м²
Теперь есть аккуратная цифровая модель, где всё прозрачно: дом → этаж → комнаты → площади. На очереди регистрация задач в контекстах помещений.
🔥 Вывод: без Онто и OntoAI с ChatGPT мы бы утонули в противоречивых бумагах. А так — да, помучались, но зато теперь всё красиво в цифре, и можно гордо сказать: «Дом оцифрован»
первым аттачем в чате будет демонстрация. Посмотрите скрины нашего с чатом мучения при сведении многих документов. Но результат того стоил.
❤4
image_2025-09-01_14-28-17.png
1.2 MB
Знания это же про нас ❤️
Поздравляю🔥
Поздравляю
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
👩💼 Бизнес: «У нас есть функция — подключать абонентов.»
👨💻 Архитектор: «Ага, и вот тут C4, контейнеры, компоненты…»
🤯 Все остальные: «А как это вообще связано?»
Мы готовим статью, которая покажет, что связать карту capabilities и C4 реально можно — через карту контекстов.
Контекст = кто, где и как выполняет функцию. Дальше всё выстраивается само: capability → приложение → компоненты.
👨💻 Архитектор: «Ага, и вот тут C4, контейнеры, компоненты…»
🤯 Все остальные: «А как это вообще связано?»
Мы готовим статью, которая покажет, что связать карту capabilities и C4 реально можно — через карту контекстов.
Контекст = кто, где и как выполняет функцию. Дальше всё выстраивается само: capability → приложение → компоненты.
📌 Цитата:
«Контекст — это мостик: он объясняет, как бизнес-функция оживает в конкретных условиях и превращается в архитектуру.»
👍3🔥1
Всем привет 👋
Мы заметили, что возникают вопросы о том, зачем нужны шаблоны для объектов❓
Давайте попробуем объяснить это попроще.
Мы создали наглядные карточки, чтобы лучше показать, что такое шаблоны. Представьте, вы используете цветные стикеры, как в приложении Miro, чтобы отметить разные вещи. Это хорошо, но так мы узнаем о вещах не так много.
Шаблоны помогают нам увидеть и понять больше: не только что это за объект, но и какие у него особенности. Используя шаблоны и добавляя к ним разные свойства, мы делаем информацию о каждом объекте богаче и полнее.
История "от стикера до объекта"📔
Наша Даша начиналась как простой стикер без четкого определения – мы назвали ее, но еще не знали, кем она будет.
Даша могла превратиться во что угодно: в ракету, животное или книгу.
Но когда мы применили к стикеру шаблон "Человек", Даша приобрела человеческие черты. Затем, добавив атрибуты к шаблону, Даша стала не просто кем-то, а определенным человеком с возрастом и цветом волос.
Так из неопределенного стикера Даша превратилась в уникальную личность с своей историей, продолжение которой в наших карточках...
Мы заметили, что возникают вопросы о том, зачем нужны шаблоны для объектов
Давайте попробуем объяснить это попроще.
Мы создали наглядные карточки, чтобы лучше показать, что такое шаблоны. Представьте, вы используете цветные стикеры, как в приложении Miro, чтобы отметить разные вещи. Это хорошо, но так мы узнаем о вещах не так много.
Шаблоны помогают нам увидеть и понять больше: не только что это за объект, но и какие у него особенности. Используя шаблоны и добавляя к ним разные свойства, мы делаем информацию о каждом объекте богаче и полнее.
История "от стикера до объекта"
Наша Даша начиналась как простой стикер без четкого определения – мы назвали ее, но еще не знали, кем она будет.
Даша могла превратиться во что угодно: в ракету, животное или книгу.
Но когда мы применили к стикеру шаблон "Человек", Даша приобрела человеческие черты. Затем, добавив атрибуты к шаблону, Даша стала не просто кем-то, а определенным человеком с возрастом и цветом волос.
