UCA เป็นมาตรฐานการจัดหมวดหมู่ด้วยภาษาธรรมชาติ ซึ่งแบ่งความรู้ทางธุรกิจออกเป็น 11 หมวดที่ Starling เรียกว่า “Organizational Cognates” ระบบนี้กำหนดที่อยู่เชิงความหมายให้แนวคิดสำคัญขององค์กร เพื่อให้คนและระบบ AI ที่รองรับสามารถเรียกข้อมูลตามที่อยู่ที่รู้จัก แทนการพึ่งพาผลการค้นหาเชิงความน่าจะเป็นเพียงอย่างเดียว
ลองนึกภาพระบบจัดหมวดหมู่หนังสือในห้องสมุด โมเดลภาษาอาจถูกเปลี่ยนจากรุ่นหนึ่งเป็นอีกรุ่นหนึ่งได้ แต่แค็ตตาล็อกและหนังสือขององค์กรยังคงอยู่ที่เดิม ตัวอย่างที่ Starling ยกขึ้นมาคือรหัส MA20 สำหรับ “สถานะการแข่งขัน” โดยรหัสนี้ควรคงเดิม แม้เนื้อหาภายใต้รหัสจะมีการปรับปรุงและเปลี่ยนเวอร์ชัน
ดังนั้น UCA จึงไม่ใช่โมเดลภาษาอีกตัวหนึ่ง แต่เป็นชั้นจัดระเบียบสำหรับสิ่งที่ Starling เรียกว่า Domain Language Model (DLM) หรือการนำ LLM ทั่วไปที่ไม่มีสถานะความจำถาวรมาเชื่อมกับความรู้ที่มีโครงสร้างขององค์กรในขณะทำงาน
Starling อธิบายคลังข้อมูลขององค์กรออกเป็นสองส่วนหลัก
ความแตกต่างนี้มีความสำคัญ เพราะเอกสารวิจัยหรือร่างงานอาจช่วยให้ AI ทำงานเสร็จได้ แต่ไม่ควรถูกยกระดับเป็น “ความจริงขององค์กร” โดยอัตโนมัติ Org Library จึงทำหน้าที่รักษาข้อมูลฉบับที่ผ่านการรับรอง ขณะที่ Resources ทำหน้าที่ให้บริบทและวัตถุดิบสำหรับการทำงาน
ระบบยังเน้นการจัดเก็บแบบข้อความเป็นหลัก โดย Starling ระบุว่าความทรงจำขององค์กรจะอยู่ในรูป Markdown แบบข้อความธรรมดาที่อ่านได้และไม่สูญเสียข้อมูล แทนการฝังอยู่ในสถานะภายในที่ตรวจสอบไม่ได้ของโมเดล แนวทางนี้มีเป้าหมายเพื่อให้ข้อมูลตรวจสอบย้อนกลับได้ จัดการเวอร์ชันได้ ย้ายระบบได้ และอ่านได้ทั้งโดยคนและซอฟต์แวร์
ในฝั่งการทำงานของระบบ Starling ระบุว่า machine-side manifest จะรวบรวมบริบทที่เกี่ยวข้องจากคลังข้อมูลซึ่งอยู่ภายใต้การควบคุมของมนุษย์ ก่อนส่งให้โมเดลในแต่ละเซสชัน โมเดลจะรับบริบทไปประมวลผลและสร้างผลงาน แต่ไม่เก็บความรู้ถาวรขององค์กรไว้เป็นความจำของตัวเอง
Starling วางบทบาทของ Model Context Protocol (MCP) ซึ่งเป็นโปรโตคอลของ Anthropic ไว้เป็นชั้นเชื่อมต่อระหว่างโมเดล AI กับบริบทภายนอก เช่น ความรู้ขององค์กร
ในโครงสร้างนี้ UCA ทำหน้าที่กำหนดระบบหมวดหมู่และที่อยู่เชิงความหมาย Repository ทำหน้าที่เก็บข้อมูลที่ผ่านการกำกับดูแล ส่วน MCP ช่วยเชื่อมบริบทดังกล่าวเข้ากับโมเดลในแต่ละเซสชัน
