エージェントに「業務の地図」を渡す：NVIDIA × Palantir のオントロジーと GraphRAG

エージェントに社内のデータを使わせる時、文書を検索して渡すだけでは足りない場面が増えています。「どの顧客が、どの注文で、どの倉庫とつながっているか」「この在庫を動かしてよいのは誰か」。必要なのは、文書の断片ではなく、業務の物と関係と操作の地図です。この地図を、オントロジーと呼びます。

NVIDIA × Palantir：オントロジーに GPU を

NVIDIA と Palantir は 2025 年 10 月 28 日、Palantir のオントロジーに、NVIDIA の GPU の計算、CUDA-X のライブラリー、Nemotron のモデルを組み込むと発表しました。

• 推論のモデル Nemotron Super 49B を、モデルの一覧から使える。
• NeMo Retriever の埋め込み（文章を、意味の近さで探せる数の並びに変える仕組み）を使う。
• 線形計画などの最適化を解く cuOpt で、在庫の配置や配送の経路を最適化する（マーケットプレイスで提供予定）。
• RAG と、オントロジーで補う生成（OAG：Ontology-Augmented Generation）を動かす。

NVIDIA の CEO は「AI を行動に移し、企業のデータを判断のための知能に変える」という共通のビジョンを語り、この連携を「AI に特化したアプリとエージェントを動かす、次の世代のエンジン」と表しました。発表の時点では、米国でホストされる契約だけが対象です。

GraphRAG：文書から地図を作る

オントロジーを人が設計するのに対し、文書から自動で地図を作るのが Microsoft の GraphRAG です。2024 年の論文（arXiv 2404.16130）で示され、オープンソースとして公開されています。

1. LLM が文書から、物（エンティティ）と関係を取り出し、知識のグラフを作る。
2. 関係の深い物のまとまり（コミュニティ）ごとに、要約を先に作っておく。
3. 「データ全体で主な話題は何か」のような質問には、まとまりごとの要約から部分の答えを作り、最後に 1 つにまとめる。

普通の RAG は、質問に似た断片を探すので、全体を問う質問が苦手でした。論文は、約 100 万トークンの規模のデータで、答えの網羅性と多様性が大きく上がったと報告しています。

作り手にとっての意味

エージェントに仕事を任せるほど、「何を知っているか」より「何をしてよいか」が大切になります。Palantir のオントロジーが、物と関係だけでなく操作まで定義するのは、そのためです。

GraphRAG は地図を速く作る方法、オントロジーは地図に操作と権限を載せる方法、と分けて考えると、組み合わせ方が見えてきます。まずは、自分のサービスの「物・関係・操作」を書き出すところから始めるのがおすすめです。それが、エージェントに渡すいちばん良い指示書になります。