متخصص تاکسونومی و آنتولوژی
Taxonomist / Ontologist
«متخصص وب معنایی» (Semantic Web Specialist) عنوانی نیست که کارفرماها به کار ببرند؛ در جستجوی آگهی‌های ۲۰۲۶ حتی یک آگهی با این عنوان پیدا نکردیم. همین کار با عنوان‌های Taxonomist و Ontologist آگهی می‌شود و گاهی با Taxonomy & Metadata Specialist، Ontology Consultant یا Semantic Modeler. این متخصص طبقه‌بندی‌ها (taxonomy)، واژگان کنترل‌شده، طرح‌وارهٔ متادیتا و هستی‌شناسی‌ها (ontology) را طراحی و نگهداری می‌کند تا محصول، محتوا و داده برای جستجو، مدل‌های یادگیری ماشین و ایجنت‌های هوش مصنوعی پیدا و فهمیدنی باشد؛ از دسته‌بندی کالا در Vinted و سلسله‌مراتب محصولات 3M تا ontology پوشش بیمه که سیستم‌های AI شرکت Bold Penguin روی آن کار می‌کنند. فرقش با مهندس گراف دانش این است که این نقش خودِ مدل و واژگان را می‌سازد و نگه می‌دارد و ساختن pipeline و پایگاه گراف در پروداکشن کار مهندس است. برنامه‌نویسی در خیلی از این آگهی‌ها در حد پایه است (Vinted فقط SQL پایه و Excel می‌خواهد) و رشته‌هایی مثل کتابداری و علم اطلاعات، زبان‌شناسی و فلسفه هم پذیرفته می‌شوند.
مقدمه و تعریف شغل
Taxonomist و Ontologist ساختار معنایی‌ای می‌سازند که محصول، محتوا و داده با آن نام‌گذاری، دسته‌بندی و به هم وصل می‌شوند. taxonomy سلسله‌مراتبی از دسته‌ها و اصطلاح‌هاست، مثل دسته‌های کالا در یک فروشگاه با ویژگی‌هایی مثل سایز و جنس؛ واژگان کنترل‌شده تعیین می‌کند هر مفهوم با کدام اصطلاح مرجح ثبت شود؛ ontology یک قدم جلوتر می‌رود و کلاس‌ها، رابطه‌ها، ویژگی‌ها و قواعد یک دامنه را صوری تعریف می‌کند تا ماشین بتواند روی آن استدلال کند. آگهی Alvarez & Marsal این گذر را صریح نوشته است: تبدیل taxonomyهای تخت به ontologyهای پیچیده با تعریف رابطه‌ها، کلاس‌ها و ویژگی‌ها. استانداردهای وب معنایی، یعنی SKOS برای taxonomy و اصطلاح‌نامه، OWL و RDF برای ontology و SPARQL برای پرس‌وجو، زبان مشترک این کارند؛ اما بیشتر وقت این متخصص صرف گفت‌وگو با متخصصان دامنه، تصمیم‌های مدل‌سازی، مستندسازی و حاکمیت می‌شود.
به نوشتهٔ دانشگاه بوفالو، ارسطو را با جدول مقولاتش برای رده‌بندی چیزهای جهان می‌توان نخستین هستی‌شناس دانست، اما هستی‌شناسی کاربردی در دههٔ ۱۹۷۰ پدید آمد، وقتی سیستم‌های رایانه‌ای بزرگ هر کدام داده را به شکل خودشان ثبت می‌کردند و نمی‌توانستند با هم کار کنند. سنت دیگر از سازمان‌دهی اطلاعات می‌آید: به نوشتهٔ ویکی‌پدیا، واژگان کنترل‌شده راهی برای سازمان‌دهی دانش برای بازیابی بعدی است و در نمایه‌سازی موضوعی، سرعنوان‌ها، اصطلاح‌نامه‌ها و taxonomyها به کار می‌رود. طبق همان منبع، W3C در ۱۸ اوت ۲۰۰۹ استاندارد SKOS را منتشر کرد تا این واژگان روی RDF و به‌صورت دادهٔ پیوندی منتشر شوند. در ۲۰۲۶ این کار مصرف‌کنندهٔ تازه‌ای دارد: هوش مصنوعی. Gartner در مه ۲۰۲۶ گفت ایجنت‌های AI بدون فهم روشن رابطه‌ها و قواعد دادهٔ سازمان دقیق کار نمی‌کنند و بیشتر دچار توهم می‌شوند، و آگهی‌ها همین را تکرار می‌کنند: Johnson & Johnson می‌خواهد داده «آمادهٔ ایجنت» شود، Red Bull دنبال محتوای «آماده برای AI» است و تیم Airbnb متادیتا و محتوایی را مدیریت می‌کند که چت‌بات‌های AI هم از آن استفاده می‌کنند. حقوق در آگهی‌های آمریکا پراکنده است: از ۵۷٬۰۰۰ تا ۷۷٬۷۹۲ دلار برای نقش taxonomy و حاکمیت دادهٔ محصول در JCPenney تا ۱۴۱٬۶۴۸ تا ۲۲۶٬۶۳۷ دلار حقوق پایه برای Senior Taxonomy & Metadata Specialist در Capital Group.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک متخصص تاکسونومی و آنتولوژی
taxonomy کالا در یک بازار آنلاین
در Vinted، taxonomist دسته‌ها و ناوبری رو به خریدار و فروشنده را در حوزه‌های مختلف کالا طراحی و بازبینی می‌کند و ویژگی‌هایی می‌سازد که به خریدار در محدود کردن جستجو و به فروشنده در توصیف کالا کمک می‌کنند.
سلسله‌مراتب جهانی محصولات
در 3M، Taxonomist طراحی و مدیریت Global Product Hierarchy را بر عهده دارد: خودِ ساختار، طرح‌وارهٔ ویژگی‌ها و متادیتای وابسته، با ورودی از بازاریاب‌ها و مهندسان کاربرد بخش‌های مختلف شرکت.
ontology پوشش بیمه برای AI
در Bold Penguin، ontology پوشش بیمه مدل رسمی‌ای است که سیستم‌های AI با آن پوشش را می‌فهمند؛ متخصص ontology آن را با متخصص بیمه و مهندسان AI به schema، قرارداد داده و استدلال ایجنت‌ها می‌رساند.
ontology داده‌های کشف دارو
در Johnson & Johnson، Senior Ontologist ماژول‌های ontology، واژگان کنترل‌شده و نگاشت‌ها را برای آنتی‌بادی، مهندسی پروتئین و متادیتای آزمایش‌ها می‌سازد و آن‌ها را به‌صورت دارایی‌های آمادهٔ API برای گراف دانش، محصولات داده و AI منتشر می‌کند.
ontology بیمارمحور برای وب و ایجنت‌ها
در NYU Langone، این نقش ontologyای بیمارمحور و آماده برای AI می‌سازد که taxonomyهای موجود، معماری اطلاعات وب و جستجوی واقعی بیماران را هم‌راستا می‌کند تا برچسب‌گذاری پروفایل پزشکان و ایجنت‌های AI بیمارستان بهتر کار کنند.
ontology کالا و خرید سازمانی
در GEP، طراح ontology کلاس‌ها، رابطه‌ها و taxonomyهای کالا، دسته، تأمین‌کننده و هزینه را با RDF، OWL و SKOS مدل می‌کند و آن‌ها را با استانداردهای UNSPSC، eClass و GS1 تطبیق می‌دهد.