ตามแนวคิดของ Starling การแยกส่วนเช่นนี้ทำให้การสลับโมเดลเป็นไปได้ในหลักการ ความรู้ขององค์กรจะไม่ถูกขังอยู่ในฟีเจอร์ความจำเฉพาะของผู้ให้บริการรายเดียวหรือในประวัติการสนทนา แต่โมเดลที่เข้ากันได้สามารถเชื่อมต่อกับคลังข้อมูลเดียวกันและรับเฉพาะบริบทที่จำเป็นต่อภารกิจนั้น
อย่างไรก็ตาม นี่เป็นข้อเสนอด้านการออกแบบ ไม่ใช่หลักฐานว่าทุกโมเดลหรือทุกสภาพแวดล้อมจะทำงานร่วมกับมาตรฐานได้ดีเท่าเทียมกัน แหล่งข้อมูลที่มีอยู่ในขณะนี้อธิบายสถาปัตยกรรมและแนวทางใช้งานของ Starling แต่ยังไม่ได้พิสูจน์ความสามารถในการทำงานร่วมกันแบบสากลอย่างเป็นอิสระ
Chris Kincade ซีอีโอของ Starling มองว่าอธิปไตยด้าน AI ไม่ได้จบลงที่การเป็นเจ้าของโครงสร้างพื้นฐาน การมี GPU เป็นของตัวเอง การติดตั้งระบบไว้ภายในประเทศ หรือการเลือกผู้ให้บริการโมเดลในประเทศ สิ่งเหล่านั้นอาจเป็นส่วนหนึ่งของการควบคุมระบบ แต่ยังไม่เท่ากับการควบคุมการตัดสินใจ นโยบาย แหล่งที่มา สิทธิ์การเข้าถึง และความรู้ในการดำเนินงานขององค์กร
ภายใต้แนวคิด UCA ทรัพย์สินระยะยาวเหล่านี้จะอยู่ในคลังข้อมูลที่องค์กรควบคุม หากโมเดลถูกอัปเกรด เปลี่ยนผู้ให้บริการ ใช้งานไม่ได้ หรือไม่ผ่านข้อกำหนดด้านธรรมาภิบาล องค์กรก็ควรยังคงมีความรู้เดิมและเชื่อมต่อโมเดลใหม่เข้ากับชุดข้อมูลหลักชุดเดียวกันได้
แนวทางนี้อาจลดการพึ่งพาผู้ขาย AI รายเดียว เพราะสินทรัพย์สำคัญที่สุด ซึ่งก็คือความรู้ที่ผ่านการจัดหมวดหมู่และกำกับดูแล ไม่ได้อยู่ภายในโมเดล แต่อยู่ใน Repository ที่องค์กรควบคุม นอกจากนี้ยังอาจช่วยเพิ่มความยืดหยุ่นของระบบ เพราะโมเดลไม่ต้องทำหน้าที่เป็นที่เก็บความทรงจำของสถาบันในระยะยาว
นี่คือที่มาของประโยคที่ Starling ใช้อธิบายแนวคิดนี้ว่า “โมเดลลืม แต่องค์กรจดจำ” โมเดลทำหน้าที่ใช้เหตุผลในหนึ่งเซสชัน ส่วนองค์กรยังคงรักษาบันทึก ที่อยู่เชิงความหมาย และกติกาที่ทำให้งานมีความต่อเนื่อง
บริษัทระบุว่า UCA จะเปิดให้ใช้งานฟรีอย่างถาวรภายใต้สัญญาอนุญาต Creative Commons ทำให้องค์กรสามารถนำมาตรฐานไปต่อยอดได้โดยไม่ต้องขอใบอนุญาตหรือได้รับอนุญาตจาก Starling
จุดนี้ทำให้ UCA แตกต่างจากฟีเจอร์ความจำที่ผูกอยู่กับแพลตฟอร์มใดแพลตฟอร์มหนึ่ง ในทางทฤษฎี มาตรฐานการจัดหมวดหมู่แบบเปิดอาจอยู่ได้นานกว่าผลิตภัณฑ์ที่นำไปใช้เป็นรายแรก องค์กรสามารถจัดโครงสร้างความรู้ตามมาตรฐาน แล้วเลือกประเมินเครื่องมือสำหรับจัดเก็บ ค้นคืน และเชื่อมต่อโมเดลในภายหลัง