Так из неопределенного стикера Даша превратилась в уникальную личность с своей историей, продолжение которой в наших карточках...
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥 В учебном центре Онто вышла новая статья:
«Онто-методология: от бизнес-функций и контекстов исполнения к C4-диаграммам»
📌 О чём статья?
Мы показываем, как карта контекстов (ситуаций: например, ИП мы услугу продаём одним способом, а РЖД — совершенно другим) может быть связана с архитектурными C4-диаграммами через capability map.
Это способ наглядно перейти от языка бизнеса к языку архитектуры — без потери смысла и с чёткой прослеживаемостью.
💡 Зачем я её написал?
• Это не теория «как правильно по ArchiMate», а рабочий опыт, проверенный в топовом банке. Такой подход позволил сократить время на встречи и согласования в 4–6 раз.
• Я беру не «мастхев-нотации», а то, что экономически оправдано и реально помогает. Здесь C4 — фаворит, потому что в него можно входить без подготовки.
• Главная цель — слышать бизнес и говорить с ним на одном языке. Понимать их лексикон, видеть их ситуации и предлагать решения, а не просто схемы ради схем.
📖 Читайте статью:
https://ontonet.ru/tpost/ckphtrreg1-onto-metodologiya-ot-biznes-funktsii-i-k
«Онто-методология: от бизнес-функций и контекстов исполнения к C4-диаграммам»
📌 О чём статья?
Мы показываем, как карта контекстов (ситуаций: например, ИП мы услугу продаём одним способом, а РЖД — совершенно другим) может быть связана с архитектурными C4-диаграммами через capability map.
Это способ наглядно перейти от языка бизнеса к языку архитектуры — без потери смысла и с чёткой прослеживаемостью.
💡 Зачем я её написал?
• Это не теория «как правильно по ArchiMate», а рабочий опыт, проверенный в топовом банке. Такой подход позволил сократить время на встречи и согласования в 4–6 раз.
• Я беру не «мастхев-нотации», а то, что экономически оправдано и реально помогает. Здесь C4 — фаворит, потому что в него можно входить без подготовки.
• Главная цель — слышать бизнес и говорить с ним на одном языке. Понимать их лексикон, видеть их ситуации и предлагать решения, а не просто схемы ради схем.
📖 Читайте статью:
https://ontonet.ru/tpost/ckphtrreg1-onto-metodologiya-ot-biznes-funktsii-i-k
👍5❤1
Сделали блог для сборки всех материалов которые мы публикуем в канале. Он доступен в центре обучения Онто (https://ontonet.ru/learning) внизу главного раздела блок "наши публикации". Туда же ссылки на видео соберем.
ontonet.ru
Учебный центр
🔥1
Онто.
🚀 Onto × MCP — ещё один левел‑ап! Теперь через MCP можно не только читать граф, но и создавать его: • новое пространство (realm) • любой шаблон (meta entity) • объект с нужным шаблоном и комментарием Что это значит на практике 1. Пустой проект → рабочий…
Коллеги, доброе утро
⚠️ при конфигурации MCP сервера для онто рекомендую вместо "cwd" использовать "PYTHONPATH"
Пример конфигурации
⚠️ при конфигурации MCP сервера для онто рекомендую вместо "cwd" использовать "PYTHONPATH"
Пример конфигурации
{
"mcpServers": {
"onto-mcp-server": {
"command": "python.exe",
"args": [
"-m",
"onto_mcp.server"
],
"env": {
"PYTHONPATH": "D:\\git\\onto\\mcp",
"KEYCLOAK_BASE_URL": "https://app.ontonet.ru",
"KEYCLOAK_REALM": "onto",
"KEYCLOAK_CLIENT_ID": "frontend-prod",
"KEYCLOAK_CLIENT_SECRET": "",
"MCP_TRANSPORT": "stdio",
"ONTO_API_BASE": "https://app.ontonet.ru/api/v2/core"
}
}
}
}