تخصص‌های مختلف متخصص تاکسونومی و آنتولوژی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
taxonomist کالا و تجارت الکترونیک
Product / E-commerce Taxonomist
دسته‌ها، ویژگی‌ها و ناوبری کالا برای جستجو، فیلتر و کیفیت آگهی؛ مثل Vinted، JCPenney و 3M. ابزار کار PIM، نگاشت به taxonomyهای بازار و تحلیل رفتار جستجو است.
taxonomy و متادیتای سازمانی
Enterprise Taxonomy & Metadata
متادیتا و برچسب‌گذاری محتوا و دارایی‌های دیجیتال در DAM، CMS و SharePoint؛ مثل Capital Group، NYU Langone و Alvarez & Marsal. پیشینهٔ کتابداری و علم اطلاعات در این مسیر بیش از همه خواسته می‌شود.
هستی‌شناس کاربردی
Applied / Formal Ontologist
ontologyهای صوری با OWL و ontology بالادستی BFO برای امنیت ملی و علوم زیستی؛ مثل JHU APL، Johnson & Johnson و Thermo Fisher. مدرک فلسفه، منطق یا یک علم پایه در این مسیر رایج است.
مشاور معنایی
Semantic Consultant
طراحی، ارزیابی و راه‌اندازی taxonomy و ontology برای مشتریان مختلف؛ مثل Enterprise Knowledge (Ontology Consultant و Semantic Modeler) و Kaiasm که نیروی ورودی را خودش آموزش می‌دهد.
دانش آماده برای AI و لایهٔ معنایی
AI-Ready Knowledge / Semantic Layer
ontology و متادیتا برای grounding ایجنت‌ها، RAG و جستجوی معنایی؛ مثل Bold Penguin، Red Bull و ISACA. همان چیزی که Gartner در مه ۲۰۲۶ نبودنش را علت خطای ایجنت‌های AI دانست.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
طبق صفحهٔ مهندس گراف دانش این سایت، Ontologist بیشتر روی خودِ مدل کار می‌کند و مهندس گراف دانش همان مدل را در پروداکشن پیاده می‌کند: pipeline داده، یکی‌سازی موجودیت‌ها و پایگاه گراف. آگهی‌هایی که برای این صفحه خواندیم همین تقسیم کار را نشان می‌دهند: Bold Penguin از Ontology Specialist می‌خواهد مرجع «مدل رسمی» باشد و مدل را با مهندسان داده و AI به schema و استدلال ایجنت‌ها برساند، و Vinted برای Taxonomist فقط SQL پایه و Excel می‌خواهد. مرز در سطح ارشد نرم است؛ Senior Ontologist در Johnson & Johnson ماژول‌های ontology را مدل، کدنویسی، آزمون و منتشر می‌کند و Red Bull، Python و SPARQL می‌خواهد.
طبق صفحهٔ زبان‌شناس محاسباتی این سایت، آن نقش پدیده‌های زبانی را به قاعده، طبقه‌بندی و معیار برچسب‌گذاری تبدیل می‌کند تا سیستم‌های زبانی بهتر شوند. Taxonomist هم طبقه‌بندی و راهنمای برچسب‌گذاری می‌نویسد (GEP از Product Ontology Designer راهنمای برچسب‌زن‌ها را می‌خواهد)، اما موضوعش مفاهیم یک کسب‌وکار است، نه خودِ زبان: کالا، پوشش بیمه، داده‌های آزمایشگاه یا محتوای بازاریابی. پیشینهٔ زبان‌شناسی در هر دو پذیرفته است؛ Capital One زبان‌شناسی محاسباتی را یکی از حوزه‌های کاری متادیتا می‌شمارد و Enterprise Knowledge، JHU APL و Bold Penguin مدرک زبان‌شناسی را قبول دارند.
طبق صفحهٔ مهندس RAG این سایت، آن نقش کیفیت بازیابی را با تکه‌بندی، embedding، جستجوی hybrid و reranking بالا می‌برد. Taxonomist ورودی معنایی همین سیستم‌ها را می‌سازد: متادیتا، دسته‌ها و مفاهیمی که برای فیلتر، طبقه‌بندی و grounding به کار می‌روند. Thermo Fisher از Enterprise Ontologist می‌خواهد جستجوی معنایی، طبقه‌بندی محتوا، RAG و grounding را بهتر کند و Red Bull مفاهیم کسب‌وکار را به ساختارهایی تبدیل می‌کند که پشتوانهٔ RAG و ایجنت‌ها باشند؛ اما ساختن pipeline بازیابی در هیچ‌کدام از این آگهی‌ها کار اصلی نیست.
طبق صفحهٔ مدیر حاکمیت داده این سایت، آن نقش برای داده‌های مهم سازمان مالک تعیین می‌کند، تعریف‌های مشترک و قواعد کیفیت می‌نویسد و metadata و lineage را در کاتالوگ ثبت می‌کند. Taxonomist یک لایه پایین‌تر کار می‌کند و خودِ واژگان، دسته‌ها و طرح‌وارهٔ متادیتا را طراحی و نگهداری می‌کند. همپوشانی زیاد است: Capital Group از Senior Taxonomy & Metadata Specialist می‌خواهد سیاست و استاندارد سازگاری متادیتا و برچسب‌گذاری را در همهٔ تیم‌ها تعیین و اجرا کند و Red Bull حاکمیت فدرال دادهٔ بدون ساختار را از متخصص semantics می‌خواهد. فرق در خروجی است: خروجی Taxonomist یک مدل معنایی است، نه برنامهٔ حاکمیت.
تأثیر در صنایع مختلف
متخصص تاکسونومی و آنتولوژی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
تجارت الکترونیک و خرده‌فروشی
Vinted با taxonomy کالا ناوبری، جستجو و کیفیت آگهی‌ها را برای بازاری چندرسته‌ای می‌سازد و JCPenney دادهٔ محصول را برای طبقه‌بندی و غنی‌سازی خودکار با AI آماده می‌کند
تولید صنعتی
3M سلسله‌مراتب جهانی محصولات، طرح‌وارهٔ ویژگی‌ها و متادیتای آن را با یک Taxonomist مدیریت می‌کند
مالی و مدیریت سرمایه
Capital Group محتوای بازاریابی را با taxonomy و متادیتای سازگار با الزامات FINRA و SEC سازمان می‌دهد و Capital One برای استراتژی داده‌اش ontologyهای سازمانی می‌سازد
بیمه
Bold Penguin ontology پوشش بیمه را مدل رسمی سیستم‌های AI خود کرده تا استخراج، طبقه‌بندی و تحلیل پوشش دقیق و قابل توضیح باشد
دارو و علوم زیستی
Johnson & Johnson داده‌های کشف داروهای زیستی را با ontology آمادهٔ ایجنت می‌کند و Thermo Fisher مدل‌های معنایی گراف دانش سازمانی و تجربه‌های دیجیتال مبتنی بر AI خود را با Enterprise Ontologist می‌سازد
سلامت
NYU Langone با ontology بیمارمحور، taxonomy وب و دارایی‌های دیجیتال را یکپارچه می‌کند تا جستجوی بیماران و ایجنت‌های AI بیمارستان بهتر کار کنند
دفاع و امنیت ملی
JHU APL برای نیازهای امنیت ملی کنار مهندسان نرم‌افزار و دانشمندان داده ontology می‌سازد و Enterprise Knowledge برای سازمان‌های فدرال مدل معنایی طراحی می‌کند
خرید و زنجیرهٔ تأمین
GEP لایهٔ دادهٔ معنایی پلتفرم خرید خود را روی ontology کالا، دسته، تأمین‌کننده و هزینه بنا می‌کند
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
Taxonomist یعنی زیست‌شناس رده‌بند
این کلمه در زیست‌شناسی هم به کار می‌رود و O*NET جستجوی «taxonomist» را اول به مشاغل زیست‌شناسی می‌برد. اما در آگهی‌های این صفحه، taxonomist دسته‌بندی کالا (Vinted، 3M)، متادیتای محتوا (Capital Group) یا دانش یک سازمان (ISACA) را می‌سازد. موقع جستجوی کار باید این دو را از هم جدا کنید.