แต่คุณค่าที่เกิดขึ้นจริงจะขึ้นอยู่กับจำนวนผู้ใช้งาน คุณภาพของการนำไปพัฒนา และธรรมาภิบาลภายในองค์กร ที่อยู่ถาวรจะมีประโยชน์ก็ต่อเมื่อทีมเห็นตรงกันว่าที่อยู่นั้นหมายถึงอะไร มีผู้ดูแลข้อมูลหลัก และควบคุมการแก้ไขอย่างรอบคอบ การจัดหมวดหมู่อาจทำให้ค้นข้อมูลได้ง่ายขึ้น แต่ไม่ได้รับประกันว่าข้อมูลนั้นถูกต้องหรือเป็นปัจจุบันโดยอัตโนมัติ
เอกสารของ Starling เชื่อมโยงสถาปัตยกรรมนี้กับกรณีใช้งานด้านการโค้ชส่วนบุคคล การตลาด การบริหารงานก่อสร้าง และบริการทางกฎหมาย นอกจากนี้ยังมีคำรับรองจาก Brady Patterson แห่ง SelfOS ซึ่งระบุว่าการทำให้ความรู้มี “จุดยึดที่ชัดเจน” ช่วยลดการสูญเสียบริบทและการที่ข้อมูลค่อย ๆ เบี่ยงเบนจากต้นฉบับ
อย่างไรก็ตาม ควรอ่านตัวอย่างเหล่านี้ด้วยความระมัดระวัง แหล่งข้อมูลที่มีอยู่ยังไม่ได้ยืนยันอย่างเป็นอิสระถึงความสัมพันธ์กับ QuillOS ของ Wrks Online ขนาดของการติดตั้งจริง หรือผลลัพธ์ด้านประสิทธิภาพที่วัดได้ คำกล่าวจาก SelfOS จึงควรถูกมองว่าเป็นการรับรองจากผู้ใช้งานหรือผู้ปฏิบัติงานรายหนึ่ง ไม่ใช่การตรวจสอบประสิทธิผลของ UCA โดยหน่วยงานอิสระ
ในภาพรวม หลักฐานที่มีอยู่ส่วนใหญ่ยังมาจากเอกสารผลิตภัณฑ์ของ Starling และข่าวการเปิดตัว หลักฐานเหล่านี้สนับสนุนสิ่งที่บริษัทเปิดตัวและวิธีที่บริษัทอธิบายสถาปัตยกรรม แต่ยังไม่เพียงพอที่จะสรุปว่า UCA ให้ความแม่นยำสูงกว่า ต้นทุนต่ำกว่า ปลอดภัยกว่า หรือเป็นอิสระจากผู้ขายมากกว่าในการใช้งานจริง
ข้อเสนอหลักของ UCA คือ องค์กรควรสร้างชั้นความทรงจำที่มีอายุยืน อ่านได้โดยมนุษย์ และอยู่ภายใต้การกำกับดูแล ก่อนให้โมเดล AI เข้ามาใช้เหตุผลกับความรู้ของบริษัท
ที่อยู่เชิงความหมายแบบถาวรทำหน้าที่เป็นระบบจัดระเบียบ Org Library เก็บข้อมูลหลักที่องค์กรรับรอง Resources เก็บเอกสารสนับสนุนและผลงานระหว่างทำ ส่วน MCP ช่วยเชื่อมบริบทภายนอกเข้ากับโมเดลในแต่ละเซสชัน
Starling MX คือแพลตฟอร์มรุ่นเบต้าตัวแรกที่สร้างขึ้นตามแนวคิดนี้ โดยมีราคาเริ่มต้น 99 ดอลลาร์สหรัฐต่อเดือนสำหรับผู้ใช้งานคนแรก สถาปัตยกรรมดังกล่าวนำเสนอคำตอบที่เป็นรูปธรรมต่อปัญหา vendor lock-in และความทรงจำขององค์กร นั่นคือเก็บความรู้ขององค์กรไว้แยกจากโมเดล เพื่อให้โมเดลเปลี่ยนได้โดยไม่ต้องสูญเสียความทรงจำขององค์กรไปพร้อมกัน
แต่คำมั่นสัญญานี้จะทำได้จริงในระดับใหญ่เพียงใดยังเป็นคำถามเปิด ซึ่งต้องรอหลักฐานจากการใช้งานจริงและการประเมินโดยหน่วยงานอิสระ
