Las ontologías vuelven a estar de moda: cómo los agentes de IA y Neo4j reviven la web semántica

En 2026, los ingenieros de agentes de IA regresan en masa a las ontologías, grafos de conocimiento estructurados de la era de la web semántica (Semantic Web), para mantener a los modelos de lenguaje probabilísticos dentro de límites lógicos deterministas. Este enfoque, que combina redes neuronales con reglas simbólicas, se conoce como IA neurosimbólica (neurosymbolic AI).

Por qué los agentes necesitan ontologías

Las ontologías fijan al agente un marco rígido del que no puede «desviarse» de los hechos: describen los datos como un grafo, con los tipos de entidades, sus propiedades y sus relaciones en un dominio concreto. Un modelo de lenguaje grande destaca en el razonamiento probabilístico, pero esa misma naturaleza probabilística hace al agente impredecible; la ontología funciona como un limitador lógico y mantiene al modelo dentro de un conjunto de reglas definido.

No es necesario preparar estos esquemas desde cero: la web ya ha acumulado estándares maduros.

• La «IA neurosimbólica» es la combinación de redes neuronales con sistemas simbólicos basados en reglas
• Ontologías web ya disponibles: Schema.org, FOAF, Dublin Core, RDFS y OWL (Web Ontology Language)
• Emil Eifrem (CEO de Neo4j) distingue tres tipos de ontologías para agentes: de negocio, técnica y de trazas de ejecución
• OpenLink Software construye una «pila de ingeniería para agentes» sobre tecnologías de la web semántica
• El tema se trató en AI Engineer World's Fair 2026; la ponencia de Frank Coyle, de UC Berkeley, duró 20 minutos

Las tres capas de conocimiento según Neo4j

Emil Eifrem, CEO de la base de datos de grafos Neo4j, divide las ontologías para agentes en tres niveles. El primero es la ontología de negocio, comprensible para las personas. El segundo es la ontología técnica, es decir, los metadatos corporativos. El tercero son las trazas de ejecución (execution traces), las señales que el agente deja mientras trabaja.

Neo4j integra las ontologías directamente en sus productos para agentes, y su competidora OpenLink Software, dirigida por Kingsley Idehen, construye con tecnologías de Semantic Web una pila completa para la ingeniería de agentes.

Por qué fracasó antes la web semántica

Los primeros intentos de construir una web semántica, en las décadas de 1990 y 2000, fracasaron sobre todo porque mantener las ontologías a mano era demasiado caro. Estándares como RDFS y OWL existían desde hacía décadas, pero las personas tenían que describir y actualizar manualmente los esquemas de conocimiento, y no daban abasto.

El desarrollador de IA Prasenjit Sarkar propone una solución que hace veinte años no estaba disponible: que sea el propio agente quien mantenga las ontologías, actualizándolas sobre la marcha mientras trabaja. Lo que en su día mató a la Semantic Web ahora puede convertirse en su salvación.

«La belleza de una ontología está en que define los tipos de entidades y relaciones a través de los cuales el lenguaje adquiere un contexto computable», —

Kingsley Idehen, fundador de OpenLink Software.

Qué significa

Las ontologías no son un paso atrás, sino la capa de control que faltaba para los agentes: cuantas más empresas confían acciones reales a los modelos de lenguaje, mayor es la demanda de límites deterministas que impidan que un modelo probabilístico cometa errores costosos.

Preguntas frecuentes

¿Qué es una ontología en palabras sencillas?

Una ontología es un esquema formal de conocimiento en forma de grafo: enumera los tipos de objetos de un dominio, sus propiedades y las conexiones entre ellos. Para un agente de IA, es un mapa de hechos y relaciones admisibles, del que no sale.

¿Qué es la IA neurosimbólica?

La IA neurosimbólica (neurosymbolic AI) es la unión de redes neuronales con sistemas simbólicos basados en reglas. La red neuronal se encarga del procesamiento probabilístico del lenguaje, y la ontología simbólica, de las restricciones lógicas deterministas.

¿Por qué la web semántica no despegó en la década de 2000?

Según los participantes en el debate, la razón principal es el coste del mantenimiento manual de las ontologías: existían los estándares RDFS y OWL, pero los esquemas de conocimiento tenían que actualizarlos personas. La idea de 2026 es confiar ese mantenimiento a los propios agentes.