برای این کار باید برنامه‌نویس قوی بود
در بیشتر آگهی‌ها برنامه‌نویسی در حد پایه است: Vinted «SQL پایه و Excel یا Google Sheets» می‌خواهد، Alvarez & Marsal کدنویسی را «امتیاز، نه شرط» می‌داند و Kaiasm کار با Google Sheets و ابزارهای AI را. در نقش‌های ontology ارشد وضع فرق می‌کند؛ Red Bull، Python و SPARQL می‌خواهد و Johnson & Johnson ماژول‌های ontology را «کد و آزمون» می‌کند.
مدل‌های زبانی taxonomy را بی‌مصرف کرده‌اند
آگهی‌های ۲۰۲۶ عکس این را می‌گویند. ISACA از LLM برای ساخت taxonomy و طبقه‌بندی محتوا استفاده می‌کند، اما همراه با بازبینی انسانی؛ Johnson & Johnson می‌نویسد ایجنت‌ها بدون ontology دادهٔ علمی را درست نمی‌فهمند؛ و Gartner در مه ۲۰۲۶ گفت نبودِ semantics ایجنت‌ها را نادقیق و پرهزینه می‌کند.
taxonomy را یک بار می‌سازند و تمام
Bold Penguin ontology را «دارایی زنده» می‌نامد و برای آن نسخه‌بندی، کنترل تغییر و استاندارد کیفیت می‌خواهد، Vinted از طراحی، بازبینی و نگهداری مداوم taxonomy حرف می‌زند و NYU Langone برای سلامت taxonomy و کیفیت متادیتا شاخص و گزارش دوره‌ای می‌خواهد.
taxonomy و ontology یکی‌اند
taxonomy بیشتر سلسله‌مراتب دسته‌ها و اصطلاح‌هاست و W3C برای آن SKOS را ساخته؛ ontology رابطه‌ها، کلاس‌ها، ویژگی‌ها و قواعد را هم تعریف می‌کند و معمولاً با OWL بیان می‌شود. آگهی Alvarez & Marsal همین گذر را جزو وظایف آورده است: تبدیل taxonomyهای تخت به ontologyهای پیچیده.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
ورود (۰–۲ سال)
بر اساس آگهی Junior Data & Ontology Consultant در Kaiasm: داده‌های مشتری را بررسی می‌کنید، با نرم‌افزار ontology شرکت ساختار اطلاعات را نمایش می‌دهید و بیشتر وقت صرف دقت در جزئیات می‌شود. آگهی از نامزد می‌خواهد «روشمند، دقیق و حتی کمی وسواسی» باشد.
- ◆شناسایی موجودیت‌ها و رابطه‌های میان آن‌ها همراه با تیم و مشتری
- ◆پیدا کردن ویژگی‌هایی که هر موجودیت را درست توصیف می‌کنند
- ◆به‌روزرسانی اصطلاح‌ها و مترادف‌ها در صفحه‌گسترده یا ابزار مدیریت taxonomy
- ◆نوشتن تعریف روشن برای هر دسته و مستندسازی موارد مبهم
- ◆استفاده از ابزارهای AI برای پیش‌نویس و بررسی کار
میانی (۲–۵ سال)
بر اساس آگهی‌های Taxonomist در Vinted و Product Ontology Designer در GEP: مالک taxonomy یا ontology یک حوزه هستید و تغییرها را از پژوهش تا ارزیابی پیش می‌برید.
- ◆پژوهش و طراحی یک تغییر در دسته‌ها یا ویژگی‌ها و آزمودن آن با پژوهش کاربر و تحلیل داده
- ◆نوشتن قواعد SHACL و آزمودن ontology روی دادهٔ واقعی کاتالوگ با SPARQL
- ◆نگاشت ساختار شرکت به استانداردهایی مثل UNSPSC، eClass یا GS1
- ◆نوشتن راهنمای برچسب‌گذاری و داوری موارد سخت طبقه‌بندی
- ◆جلسه با مهندسان، مدیران محصول و تیم‌های حقوقی، محلی‌سازی و پشتیبانی
ارشد (۵+ سال)
بر اساس آگهی‌های Bold Penguin، Capital Group و ISACA: تصمیم نهایی دربارهٔ مدل با شماست و بخش بزرگی از کار، حاکمیت، آموزش و توضیح دادن است.
- ◆تصمیم نهایی دربارهٔ معنای مفاهیم و رابطه‌ها در مدل رسمی
- ◆بنا کردن نسخه‌بندی، کنترل تغییر و استانداردهای کیفیت
- ◆تحلیل رفتار جستجو و عملکرد بازیابی برای اصلاح taxonomy
- ◆طراحی روند برچسب‌گذاری با LLM و بازبینی انسانی
- ◆آموزش تیم‌ها و نوشتن مستندات تا دانش به یک نفر وابسته نماند
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈طراحی، بازبینی و نگهداری taxonomy، ناوبری و ویژگی‌های محصول یا محتوا، از دسته‌ها تا مقادیر مجاز هر ویژگی
- ◈طراحی و پیاده‌سازی ontology با RDF، OWL و SKOS: کلاس‌ها، رابطه‌ها، ویژگی‌ها و قواعد، و نگاشت آن به استانداردهای صنعت
- ◈طراحی طرح‌وارهٔ متادیتا و اعمال آن در سیستم‌هایی مثل DAM، PIM، CMS و SharePoint، و برنامه‌ریزی مهاجرت متادیتا میان سیستم‌ها
- ◈آماده کردن taxonomy و ontology برای طبقه‌بندی یادگیری ماشین، برچسب‌گذاری خودکار با LLM، جستجوی معنایی، RAG و grounding ایجنت‌ها
- ◈سنجیدن کیفیت taxonomy با داده‌های جستجو، رفتار کاربر و دقت طبقه‌بندی، و اصلاح آن بر اساس شواهد
- ◈گفت‌وگو با متخصصان دامنه، تیم محصول و مهندسان برای بیرون کشیدن دانش و تبدیل نیاز به مدل، و توضیح تصمیم‌های مدل‌سازی به زبان ساده
- ◈تعیین استاندارد، نسخه‌بندی، کنترل تغییر و روند حاکمیت taxonomy و ontology به‌عنوان دارایی‌ای که دائم تغییر می‌کند
- ◈نوشتن مستندات و راهنمای برچسب‌گذاری و آموزش تیم‌ها برای استفادهٔ درست از taxonomy
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک متخصص تاکسونومی و آنتولوژی موفق به آن‌ها نیاز دارد
مهارت‌های فنی
دسته‌ها، ویژگی‌ها، مقادیر و ناوبری؛ در آگهی‌های Vinted، 3M، JCPenney، Capital Group و ISACA
اصطلاح مرجح، مترادف و رابطه‌های میان مفاهیم؛ ISACA، Capital One، Red Bull، GEP و Bold Penguin SKOS را خواسته‌اند
کلاس‌ها، ویژگی‌ها و قواعد؛ Enterprise Knowledge، JHU APL، Johnson & Johnson، Thermo Fisher و GEP. در Vinted فقط امتیاز است