UCA เป็นมาตรฐานการจัดหมวดหมู่ด้วยภาษาธรรมชาติ ซึ่งแบ่งความรู้ทางธุรกิจออกเป็น 11 หมวดที่ Starling เรียกว่า “Organizational Cognates” ระบบนี้กำหนดที่อยู่เชิงความหมายให้แนวคิดสำคัญขององค์กร เพื่อให้คนและระบบ AI ที่รองรับสามารถเรียกข้อมูลตามที่อยู่ที่รู้จัก แทนการพึ่งพาผลการค้นหาเชิงความน่าจะเป็นเพียงอย่างเดียว
ลองนึกภาพระบบจัดหมวดหมู่หนังสือในห้องสมุด โมเดลภาษาอาจถูกเปลี่ยนจากรุ่นหนึ่งเป็นอีกรุ่นหนึ่งได้ แต่แค็ตตาล็อกและหนังสือขององค์กรยังคงอยู่ที่เดิม ตัวอย่างที่ Starling ยกขึ้นมาคือรหัส MA20 สำหรับ “สถานะการแข่งขัน” โดยรหัสนี้ควรคงเดิม แม้เนื้อหาภายใต้รหัสจะมีการปรับปรุงและเปลี่ยนเวอร์ชัน
ดังนั้น UCA จึงไม่ใช่โมเดลภาษาอีกตัวหนึ่ง แต่เป็นชั้นจัดระเบียบสำหรับสิ่งที่ Starling เรียกว่า Domain Language Model (DLM) หรือการนำ LLM ทั่วไปที่ไม่มีสถานะความจำถาวรมาเชื่อมกับความรู้ที่มีโครงสร้างขององค์กรในขณะทำงาน
Starling อธิบายคลังข้อมูลขององค์กรออกเป็นสองส่วนหลัก
ความแตกต่างนี้มีความสำคัญ เพราะเอกสารวิจัยหรือร่างงานอาจช่วยให้ AI ทำงานเสร็จได้ แต่ไม่ควรถูกยกระดับเป็น “ความจริงขององค์กร” โดยอัตโนมัติ Org Library จึงทำหน้าที่รักษาข้อมูลฉบับที่ผ่านการรับรอง ขณะที่ Resources ทำหน้าที่ให้บริบทและวัตถุดิบสำหรับการทำงาน
ระบบยังเน้นการจัดเก็บแบบข้อความเป็นหลัก โดย Starling ระบุว่าความทรงจำขององค์กรจะอยู่ในรูป Markdown แบบข้อความธรรมดาที่อ่านได้และไม่สูญเสียข้อมูล แทนการฝังอยู่ในสถานะภายในที่ตรวจสอบไม่ได้ของโมเดล แนวทางนี้มีเป้าหมายเพื่อให้ข้อมูลตรวจสอบย้อนกลับได้ จัดการเวอร์ชันได้ ย้ายระบบได้ และอ่านได้ทั้งโดยคนและซอฟต์แวร์
ในฝั่งการทำงานของระบบ Starling ระบุว่า machine-side manifest จะรวบรวมบริบทที่เกี่ยวข้องจากคลังข้อมูลซึ่งอยู่ภายใต้การควบคุมของมนุษย์ ก่อนส่งให้โมเดลในแต่ละเซสชัน โมเดลจะรับบริบทไปประมวลผลและสร้างผลงาน แต่ไม่เก็บความรู้ถาวรขององค์กรไว้เป็นความจำของตัวเอง
Starling วางบทบาทของ Model Context Protocol (MCP) ซึ่งเป็นโปรโตคอลของ Anthropic ไว้เป็นชั้นเชื่อมต่อระหว่างโมเดล AI กับบริบทภายนอก เช่น ความรู้ขององค์กร
ในโครงสร้างนี้ UCA ทำหน้าที่กำหนดระบบหมวดหมู่และที่อยู่เชิงความหมาย Repository ทำหน้าที่เก็บข้อมูลที่ผ่านการกำกับดูแล ส่วน MCP ช่วยเชื่อมบริบทดังกล่าวเข้ากับโมเดลในแต่ละเซสชัน
