Ontology & Knowledge Graph Engineer

Reale ITES, nata l’1 gennaio 2015, rappresenta per il Gruppo Reale Mutua la prima esperienza di realtà transnazionale e ha l’obiettivo di essere un centro di competenza specializzato nei servizi IT, come è sintetizzato nell’acronimo ITES che corrisponde a Information Technology Engineering Services.

Un’azienda nata all’interno di una realtà consolidata che ha alle spalle una lunga storia e davanti un percorso impegnativo.

Una realtà che nasce dall’idea di mettere insieme uomini e donne di Italia e Spagna per creare una piattaforma unica informatica e sfruttare tutte quelle sinergie che sono necessarie per un gruppo, come il Gruppo Reale Mutua.

Nella realtà lavorativa l’IT è diventata per tutte le aziende un fattore di forte competitività e la missione di Reale ITES è quella di riuscire a migliorare i processi informativi, fornire possibilità operative semplici e veloci, aumentare l’efficienza e l’efficacia dei processi, allo scopo di dare al cliente finale un prodotto eccellente e al Gruppo un elemento competitivo in più.

Per rappresentare questa realtà è stato creato inizialmente un GEIE (Gruppo Europeo di Interesse Economico) con una sede primaria a Torino e una sede secondaria a Madrid con circa 450 dipendenti, 330 dislocati presso le sedi di Torino e 120 a Madrid.

Cerchiamo una figura tecnica che contribuisca alla progettazione e all'evoluzione della conoscenza semantica aziendale, trasformando concetti e regole di business in modelli formali, strutturati e utilizzabili.

La persona lavorerà alla realizzazione di ontologie, Knowledge Graph e modelli semantici, collaborando con team Data, Governance, Architecture e specialisti di dominio.

Attività dell’ufficio

• Definire, governare ed evolvere l’architettura della conoscenza semantica dell’organizzazione, traducendo le esigenze di business e di Data Governance in asset semantici riutilizzabili e tracciabili.

• Progettare e mantenere ontologie, tassonomie, vocabolari controllati e modelli semantici a supporto di Knowledge Graph, Data Product, applicazioni, piattaforme dati e soluzioni di intelligenza artificiale.

• Garantire l’allineamento tra significato di business, metadati, strutture dati fisiche e implementazioni tecnologiche, preservando provenienza, versionamento, qualità e ciclo di vita.

• Collaborare con Data Owner, Knowledge Manager, Data Custodian, Data Governance Specialist, Data Product team, architetti e specialisti di dominio per rendere la conoscenza aziendale formalmente corretta e utilizzabile.

Attività in cui sarà coinvolta la risorsa

• Formalizzare concetti, attributi, relazioni, vincoli e regole semantiche approvati, applicando metodologie, standard, convenzioni di naming e criteri di riuso definiti.

• Sviluppare e mantenere moduli ontologici versionati, modulari e interoperabili, gestendone evoluzione, dipendenze, deprecazione, migrazione e debito tecnico.

• Trasformare definizioni e regole di business validate in rappresentazioni semantiche operative, documentando decisioni di modellazione, assunzioni, limitazioni, provenienza e riferimenti approvativi.

• Definire e mantenere competency question come requisiti semantici verificabili e usare le risposte attese approvate dal Data Owner per misurare copertura e correttezza del modello.

• Eseguire test di consistenza formale, vincoli e regressione; rilevare concetti o relazioni mancanti, inferenze indesiderate e modifiche incompatibili; mantenere evidenze ripetibili di validazione.

• Certificare la validazione tecnica dei release candidate e richiedere la correzione di incoerenze, test falliti, difetti formali o tracciabilità incompleta prima della pubblicazione.

• Implementare, validare e mantenere il Semantic Linking tra concetti ontologici e asset dati fisici, assicurando il corretto allineamento delle versioni e la lineage verticale.

• Valutare l’impatto tecnico delle modifiche su moduli dipendenti, mapping, Knowledge Graph e sistemi consumer, supportando i team nella risoluzione dei difetti.

• Supportare l’implementazione e la manutenzione di Knowledge Graph conformi alle versioni ontologiche approvate, incluse regole di validazione, interrogazione semantica e navigazione delle relazioni.

• Utilizzare strumenti approvati per sviluppo ontologico, reasoning, validazione e grafi; riesaminare le proposte generate con supporto AI e impedire che contenuti non validati siano pubblicati come conoscenza approvata.

• Preparare pacchetti di rilascio, documentazione tecnica e indicazioni per l’integrazione e il corretto consumo degli asset semantici da parte di applicazioni, piattaforme e soluzioni AI.

• Escalare al Data Owner le questioni irrisolte sul significato di business e al Knowledge Manager le eccezioni architetturali, metodologiche o di Knowledge Governance.

Requisiti e conoscenze

• esperienza in ontology engineering, knowledge engineering o tecnologie semantiche, con capacità di trasformare conoscenza di business approvata in modelli formali e operativi.

• conoscenza solida di modellazione concettuale, ontologie, tassonomie, vocabolari controllati, concetti, relazioni, attributi, vincoli e regole semantiche.

• esperienza pratica con strumenti di sviluppo, versionamento, reasoning, validazione e revisione di ontologie, inclusa la gestione strutturata della documentazione tecnica.

• esperienza con Knowledge Graph e tecnologie a grafo, metadata management, Data Lineage e collegamento tra modelli concettuali e asset dati fisici.

• capacità di realizzare test di consistenza, vincoli e regressione, analisi d’impatto e gestione delle dipendenze tra asset semantici.

• capacità di comunicare decisioni di modellazione a stakeholder di business e tecnici e di operare in processi governati di validazione e approvazione.

• Nice to have: conoscenza pratica di RDF/RDFS, OWL, SKOS, SPARQL e SHACL.

• Nice to have: Python, test ontologici automatizzati, reasoning e inferenza, NLP, Generative AI e tecniche di estrazione della conoscenza assistite da AI.

• Nice to have: esperienza con graph database, tecnologie di graph query, architetture Data Product e piattaforme dati, cataloghi e strumenti di metadata management.

• Nice to have: esperienza in contesti regolamentati, data intensive, multidominio, multinazionali o multilingue.

Completano il profilo:

• Pensiero analitico e strutturato, capacità di astrazione concettuale, precisione e forte attenzione al dettaglio.

• Approccio sistematico alla validazione e al problem solving, con capacità di individuare ambiguità, contraddizioni e incoerenze formali.

• Orientamento al riuso, all’interoperabilità, alla manutenibilità e alla tracciabilità degli asset semantici.

• Collaborazione efficace tra funzioni di business, dati, architettura e tecnologia, con comunicazione chiara di modelli complessi.

• Autonomia tecnica entro architetture, metodologie, standard e controlli approvati, con corretta gestione delle escalation e dei confini di responsabilità.

Modalità di lavoro ibrida: ufficio Torino o Milano + 12gg di smartworking al mese