طراحی و اعمال متادیتا در سیستم‌های مختلف؛ Capital Group، NYU Langone و Alvarez & Marsal
پرس‌وجو برای آزمودن مدل روی دادهٔ واقعی؛ Vinted SQL پایه می‌خواهد و JHU APL، GEP و Red Bull SPARQL
Protégé، PoolParty و TopQuadrant؛ Capital One و GEP هر سه را نام برده‌اند
استفاده از LLM برای ساخت taxonomy و طبقه‌بندی با بازبینی انسانی (ISACA) و برچسب‌گذاری خودکار (Enterprise Knowledge، NYU Langone)
مهارت‌های نرم
تبدیل حرف متخصص دامنه به ساختار دقیق و آزمودنی (Bold Penguin) و برگزاری جلسه‌های کشف نیاز (Enterprise Knowledge)
Vinted توضیح فایدهٔ taxonomy به مخاطبان مختلف را می‌خواهد و Capital Group توضیح مفاهیم متادیتا به زبان کسب‌وکار را
Vinted نیاز خریدار، فروشنده و مدل‌های یادگیری ماشین را کنار هم می‌خواهد
Capital Group توانایی اثر گذاشتن بر تیم‌ها بدون اختیار مستقیم را شرط گذاشته است
نوشتن استاندارد و راهنما و آموزش کاربران (Vinted، Capital Group، NYU Langone)
Kaiasm نامزد «روشمند، دقیق و حتی کمی وسواسی» می‌خواهد و JCPenney توجه زیاد به جزئیات
دانش حوزه‌ای
Vinted تسلط به معماری اطلاعات را کنار طراحی taxonomy می‌خواهد و Enterprise Knowledge تجربهٔ به‌کار بستن آن را
بیمه (Bold Penguin)، علوم زیستی (Johnson & Johnson، Thermo Fisher)، خرید (GEP) یا خدمات مالی (Capital Group)
UNSPSC، eClass و GS1 (GEP)، FIBO و ACORD (Bold Penguin)، ESCO و O*NET (ISACA) و BFO (JHU APL)
3M، NYU Langone، Capital Group و JCPenney تجربه با این سیستم‌ها را خواسته‌اند
ISACA و JCPenney اصلاح taxonomy بر اساس رفتار جستجو و بازخورد کاربر را می‌خواهند
Capital Group شناخت الزامات FINRA و SEC را برای متادیتای محتوای مالی می‌خواهد
Thermo Fisher فهم جستجوی معنایی، RAG و grounding را می‌خواهد و Red Bull تجربهٔ به‌کار بستن semantics در AI مولد و ایجنتی را
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به متخصص تاکسونومی و آنتولوژی
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
پایه‌ها: سازمان‌دهی اطلاعات، taxonomy و واژگان کنترل‌شده
نقطهٔ شروع این کار برنامه‌نویسی نیست، سازمان‌دهی اطلاعات است. به نوشتهٔ ویکی‌پدیا، واژگان کنترل‌شده استفاده از اصطلاح‌های ازپیش‌تعیین‌شده و مرجح را اجباری می‌کند و taxonomy، اصطلاح‌نامه (thesaurus) و فهرست سرعنوان‌های موضوعی همه از این خانواده‌اند. استاندارد ANSI/NISO Z39.19 قواعد ساختن و مدیریت این واژگان را می‌گوید. آگهی‌ها هم از همین پایه شروع می‌کنند: Vinted «تسلط به اصول طراحی taxonomy و ontology و معماری اطلاعات» می‌خواهد و Capital Group توانایی طراحی taxonomy و طرح‌وارهٔ متادیتا در سطح سازمان و تبدیل نیاز کسب‌وکار به استاندارد را.
استانداردهای وب معنایی: SKOS، RDF، OWL و SPARQL
این همان بخش «وب معنایی» در عنوان قدیمی است. به نوشتهٔ ویکی‌پدیا، SKOS توصیهٔ W3C برای بیان اصطلاح‌نامه‌ها، طرح‌های رده‌بندی و taxonomyهاست و روی RDF و RDFS ساخته شده؛ یعنی taxonomy شما را به داده‌ای تبدیل می‌کند که می‌شود در وب منتشر و به واژگان دیگر پیوند داد. برای ontology سراغ OWL می‌روید و برای پرس‌وجو سراغ SPARQL. آگهی‌ها این استانداردها را با شدت متفاوت می‌خواهند: ISACA «درک عمیق SKOS، RDF، OWL و SPARQL» را شرط گذاشته، Enterprise Knowledge تخصص در RDF، OWL، SHACL و SPARQL را، و Vinted تسلط به RDF و OWL را فقط امتیاز می‌داند.
طراحی ontology و مدل‌سازی دامنه
طراحی ontology یعنی تصمیم بگیرید در یک دامنه چه موجودیت‌هایی هست، چه رابطه‌ای میانشان برقرار است و هر موجودیت با چه ویژگی‌هایی توصیف می‌شود؛ آگهی Kaiasm کار روزانهٔ نیروی ورودی را با همین سه کار شرح می‌دهد. Enterprise Knowledge می‌خواهد کل چرخهٔ عمر ontology را از گردآوری نیاز تا حاکمیت پیش ببرید و Bold Penguin «بیرون کشیدن دانش از متخصص دامنه و تبدیل آن به ساختاری دقیق و آزمودنی» را. استفاده از استانداردهای موجود هم بخشی از کار است: JHU APL آشنایی با ontology بالادستی BFO و Dublin Core را امتیاز می‌داند، GEP نگاشت به UNSPSC، eClass و GS1 را می‌خواهد و ISACA کار با چارچوب‌هایی مثل ESCO و O*NET را.
ابزارها، سیستم‌ها و حاکمیت taxonomy
taxonomy در یک سیستم زندگی می‌کند و باید آن را همان‌جا نگه دارید. ابزارهای مدیریت taxonomy و ontology در آگهی‌ها تکرار می‌شوند: Capital One از Protégé، TopQuadrant و PoolParty نام می‌برد و ISACA ابزارهای Graphwise (Graph Modeling، GraphDB و PoolParty) را. محل مصرف هم مهم است: 3M تجربه با PIM، MDM، CMS یا DAM را شرط گذاشته، NYU Langone پلتفرم DAM به نام Bynder را اداره می‌کند و Alvarez & Marsal طرح‌وارهٔ متادیتا را در SharePoint Online، Snowflake و Box اعمال می‌کند. حاکمیت هم جدی است: Bold Penguin نسخه‌بندی، کنترل تغییر و سازگاری با نسخه‌های قبلی را می‌خواهد و NYU Langone شاخص‌هایی برای سلامت taxonomy و کیفیت متادیتا.