ตามแนวคิดของ Starling การแยกส่วนเช่นนี้ทำให้การสลับโมเดลเป็นไปได้ในหลักการ ความรู้ขององค์กรจะไม่ถูกขังอยู่ในฟีเจอร์ความจำเฉพาะของผู้ให้บริการรายเดียวหรือในประวัติการสนทนา แต่โมเดลที่เข้ากันได้สามารถเชื่อมต่อกับคลังข้อมูลเดียวกันและรับเฉพาะบริบทที่จำเป็นต่อภารกิจนั้น
อย่างไรก็ตาม นี่เป็นข้อเสนอด้านการออกแบบ ไม่ใช่หลักฐานว่าทุกโมเดลหรือทุกสภาพแวดล้อมจะทำงานร่วมกับมาตรฐานได้ดีเท่าเทียมกัน แหล่งข้อมูลที่มีอยู่ในขณะนี้อธิบายสถาปัตยกรรมและแนวทางใช้งานของ Starling แต่ยังไม่ได้พิสูจน์ความสามารถในการทำงานร่วมกันแบบสากลอย่างเป็นอิสระ
Chris Kincade ซีอีโอของ Starling มองว่าอธิปไตยด้าน AI ไม่ได้จบลงที่การเป็นเจ้าของโครงสร้างพื้นฐาน การมี GPU เป็นของตัวเอง การติดตั้งระบบไว้ภายในประเทศ หรือการเลือกผู้ให้บริการโมเดลในประเทศ สิ่งเหล่านั้นอาจเป็นส่วนหนึ่งของการควบคุมระบบ แต่ยังไม่เท่ากับการควบคุมการตัดสินใจ นโยบาย แหล่งที่มา สิทธิ์การเข้าถึง และความรู้ในการดำเนินงานขององค์กร
ภายใต้แนวคิด UCA ทรัพย์สินระยะยาวเหล่านี้จะอยู่ในคลังข้อมูลที่องค์กรควบคุม หากโมเดลถูกอัปเกรด เปลี่ยนผู้ให้บริการ ใช้งานไม่ได้ หรือไม่ผ่านข้อกำหนดด้านธรรมาภิบาล องค์กรก็ควรยังคงมีความรู้เดิมและเชื่อมต่อโมเดลใหม่เข้ากับชุดข้อมูลหลักชุดเดียวกันได้
แนวทางนี้อาจลดการพึ่งพาผู้ขาย AI รายเดียว เพราะสินทรัพย์สำคัญที่สุด ซึ่งก็คือความรู้ที่ผ่านการจัดหมวดหมู่และกำกับดูแล ไม่ได้อยู่ภายในโมเดล แต่อยู่ใน Repository ที่องค์กรควบคุม นอกจากนี้ยังอาจช่วยเพิ่มความยืดหยุ่นของระบบ เพราะโมเดลไม่ต้องทำหน้าที่เป็นที่เก็บความทรงจำของสถาบันในระยะยาว
นี่คือที่มาของประโยคที่ Starling ใช้อธิบายแนวคิดนี้ว่า “โมเดลลืม แต่องค์กรจดจำ” โมเดลทำหน้าที่ใช้เหตุผลในหนึ่งเซสชัน ส่วนองค์กรยังคงรักษาบันทึก ที่อยู่เชิงความหมาย และกติกาที่ทำให้งานมีความต่อเนื่อง
บริษัทระบุว่า UCA จะเปิดให้ใช้งานฟรีอย่างถาวรภายใต้สัญญาอนุญาต Creative Commons ทำให้องค์กรสามารถนำมาตรฐานไปต่อยอดได้โดยไม่ต้องขอใบอนุญาตหรือได้รับอนุญาตจาก Starling
จุดนี้ทำให้ UCA แตกต่างจากฟีเจอร์ความจำที่ผูกอยู่กับแพลตฟอร์มใดแพลตฟอร์มหนึ่ง ในทางทฤษฎี มาตรฐานการจัดหมวดหมู่แบบเปิดอาจอยู่ได้นานกว่าผลิตภัณฑ์ที่นำไปใช้เป็นรายแรก องค์กรสามารถจัดโครงสร้างความรู้ตามมาตรฐาน แล้วเลือกประเมินเครื่องมือสำหรับจัดเก็บ ค้นคืน และเชื่อมต่อโมเดลในภายหลัง
