นักวิจัยระบุถึงข้อบกพร่องของระบบ AI Agent ในปัจจุบันที่ใช้ LLM ตอบคำถามโดยตรงจากฐานความรู้ที่ไม่มีการจำกัดขอบเขต ทำให้คำตอบขาดความสมเหตุสมผลและตรวจสอบไม่ได้ LOM-action จึงถูกพัฒนาขึ้นเพื่อใช้ระบบ 'event-driven ontology simulation' ซึ่งจะสร้างกราฟจำลองในสภาพแวดล้อมที่แยกออกมา (Sandbox) เมื่อมีเหตุการณ์ทางธุรกิจเกิดขึ้น
กระบวนการหลักประกอบด้วย เหตุการณ์ -> การจำลอง -> การตัดสินใจ โดยทุกการตัดสินใจจะอ้างอิงจากกราฟที่ถูกจำลองขึ้นตามเงื่อนไขของออนโทโลจีขององค์กรเท่านั้น ผลการทดสอบพบว่า LOM-action มีความแม่นยำสูงถึง 93.82% และมีค่า F1 ในการใช้เครื่องมือสูงกว่าโมเดลขนาดใหญ่อย่าง DeepSeek-V3.2 อย่างมาก ซึ่งพิสูจน์ว่าโครงสร้างที่ควบคุมด้วยออนโทโลจีมีความสำคัญต่อความน่าเชื่อถือมากกว่าขนาดของโมเดลเพียงอย่างเดียว
