🤖 AI и SQL: союзники или конкуренты в аналитике данных? 📊

Оригинал: https://benn.substack.com/p/llms-shouldnt-write-sql от Benn Stancil

Benn рассуждает о роли AI в аналитике и его взаимодействии с SQL. Ключевой вопрос - смогут ли LLM полноценно заменить SQL в качестве основного интерфейса для запросов к данным? 🤔

Автор выделяет 2 типа анализа данных:
1️⃣ "Пользовательский" - когда уже известны метрики, KPI, есть структура виджетов и дашбордов. Тут уже сейчас используются BI-tools типа drag-n-drop с SQL "под капотом"
2️⃣ "Исследовательский" - разработка новых метрик и сложных ad-hoc запросов аналитиками в SQL/Python. Со сложными join и оконными функциями, часто не поверх витрин, а на базе raw data

Перспективы применения AI в первом типе:
✅ NLP-интерфейс для BI-tools, "переводящий" вопросы на естественном языке в SQL-запросы через data model.
❌ А вот прямая генерация SQL по вопросу без data model чревата ошибками и галлюцинациями.

Второй тип анализа требует точности и гибкости SQL, поэтому генерацию полных запросов из описаний на естественном языке Benn считает утопией. 😥

💡 Идеальный сценарий на стыке AI и SQL, по мнению автора - генерация корректных запросов из "псевдокода", где аналитик задает логику на SQL вперемешку с описанием деталей на английском. Тот же принцип, что в генеративном AI для графики - дорисовка по наброску.

👍 Такой гибридный подход позволит аналитикам писать запросы быстрее и абстрагироваться от технических деталей, сохраняя точность. А AI станет "суперсилой" аналитика, а не его заменой.

Вывод: SQL и AI будут не конкурировать, а дополнять друг друга, давая аналитикам новые суперспособности. 🦸‍♂️ Но для полной замены SQL "общением" с AI нужен большой прогресс в алгоритмах и архитектурах.