แต่คุณค่าที่เกิดขึ้นจริงจะขึ้นอยู่กับจำนวนผู้ใช้งาน คุณภาพของการนำไปพัฒนา และธรรมาภิบาลภายในองค์กร ที่อยู่ถาวรจะมีประโยชน์ก็ต่อเมื่อทีมเห็นตรงกันว่าที่อยู่นั้นหมายถึงอะไร มีผู้ดูแลข้อมูลหลัก และควบคุมการแก้ไขอย่างรอบคอบ การจัดหมวดหมู่อาจทำให้ค้นข้อมูลได้ง่ายขึ้น แต่ไม่ได้รับประกันว่าข้อมูลนั้นถูกต้องหรือเป็นปัจจุบันโดยอัตโนมัติ
เอกสารของ Starling เชื่อมโยงสถาปัตยกรรมนี้กับกรณีใช้งานด้านการโค้ชส่วนบุคคล การตลาด การบริหารงานก่อสร้าง และบริการทางกฎหมาย นอกจากนี้ยังมีคำรับรองจาก Brady Patterson แห่ง SelfOS ซึ่งระบุว่าการทำให้ความรู้มี “จุดยึดที่ชัดเจน” ช่วยลดการสูญเสียบริบทและการที่ข้อมูลค่อย ๆ เบี่ยงเบนจากต้นฉบับ
อย่างไรก็ตาม ควรอ่านตัวอย่างเหล่านี้ด้วยความระมัดระวัง แหล่งข้อมูลที่มีอยู่ยังไม่ได้ยืนยันอย่างเป็นอิสระถึงความสัมพันธ์กับ QuillOS ของ Wrks Online ขนาดของการติดตั้งจริง หรือผลลัพธ์ด้านประสิทธิภาพที่วัดได้ คำกล่าวจาก SelfOS จึงควรถูกมองว่าเป็นการรับรองจากผู้ใช้งานหรือผู้ปฏิบัติงานรายหนึ่ง ไม่ใช่การตรวจสอบประสิทธิผลของ UCA โดยหน่วยงานอิสระ
ในภาพรวม หลักฐานที่มีอยู่ส่วนใหญ่ยังมาจากเอกสารผลิตภัณฑ์ของ Starling และข่าวการเปิดตัว หลักฐานเหล่านี้สนับสนุนสิ่งที่บริษัทเปิดตัวและวิธีที่บริษัทอธิบายสถาปัตยกรรม แต่ยังไม่เพียงพอที่จะสรุปว่า UCA ให้ความแม่นยำสูงกว่า ต้นทุนต่ำกว่า ปลอดภัยกว่า หรือเป็นอิสระจากผู้ขายมากกว่าในการใช้งานจริง
ข้อเสนอหลักของ UCA คือ องค์กรควรสร้างชั้นความทรงจำที่มีอายุยืน อ่านได้โดยมนุษย์ และอยู่ภายใต้การกำกับดูแล ก่อนให้โมเดล AI เข้ามาใช้เหตุผลกับความรู้ของบริษัท
ที่อยู่เชิงความหมายแบบถาวรทำหน้าที่เป็นระบบจัดระเบียบ Org Library เก็บข้อมูลหลักที่องค์กรรับรอง Resources เก็บเอกสารสนับสนุนและผลงานระหว่างทำ ส่วน MCP ช่วยเชื่อมบริบทภายนอกเข้ากับโมเดลในแต่ละเซสชัน
Starling MX คือแพลตฟอร์มรุ่นเบต้าตัวแรกที่สร้างขึ้นตามแนวคิดนี้ โดยมีราคาเริ่มต้น 99 ดอลลาร์สหรัฐต่อเดือนสำหรับผู้ใช้งานคนแรก สถาปัตยกรรมดังกล่าวนำเสนอคำตอบที่เป็นรูปธรรมต่อปัญหา vendor lock-in และความทรงจำขององค์กร นั่นคือเก็บความรู้ขององค์กรไว้แยกจากโมเดล เพื่อให้โมเดลเปลี่ยนได้โดยไม่ต้องสูญเสียความทรงจำขององค์กรไปพร้อมกัน
แต่คำมั่นสัญญานี้จะทำได้จริงในระดับใหญ่เพียงใดยังเป็นคำถามเปิด ซึ่งต้องรอหลักฐานจากการใช้งานจริงและการประเมินโดยหน่วยงานอิสระ