Koniec ery słów kluczowych? Ontology 1 rzuca wyzwanie gigantom e-commerce

Szukasz ’sofy przyjaznej zwierzętom’, a Google Shopping zalewa Cię ofertami najtańszych kanap z poliestru, bo algorytm po prostu dopasował tagi? Ten model właśnie się wyczerpał. Start-up Onton z San Francisco pokazał właśnie model Ontology 1, który zamiast zgadywać statystyczne prawdopodobieństwo na podstawie słów kluczowych, próbuje faktycznie zrozumieć, czym jest produkt i jak działa świat.

To ważne, ponieważ dzisiejsze wyszukiwarki e-commerce są więźniami własnych filtrów i metadanych, które sprzedawcy często wypełniają niedbale lub wprowadzają w błąd. Według badań Onton, Ontology 1 opiera się na architekturze neurosymbolicznej, która buduje jawny, sprawdzalny model rzeczywistości zamiast chować wiedzę w czarnej skrzynce wag sieci neuronowej. Dzięki temu system potrafi zinterpretować intencję zakupu lepiej niż największe wyszukiwarki na planecie.

Poza schemat filtrów i atrybutów

Standard e-commerce od trzech dekad stoi w miejscu: rozmiar, cena, materiał. Gdy jednak szukasz oświetlenia, które ’nada salonowi klimat tokijskiego baru’, tradycyjne algorytmy błądzą. Ich skuteczność wisi na tym, czy producent wpisał odpowiednie tagi. Ontology 1 działa inaczej. Rozkłada niejasne pojęcia na czynniki pierwsze. Szukając przedmiotów dla właścicieli psów, system analizuje obiektywne cechy: splot tkaniny, odporność na zadrapania czy łatwość czyszczenia.

Jeśli model trafi na lukę w wiedzy, nie zmyśla odpowiedzi. Uruchamia proces samouczenia, by zidentyfikować brakujące powiązania. To podejście pozwala ignorować marketingowy szum i kupione recenzje. Jak twórcy zaznaczają w dokumentacji: ‘Ontology 1 buduje jawny, możliwy do skontrolowania model świata, zamiast wchłaniać wzorce do wag sieci’.

Liczby nie kłamią: Mały Dawid kontra Goliaci

Dane z benchmarku Subtext-Decor-90 są brutalne dla liderów rynku. W teście obejmującym 90 złożonych zapytań, Ontology 1 wygrał bezapelacyjnie w 52 przypadkach. Dla porównania: Google Shopping zwyciężył tylko w 19, a Amazon w zaledwie 16. W kategorii precyzji (wskażnik P@10) Onton osiągnął wynik 0,630, wyprzedzając Google (0,543) i deklasując Amazona (0,469).

Najciekawsze jest to, że Onton indeksuje zaledwie 1% katalogu swoich rywali. Mimo tak wąskiej bazy, trafność odpowiedzi jest wyższa, bo system rozumie kontekst, a nie tylko litery w słowach. Choć Amazon wciąż wygrywa tam, gdzie liczy się czysta specyfikacja techniczna – jak znalezienie lampki o konkretnym natężeniu światła do czytania w nocy – to w interpretowaniu ’miękkich’ kryteriów nowa technologia nie ma konkurencji.

Infrastruktura pod agenty AI

Za wynikami stoi Ograph – autorska baza grafowa. Producent deklaruje, że pojedynczy rdzeń tej struktury oferuje stukrotnie wyższą przepustowość niż klasyczne rozwiązania. Dzięki optymalizacji pod układy GPU, model wykonuje wnioskowanie symboliczne w czasie rzeczywistym, co wcześniej było wąskim gardłem systemów AI.

Obecnie model koncentruje się na branży home & decor, ale architektura pozwala na przeszukiwanie dowolnych danych. Onton nie planuje udostępniać kodu w formule open source. Dostęp do technologii otrzymują wybrani partnerzy budujący zaawansowane agenty zakupowe. To sygnał dla branży: czas przestać pytać o słowa kluczowe, a zacząć pytać o sens.