Bazy danych odpowiadają na pytania zapisane w języku SQL, którym programy pytają bazę o dane. Text-to-SQL to zamiana pytania zadanego zwykłym językiem, np. „ile sprzedaliśmy w czerwcu?”, na takie zapytanie. Robi to model AI, a wynik wraca jako liczba, tabela lub wykres.
Na pokazie działa to imponująco, bo przykładowa baza ma kilka czytelnych tabel. Prawdziwa hurtownia danych, czyli baza zbierająca dane z ERP, CRM i księgowości do raportów, wygląda inaczej. Ma setki tabel, skróty w nazwach kolumn i kilka pokoleń rozwiązań, których nikt nie usunął.
Różnicę dobrze pokazuje test Spider 2.0 przedstawiony na konferencji ICLR 2025. Agent oparty na modelu o1-preview rozwiązał w nim tylko 21,3% zadań opartych na realnych bazach firmowych. Na akademickim zbiorze Spider 1.0 metody oparte na GPT-4 osiągały wcześniej 91,2%. Różnicę robią dane, na których pracuje model, i złożoność zadań.
Dochodzi do tego łączenie tabel. Pytanie o sprzedaż klientom z segmentu premium w uporządkowanej bazie wymaga jednego połączenia, a w bazie, która rosła latami – kilku. Każde z nich to miejsce, w którym można zgubić lub zdublować wiersze z danymi.