taxonomy و ontology برای هوش مصنوعی
در آگهی‌های ۲۰۲۶ مصرف‌کنندهٔ تازهٔ taxonomy و ontology مدل‌ها و ایجنت‌ها هستند. Vinted تجربهٔ ساخت taxonomy برای سیستم‌های طبقه‌بندی یادگیری ماشین را می‌خواهد، ISACA روش‌های مبتنی بر LLM برای ساخت taxonomy و طبقه‌بندی محتوا را «همراه با بازبینی انسانی»، و Johnson & Johnson می‌نویسد ایجنت‌های AI بدون واژگان مشترک، رابطه‌ها و قیدهایی که ontology فراهم می‌کند نمی‌توانند دادهٔ علمی را درست بفهمند. Gartner هم در مه ۲۰۲۶ گفت مدل‌های دادهٔ مبتنی بر schema به‌تنهایی برای AI ایجنتی کافی نیستند، چون زمینهٔ کسب‌وکار و معنای داده را ندارند.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
مدیریت taxonomy و ontology
ویرایشگر رایگان ontology از Stanford؛ Enterprise Knowledge، JHU APL، Capital One و GEP نامش را آورده‌اند
ابزار تجاری مدیریت taxonomy و ontology؛ Graphwise ابزار Graph Modeling خود را «ابزار مدیریت taxonomy و ontology» معرفی می‌کند. ISACA، Capital One و GEP، PoolParty را نام برده‌اند
سازندهٔ ابزارهای TopBraid؛ Capital One نام TopQuadrant را آورده، GEP ابزار TopBraid را و JHU APL ویرایشگر TopBraid Composer را. صفحهٔ TopBraid EDG در سایت شرکت حالا به محصول TQ Data Foundation می‌رسد
استانداردها و واژگان مرجع
استاندارد W3C برای بیان taxonomy و اصطلاح‌نامه روی RDF؛ ISACA، Capital One، Red Bull، GEP و Bold Penguin آن را خواسته‌اند
واژگانی از typeها و ویژگی‌ها که سلسله‌مراتبی چیده شده‌اند و برای دادهٔ ساختاریافته در وب به کار می‌روند؛ نقطهٔ شروع خوبی برای استفادهٔ دوباره به‌جای ساختن از صفر
اصطلاح‌های استاندارد متادیتا از DCMI؛ JHU APL آشنایی با Dublin Core را در کنار SKOS و BFO امتیاز می‌داند
سیستم‌هایی که taxonomy در آن‌ها به کار می‌رود
پلتفرم مدیریت دارایی‌های دیجیتال (DAM)؛ NYU Langone اداره و یکپارچه‌سازی آن با طرح‌وارهٔ متادیتای سازمان را از این نقش می‌خواهد
سرویس متادیتای SharePoint؛ Alvarez & Marsal تجربهٔ مدیریت ساختار متادیتا در آن را شرط گذاشته است
سیستم مدیریت اطلاعات محصول (PIM)؛ 3M تجربه با Informatica P360 یا Hybris Backoffice را برای Taxonomist امتیاز می‌داند
پرس‌وجو و تحلیل
پرس‌وجو روی RDF؛ JHU APL، ISACA، Red Bull و GEP آن را خواسته‌اند و Capital One SQL یا SPARQL را
Vinted «SQL پایه» می‌خواهد، NYU Langone آشنایی با SQL و Alvarez & Marsal SQL برای Snowflake را امتیاز می‌داند
در بیشتر آگهی‌ها امتیاز است، نه شرط (Bold Penguin و JHU APL)؛ Red Bull آن را کنار SPARQL خواسته است
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
ورود (Junior Ontology Consultant / Taxonomy Analyst)
۰ تا ۲ سال
آگهی ورودی کم است اما وجود دارد: Kaiasm در بریتانیا برای Junior Data & Ontology Consultant هیچ سابقهٔ ontology نمی‌خواهد، خودش آموزش می‌دهد و از کسانی که از علوم، داده، فلسفه، زبان‌شناسی، مدیریت اطلاعات، ریاضی یا حقوق می‌آیند استقبال می‌کند؛ حقوقش ساعتی ۱۳٫۴۵ پوند است. کار روزانه شناسایی موجودیت‌ها، رابطه‌ها و ویژگی‌ها با تیم و مشتری است. کمترین سابقه در آگهی‌های دیگری که خواندیم ۲ سال بود (Enterprise Knowledge).
Taxonomist / Ontologist
۲ تا ۵ سال
مالک taxonomy یا ontology یک دامنه است: در Vinted دسته‌ها و ویژگی‌های کالا را طراحی و بازبینی می‌کند و تغییرها را با پژوهش کاربر و تحلیل داده می‌آزماید؛ در GEP ontology کالا و خرید را با RDF، OWL و SKOS می‌سازد، قواعد SHACL می‌نویسد و برای برچسب‌زن‌ها راهنما تهیه می‌کند. سابقهٔ خواسته‌شده در این سطح ۲ تا ۵ سال است (Enterprise Knowledge ۲+، GEP و Johnson & Johnson ۳+، JCPenney ۳ تا ۵).
Senior Taxonomist / Senior Ontologist / Taxonomy Architect
۵ سال به بالا
استاندارد و حاکمیت را تعیین می‌کند و تصمیم نهایی دربارهٔ معنای مفاهیم با اوست: Bold Penguin از Ontology Specialist می‌خواهد مرجع «مدل رسمی» باشد و نسخه‌بندی و کنترل تغییر را بنا کند، Capital Group از Senior Taxonomy & Metadata Specialist سیاست و استاندارد برچسب‌گذاری در همهٔ تیم‌ها را، و ISACA از Sr. Taxonomy & Ontology Architect کمک به نقشهٔ راه معماری دانش را. سابقهٔ خواسته‌شده: Bold Penguin و Thermo Fisher ۵+، Capital Group و NYU Langone ۷+، ISACA ۸+.
مدیر تیم ontology یا معماری دانش
از ۴ تا ۱۲ سال به بالا، بسته به شرکت
Capital One برای Manager, Ontology & Data Modeling دست‌کم ۴ سال تجربه در یک حوزهٔ متادیتا می‌خواهد؛ این مدیر تیم‌هایی را رهبری می‌کند که ontology می‌سازند، کارکنان جونیور ontology را منتور می‌کند و ارزش semantics را در کل شرکت ترویج می‌دهد. Airbnb برای Senior Manager, Content & Knowledge Architecture دوازده سال سابقه و پنج سال مدیریتِ مدیران می‌خواهد؛ او تیم‌های taxonomy و ontology، ابزار محتوا و بهینه‌سازی برای AI را رهبری می‌کند.
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
جایی که دسته‌ها جواب نمی‌دهند
عمومیهر taxonomy به چیزهایی می‌رسد که در هیچ دسته‌ای جا نمی‌شوند. Kaiasm در فرایند استخدام همین را می‌پرسد: اگر سیستمی برای «حمل‌ونقل» بسازید، ماشین پرنده را کجا می‌گذارید؟ خودرویی است که پرواز می‌کند یا هواپیمایی که رانده می‌شود؟ اصلاً مهم است؟ این تصمیم‌ها جواب قطعی ندارند و باید مستند شوند.
نیازهای متضاد ذی‌نفعان
عمومیخریدار، فروشنده، تیم جستجو و مدل یادگیری ماشین هر کدام ساختار متفاوتی را ترجیح می‌دهند. Vinted از taxonomist می‌خواهد این نیازها را متوازن کند و با گروه بزرگی از تیم‌ها، از مهندسی تا حقوقی و پشتیبانی، کار کند.
تغییر بدون خراب کردن
استارتاپوقتی سیستم‌ها و ایجنت‌ها به یک مدل وابسته‌اند، هر تغییر ممکن است چیزی را بشکند. Bold Penguin تجربهٔ حاکمیت مدل در طول زمان، یعنی نسخه‌بندی، مدیریت تغییر و سازگاری با نسخه‌های قبلی را شرط گذاشته است.
متادیتای پراکنده در سیستم‌های مختلف
شرکت بزرگAlvarez & Marsal از این نقش می‌خواهد طرح‌وارهٔ متادیتا را میان SharePoint Online، Snowflake و Box یکسان نگه دارد، مهاجرت متادیتا میان پلتفرم‌ها را بدون از دست رفتن داده انجام دهد و taxonomyهای قدیمی را با استانداردهای جهانی شرکت هماهنگ کند.
کیفیت برچسب‌گذاری خودکار
شرکت بزرگLLM سریع برچسب می‌زند، اما همیشه درست نه. ISACA روندهای حاکمیتی با بازبینی انسانی را برای تأیید برچسب‌گذاری خودکار، گسترش ontology و طبقه‌بندی محتوا می‌خواهد و Enterprise Knowledge استفاده از AI مولد در ساخت و ارزیابی مدل را «با حفظ قابلیت توضیح».
نشان دادن ارزش کار
شرکت بزرگtaxonomy خوب دیده نمی‌شود؛ فقط وقتی بد است همه متوجه می‌شوند. NYU Langone از این نقش شاخص‌هایی برای سلامت taxonomy، کیفیت متادیتا و میزان استفاده می‌خواهد تا ارزش کار را نشان دهد و Capital One از مدیر تیم می‌خواهد ارزش ontology و semantics را در کل شرکت توضیح دهد و ترویج کند.
حقوق و بازار کار جهانی
حقوق جهانی متخصص تاکسونومی و آنتولوژی
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- Glassdoor US, 'Taxonomist', estimate updated Apr 2025: 25th–75th pct; average (131 salaries)
- Glassdoor US, 'Ontologist', estimate updated Apr 2025: 25th–75th pct; average (188 salaries)
- JCPenney posting, Digital Sr Specialist - Taxonomy & Product Data Governance (Dallas, TX; 3–5 yrs), posted Oct 2026: pay range; median = midpoint
- Enterprise Knowledge posting, Ontology Consultant (Arlington, VA; 2+ yrs), posted Jul 2026: salary range; median = midpoint
- GEP Worldwide posting, Product Ontology Designer (Clark, NJ; 3+ yrs), posted Oct 2026: salary range; median = midpoint
- NYU Langone Health posting, Senior Manager - Ontology & Digital Asset Management (New York; 7+ yrs), posted Oct 2026: salary range; median = midpoint
- Capital Group posting, Senior Taxonomy & Metadata Specialist (Southern California; 7+ yrs), posted Oct 22, 2026: base salary range; median = midpoint
- Airbnb posting, Senior Manager, Content & Knowledge Architecture (CA/OR/WA; 12+ yrs, manages managers), posted Oct 19, 2026: base pay range; median = midpoint
- Vinted posting, Taxonomist, Supply (Berlin; years not stated), first published Sep 22, 2026: annual gross salary range; median = midpoint
- Kaiasm posting, Junior Data & Ontology Consultant (Somerset; entry level, no ontology experience required), posted Oct 2026: £13.45/hour, stated as £26,298 a year
- ITJobsWatch, 6 months to 23 Oct 2026: UK permanent ads citing Taxonomies (proxy: skill, not job title); 25th–75th pct, median (48 salaries)
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: taxonomy و واژگان کنترل‌شده
استاندارد Z39.19 را مرور کنید و دورهٔ آنلاین Heather Hedden را بگذرانید. یک taxonomy کوچک برای حوزهٔ خودتان بکشید.
ماه ۲: SKOS، RDF و SPARQL
ماژول رایگان SKOS در DARIAH-Campus را بگذرانید، taxonomy ماه اول را به SKOS تبدیل کنید و با آموزش SPARQL ویکی‌داده پرس‌وجو نوشتن را تمرین کنید.
ماه ۳: OWL و Protégé
Ontology Development 101 را قدم‌به‌قدم در Protégé اجرا کنید و آموزش Pizza را تمام کنید.
ماه ۴: پروژهٔ taxonomy کالا
پروژهٔ اول پورتفولیو را انجام دهید و ساختارتان را به taxonomy متن‌باز Shopify و دستهٔ کالای Google نگاشت کنید.
ماه ۵: برچسب‌گذاری با LLM
کمی Python یاد بگیرید و پروژهٔ برچسب‌گذاری خودکار را با یک نمونهٔ دستی برای سنجش دقت انجام دهید.
ماه ۶: پورتفولیو و جستجوی کار
پروژه‌ها را با README روشن منتشر کنید و همهٔ عنوان‌ها را جستجو کنید: Taxonomist، Ontologist، Taxonomy & Metadata Specialist، Ontology Consultant و Semantic Modeler. کنفرانس Taxonomy Boot Camp هم جای خوبی برای شناختن این جامعه است.
پروژه‌های پیشنهادی برای رزومه
taxonomy چندوجهی برای یک دسته کالا، با نگاشت به taxonomyهای بازار
مبتدییک دسته کالا انتخاب کنید (مثلاً لوازم ورزشی). دسته‌ها، ویژگی‌ها (سایز، جنس، رنگ) و مقادیر مجاز هر ویژگی را طراحی کنید، صد کالای واقعی را با آن برچسب بزنید و ساختار خود را به taxonomy متن‌باز Shopify و دستهٔ کالای Google نگاشت کنید. در README بنویسید کجا دو ساختار با هم نمی‌خواندند و چه تصمیمی گرفتید. این همان کاری است که Vinted و JCPenney از taxonomist می‌خواهند: ویژگی‌هایی که به خریدار در فیلتر کردن و به فروشنده در توصیف کالا کمک کنند.
اصطلاح‌نامهٔ دوزبانهٔ فارسی-انگلیسی در SKOS، پیوندخورده به ESCO
متوسطبرای یک حوزهٔ کوچک (مثلاً عنوان‌های شغلی داده و هوش مصنوعی) اصطلاح‌نامه‌ای با اصطلاح مرجح، مترادف‌ها و رابطه‌های عام‌تر، خاص‌تر و مرتبط بسازید، به هر مفهوم برچسب فارسی و انگلیسی بدهید، آن را با SKOS در قالب Turtle منتشر کنید و هر مفهوم را به مفهوم معادلش در ESCO پیوند دهید. با چند پرس‌وجوی SPARQL نشان دهید ساختار درست است. ISACA کار با ESCO و O*NET را از معمار taxonomy می‌خواهد و Vinted زبان‌های دیگر بازارهایش را امتیاز می‌داند.
ontology یک دامنه با پرسش‌های آزمون SPARQL و قواعد SHACL
متوسطدامنهای را انتخاب کنید که می‌شناسید (مثلاً بیمهٔ بدنهٔ خودرو یا نسخه‌های دارویی)، با یک متخصص آن حوزه گفت‌وگو کنید و فهرست موجودیت‌ها، رابطه‌ها و ویژگی‌ها را بنویسید. ontology را در Protégé بسازید، ده پرسش SPARQL بنویسید که ontology باید جوابشان را بدهد و قواعد SHACL که دادهٔ نادرست را رد کنند. تصمیم‌های مدل‌سازی را مستند کنید. Bold Penguin دقیقاً همین را می‌خواهد: دانش متخصص به ساختاری دقیق و آزمودنی تبدیل شود.
برچسب‌گذاری خودکار با LLM و بازبینی انسانی
پیشرفتهtaxonomy پروژهٔ اول یا دوم را بردارید و با یک LLM دویست سند یا کالا را برچسب بزنید. یک نمونهٔ دستی برچسب‌خورده بسازید، دقت (precision) و فراخوانی (recall) را برای هر دسته گزارش کنید و روندی بگذارید که برچسب‌های کم‌اطمینان برای بازبینی انسانی برود. ISACA روش‌های مبتنی بر LLM همراه با بازبینی انسانی را برای طبقه‌بندی محتوا می‌خواهد و Enterprise Knowledge تجربهٔ راه‌اندازی برچسب‌گذاری خودکار را امتیاز می‌داند.
ontology برای grounding یک دستیار هوش مصنوعی
پیشرفتهروی ontology پروژهٔ سوم یک دستیار پرسش و پاسخ بسازید و دو نسخه را مقایسه کنید: یکی فقط با RAG روی اسناد و دیگری با دسترسی به ontology و دادهٔ ساختاریافته از طریق پرس‌وجوی SPARQL. روی بیست پرسش هر دو را بسنجید و نتیجه را صادقانه بنویسید، حتی اگر در بعضی پرسش‌ها ontology کمکی نکرد. Johnson & Johnson و Bold Penguin طراحی مدل دانش برای grounding ایجنت‌ها را می‌خواهند.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
به گفتهٔ صفحهٔ معرفی خودش، taxonomist اطلاعات است و در نمایه‌سازی، متادیتا و ontology هم تجربه دارد؛ پیشینه‌اش نویسندگی و ویرایش است. در Cengage Learning ویراستار ارشد واژگان بوده و اصطلاح‌نامهٔ موضوعی بخش Gale را نگه می‌داشته، در Semantic Web Company برای مشتریان PoolParty مدل‌سازی taxonomy و ontology می‌کرده و در Enterprise Knowledge مشاور ارشد بوده است. از ۲۰۰۴ کسب‌وکار مشاورهٔ خودش را دارد.
نویسندهٔ کتاب «The Accidental Taxonomist» است (۲۰۱۰، ویراست دوم ۲۰۱۶ و ویراست سوم ۲۰۲۲). دوره‌ای آنلاین در ساخت taxonomy درس می‌دهد که در اصل برای برنامهٔ آموزش مداوم دانشکدهٔ کتابداری و علم اطلاعات دانشگاه Simmons ساخته شده بود.
مسیر او از نویسندگی و ویرایش به taxonomy رسیده، نه از برنامه‌نویسی. به نظر می‌رسد در این حرفه دقت در نوشتن و نام‌گذاری همان‌قدر ارزش دارد که دانش فنی.
دانشمند کامپیوتر آمریکایی. طبق ویکی‌پدیا روان‌شناسی و علوم کامپیوتر خوانده (۱۹۸۱)، در ۱۹۸۸ از دانشگاه ماساچوست امهرست دکترای علوم کامپیوتر و اطلاعات گرفته و از ۱۹۸۸ تا ۱۹۹۴ در آزمایشگاه Knowledge Systems دانشگاه Stanford پژوهشگر بوده است.
ویکی‌پدیا می‌نویسد کارهای پایه‌ای در مهندسی ontology انجام داده و بیشتر به خاطر تعریفش از ontology در هوش مصنوعی شناخته می‌شود. در ۲۰۰۷ هم‌بنیان‌گذار Siri Inc. بود؛ شرکتی که دستیار Siri را ساخت و Apple آن را در ۲۰۱۰ خرید.
مسیر او از پژوهش در بازنمایی دانش به ساختن یک محصول مصرفی رسید. این نشان می‌دهد فهم صوری دانش مهارتی است که بیرون از دانشگاه هم به کار می‌آید.
فیلسوف بریتانیایی-آمریکایی در حوزهٔ هستی‌شناسی کاربردی. طبق ویکی‌پدیا در Oxford ریاضی و فلسفه خوانده، در ۱۹۷۶ از دانشگاه منچستر دکترا گرفته و از ۱۹۹۴ در دانشگاه بوفالو است. در ۲۰۰۵ مرکز ملی پژوهش ontology (NCOR) را بنیان گذاشت.
از ۲۰۱۶ ویراستار استاندارد ISO/IEC 21838 برای ontologyهای سطح بالا بود که در ۲۰۲۱ منتشر شد و بخش دوم آن به Basic Formal Ontology (BFO) اختصاص دارد. به نوشتهٔ ویکی‌پدیا در ۲۰۲۵ با John Beverley برنامه‌های آنلاین کارشناسی ارشد و دکترای Applied Ontology را راه انداخت.
BFO از دل فلسفه آمده و حالا در آگهی‌های شغلی دیده می‌شود؛ JHU APL آشنایی با آن را امتیاز می‌داند. پیشینهٔ فلسفه و منطق در این حرفه می‌تواند مزیت واقعی باشد.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Taxonomist, Supply
تحلیل نیازمندی‌ها
Experience in developing taxonomies and/or ontologies to support a variety of systems both for front-end and back-end use.
taxonomy اینجا دو مصرف‌کننده دارد: آنچه کاربر می‌بیند (دسته‌ها، ناوبری و فیلترها) و سیستم‌های پشت صحنه (جستجو و مدل‌ها). باید پیش‌تر taxonomy یا ontologyای ساخته باشید که واقعاً استفاده شده است؛ اگر سابقهٔ کاری ندارید، پروژهٔ taxonomy کالا با نگاشت به Shopify نزدیک‌ترین نمونه است.
ضروریAbility to clearly articulate the benefits of taxonomy and structured data to audiences of different knowledge levels and backgrounds.
بخش بزرگی از کار قانع کردن است. باید بتوانید به یک مدیر محصول یا یک مهندس توضیح دهید چرا یک تغییر در دسته‌ها جستجو یا فروش را بهتر می‌کند. نوشتن یک README روشن برای پروژه‌هایتان تمرین همین مهارت است.
ضروریExperience with evaluating and implementing taxonomies to support search systems, content management systems, metadata schemes, digital asset management systems, or product classification.
فهرست با «یا» تمام می‌شود: تجربه در هر یک از این زمینه‌ها پذیرفته است. کسی که در کتابخانه، مدیریت محتوا یا DAM کار کرده، همین حالا بخشی از این شرط را دارد.
ضروریExperience building taxonomies for machine learning classification systems.
یعنی دسته‌ها باید طوری طراحی شوند که یک مدل طبقه‌بندی بتواند کالاها را در آن‌ها جا بدهد: از هم قابل تشخیص باشند و برای هرکدام دادهٔ کافی وجود داشته باشد. taxonomyای که برای انسان خوب است، لزوماً برای مدل خوب نیست.
مهمFluency in taxonomy and ontology design principles, as well as information architecture.
پایهٔ نظری کار است: سلسله‌مراتب، ویژگی‌های چندوجهی، اصطلاح مرجح و مترادف، و اینکه اطلاعات چطور برای پیدا شدن چیده می‌شود. استاندارد Z39.19 و کتاب‌های این حوزه همین را آموزش می‌دهند.
ضروریBasic SQL and Excel/Google Sheets skills.
سطح فنی خواسته‌شده پایین است: بتوانید داده را بشمارید، فیلتر کنید و خلاصه کنید. این یکی از دلیل‌هایی است که این کار برای کسانی که از رشته‌های غیرفنی می‌آیند در دسترس است.
مهمExperience with AI driven solutions
کوتاه و کلی است، اما با بقیهٔ آگهی جور است: taxonomy برای مدل‌ها ساخته می‌شود. پروژه‌ای که در آن LLM برچسب بزند و شما دقتش را بسنجید، این شرط را نشان می‌دهد.
مهمBonus: Fluency in other Vinted market languages such as French, German, Spanish, Dutch or Italian.
شرکت در بازارهای زیادی فعال است و taxonomy باید در زبان‌های مختلف معنا داشته باشد. زبان دوم اروپایی امتیاز است؛ کار روی یک اصطلاح‌نامهٔ دوزبانه نشان می‌دهد با این مسئله آشنایید.
مفیدBonus: Proficiency in ontology or knowledge graph development (e.g. RDF, OWL, and related tools)
نکتهٔ مهم برای کسی که با عنوان «وب معنایی» دنبال این کار است: RDF و OWL اینجا فقط امتیازند، نه شرط. اصل کار طراحی ساختار است، نه تسلط به استاندارد.
مفیدتحلیل مسئولیت‌ها
Design, revise, and maintain buyer and seller-facing product taxonomies and navigation, across a wide range of product verticals
هستهٔ کار است و کلمهٔ «maintain» مهم است: taxonomy یک بار ساخته نمی‌شود و با هر دستهٔ تازهٔ کالا باید بازبینی شود.
Design, implement, and maintain ontologies and data structures that support our member-facing content
کنار دسته‌ها، رابطه‌ها و ساختار داده هم با شماست؛ یعنی کار از taxonomy ساده به ontology می‌رسد، حتی اگر استانداردهای وب معنایی فقط امتیاز باشند.
Balance Vinted’s Member experience with taxonomy and metadata heuristics while maintaining Vinted’s tone and voice.
دسته‌ها و ویژگی‌ها متن رو به کاربرند، پس باید هم منطقی باشند و هم با لحن برند بخوانند. کار taxonomist اینجا به نویسندگی UX نزدیک می‌شود.
Research and build product attributes to help buyers narrow their search, and sellers describe their items.
ویژگی‌هایی مثل سایز، جنس یا وضعیت کالا هم فیلتر جستجوی خریدارند و هم فرمی که فروشنده پر می‌کند. هر ویژگی باید برای هر دو طرف قابل فهم باشد.
Work with user research and data analysts to build and test taxonomies and metadata structures for the most impactful results.
تصمیم‌ها با آزمون گرفته می‌شوند، نه با سلیقه. باید بتوانید با پژوهشگر کاربر و تحلیلگر داده کار کنید و اثر یک تغییر را بسنجید.
Document internal standards, workflows, governance processes, and data models.
مستندسازی بخشی از کار است، نه کار جانبی. استاندارد و روند حاکمیت مکتوب باعث می‌شود تیم‌های دیگر taxonomy را درست و یکسان به کار ببرند.
Collaborate and connect with a wide range of internal teams including: engineers, product managers, designers, data scientists, legal, policy, communications, localisation, and customer support.
فهرست بلند تیم‌ها نشان می‌دهد taxonomy به همه‌جا می‌رسد: از قواعد حقوقی و سیاست‌های پلتفرم تا ترجمه و پشتیبانی. مهارت ارتباطی در این نقش به اندازهٔ مهارت مدل‌سازی مهم است.
نتیجه‌گیری کلی
این آگهی نشان می‌دهد Taxonomist در یک شرکت فناوری چه می‌کند: دسته‌ها و ویژگی‌های کالا را برای خریدار، فروشنده و مدل‌های یادگیری ماشین طراحی و نگهداری می‌کند، تغییرها را با داده و پژوهش کاربر می‌آزماید و با تیم‌های زیادی کار می‌کند. سطح فنی خواسته‌شده پایین است (SQL پایه و Excel) و RDF و OWL فقط امتیازند. یعنی آنچه این کارفرما می‌خواهد توانایی طراحی ساختار و توضیح آن است، نه تسلط به استانداردهای وب معنایی؛ این با یافتهٔ ما جور است که عنوان «Semantic Web Specialist» در آگهی‌ها دیده نمی‌شود.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
آمار رسمی رشد برای Taxonomist یا Ontologist وجود ندارد: در O*NET جستجوی «taxonomist» اول به مشاغل زیست‌شناسی می‌رسد و بعد به Document Management Specialists. نزدیک‌ترین دادهٔ تقاضا از بریتانیاست: ITJobsWatch در شش ماه منتهی به ۲۳ اکتبر ۲۰۲۶، ۱۱۵ آگهی استخدام دائم با مهارت Taxonomies شمرده است، در برابر ۶۳ در همین بازهٔ ۲۰۲۵ و ۳۶ در ۲۰۲۴؛ برای Ontologies این عددها ۴۲، ۲۲ و ۱۷ است. اما سهم آگهی‌های taxonomy از کل آگهی‌های دائم از ۰٫۱۳٪ در ۲۰۲۵ به ۰٫۰۹۵٪ رسیده، چون تعداد کل آگهی‌ها هم زیاد شده است. یعنی تعداد آگهی‌ها بالا رفته، اما این هنوز بازاری کوچک است.
منبع: ITJobsWatch — Taxonomies and Ontologies (UK, 6 months to 23 Oct 2026); no matching O*NET occupation
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
Gartner پیش‌بینی می‌کند تا ۲۰۲۷ سازمان‌هایی که در داده‌های آماده برای AI به semantics اولویت بدهند، دقت AI ایجنتی خود را تا ۸۰٪ بالا می‌برند و هزینه‌ها را تا ۶۰٪ کم می‌کنند. Rita Sallam، تحلیلگر ارشد Gartner، گفت زمینه با انسجام معنایی به راهبردی برای کنترل هزینه و اعتماد تبدیل می‌شود، نه چیزی که فقط داشتنش خوب است.
از منابع چند ریسک پیداست. اول، بازار کوچک است و عنوان پراکنده: ITJobsWatch در شش ماه در کل بریتانیا ۱۱۵ آگهی با مهارت taxonomy شمرده و همین کار با عنوان‌های زیادی آگهی می‌شود (Taxonomist، Ontologist، Taxonomy & Metadata Specialist، Semantic Modeler، Ontology Consultant و ...). دوم، ورود سخت است: تنها آگهی واقعاً ورودی که دیدیم (Kaiasm) ساعتی ۱۳٫۴۵ پوند می‌دهد و بیشتر آگهی‌ها ۳ تا ۸ سال سابقه می‌خواهند. سوم، حقوق بسته به صنعت خیلی فرق دارد: در آمریکا از ۵۷٬۰۰۰ تا ۷۷٬۷۹۲ دلار در خرده‌فروشی (JCPenney) تا ۱۴۱٬۶۴۸ تا ۲۲۶٬۶۳۷ دلار در مدیریت سرمایه (Capital Group). در Glassdoor هم میانگین گزارش‌شده برای Ontologist در آمریکا (۱۷۸٬۳۹۳ دلار) حدود دو برابر Taxonomist (۸۵٬۲۴۸ دلار) است. چهارم، AI بخشی از کار دستی را می‌گیرد: NYU Langone می‌خواهد روندهای دستی برچسب‌گذاری با راه‌حل‌های مبتنی بر AI جایگزین شوند و ISACA برچسب‌گذاری خودکار را با بازبینی انسانی کنترل می‌کند؛ به نظر می‌رسد ارزش کار به سمت طراحی، حاکمیت و بازبینی خروجی ماشین می‌رود. پنجم، در سطح ارشد این کار به مهندسی گراف دانش نزدیک می‌شود و Python و SPARQL هم خواسته می‌شود (Red Bull، Johnson & Johnson).
منابع
اطلاعات این صفحه در تاریخ ۱ آبان ۱۴۰۵ از این ۳۵ منبع بررسی شده است.
- Taxonomist, Supply — Vinted (job posting)
- Senior Taxonomy & Metadata Specialist — Capital Group (job posting, LinkedIn)
- Sr. Taxonomy & Ontology Architect — ISACA (job posting, LinkedIn)
- Taxonomist — 3M (job posting, LinkedIn)
- Ontology Consultant — Enterprise Knowledge (job posting, LinkedIn)
- Semantic Modeler — Enterprise Knowledge (job posting, LinkedIn)
- Junior Data & Ontology Consultant — Kaiasm (job posting, LinkedIn)
- Senior Specialist – Knowledge Semantics and AI-Ready Content — Red Bull (job posting, LinkedIn)
- Ontology Specialist, Coverage Intelligence — Bold Penguin (job posting, LinkedIn)
- Senior Ontologist, Biologics Discovery — Johnson & Johnson (job posting, LinkedIn)
- Enterprise Ontologist — Thermo Fisher Scientific (job posting, LinkedIn)
- Digital Sr Specialist - Taxonomy & Product Data Governance — JCPenney (job posting, LinkedIn)
- Senior Associate, Taxonomy & Metadata Specialist — Alvarez & Marsal (job posting, LinkedIn)
- Ontologist (TS/SCI cleared) — Johns Hopkins Applied Physics Laboratory (job posting, LinkedIn)
- Senior Manager - Ontology & Digital Asset Management — NYU Langone Health (job posting, LinkedIn)
- Manager, Ontology & Data Modeling — Capital One (job posting, LinkedIn)
- Product Ontology Designer — GEP Worldwide (job posting, LinkedIn)
- Senior Manager, Content & Knowledge Architecture — Airbnb (job posting)
- Glassdoor — Taxonomist salaries, United States
- Glassdoor — Ontologist salaries, United States
- ITJobsWatch — Taxonomies (UK job trends and salaries)
- ITJobsWatch — Ontologies (UK job trends and salaries)
- O*NET OnLine — occupation search for “taxonomist”
- Gartner — Lack of Semantics Causes Inaccurate AI Agents and Wasted Spending (press release, May 2026)
- University at Buffalo — UB to offer a fully online graduate degree in ontology (Oct 2025)
- About Heather Hedden — Hedden Information Management
- Tom Gruber — Wikipedia
- Barry Smith (ontologist) — Wikipedia
- Simple Knowledge Organization System — Wikipedia
- Controlled vocabulary — Wikipedia
- Controlled Vocabularies and SKOS — DARIAH-Campus (Zaytseva & Ďurčo, 2020)
- ANSI/NISO Z39.19 — Guidelines for Monolingual Controlled Vocabularies
- Shopify Standard Product Taxonomy — GitHub
- PoolParty — Graphwise
- Basic Formal Ontology (BFO)