ИИ отвечает на вопросы к базе данных так: языковая модель получает вопрос и описание таблиц, пишет запрос на языке SQL, программа проверяет запрос, база его выполняет, а пользователь получает таблицу и текст запроса. Числа считает база, а не модель, поэтому выдуманных цифр здесь почти нет. Есть другая беда: запрос выполнился, таблица выглядит убедительно, а число отвечает на соседний вопрос.

Дальше разбираем путь вопроса на условном примере, типовые ошибки, замер точности и защиту базы. Услуга для компании описана на странице «ИИ-аналитик по данным компании».

Коротко. Модель пишет запрос, программа проверяет, база считает, человек видит запрос и пересказ. Главный риск — правдоподобное неверное число: от него защищают описание данных со словарём терминов, проверка периода и соединений и замер на ваших вопросах с эталонными запросами. Права и ограничения стоят в базе и коде, а не в инструкции для модели.

Когда нужен text-to-SQL, а когда хватает отчёта

Text-to-SQL нужен там, где вопросов много, они разные и повторяются редко. Для повторяющихся вопросов дешевле и надёжнее готовый отчёт или панель: у них зафиксированы определения, и результат не зависит от формулировки. Text-to-SQL закрывает остальное, «длинный хвост» разовых вопросов, на каждый из которых панель не окупится.

СпособЧто зафиксировано заранееКогда подходитЧем рискуете
Готовый отчётЗапрос, фильтры, видВопрос повторяется регулярно, определения стабильныНе отвечает на вопрос, которого в отчёте нет
Панель BIПоказатели, разрезы, праваРуководители смотрят одни цифры в разных разрезахНовый разрез или показатель требует доработки
Выгрузка аналитикомНичего: аналитик пишет запрос самСложный или разовый вопрос, цена ошибки высокаОчередь и зависимость от одного-двух людей
Text-to-SQLОписание данных и правила проверкиМного разовых вопросов, важные ответы проверяет аналитикПравдоподобная ошибка, если описание данных слабое

Выбор не «или-или». Частый вопрос из text-to-SQL стоит превращать в показатель витрины, а сложные оставлять аналитику. О том, как устроены витрины, — на странице «BI и аналитика для бизнеса».

Путь одного вопроса: шесть шагов на условном примере

Возьмём вопрос «Сколько заказов оформили клиенты из Ростова-на-Дону в прошлом квартале и на какую сумму?». База условная: таблицы заказов и клиентов.

ШагЧто происходитНа условном примереЧто может пойти не так
1. ВопросСистема принимает текст и узнаёт, кто спрашивает и какие у него праваВопрос менеджера по продажамНеясно, что значат «оформили» и «квартал»
2. Подбор таблицИз описания выбираются таблицы и столбцы, нужные вопросуЗаказы, клиенты, город клиента, дата и сумма заказаВыбрана похожая таблица, например архивная
3. ЗапросМодель пишет SQL по описанию и примерам«SELECT COUNT(*), SUM(o.total) FROM orders o JOIN customers c ON c.id = o.customer_id WHERE c.city = 'Ростов-на-Дону' AND o.created_at BETWEEN '2026-07-01' AND '2026-09-30'»Запрос выглядит верно, но в нём две скрытые ошибки
4. ПроверкаПрограмма разбирает запрос: только чтение, разрешённые таблицы, лимит строкК запросу добавлен лимит, таблицы из белого спискаПроверка ловит запрещённое, но не знает, верен ли смысл
5. ВыполнениеБаза выполняет запрос под правами спрашивающегоВозвращается одна строка: число заказов и суммаТяжёлый запрос, нехватка прав, пустой результат
6. ПоказТаблица, текст запроса и пересказ словами«Период: с 1 июля по 30 сентября 2026; клиенты с городом Ростов-на-Дону; считаются все заказы независимо от статуса»Пользователь не читает пересказ и верит цифре

Шаг 6 здесь решает дело. Из пересказа видно, что запрос считает и отменённые заказы: человек, который не читает SQL, заметит это и попросит их исключить. Вторую ошибку пересказ не покажет: она спрятана в границе периода и разобрана в разделе про ошибки.

Что модель должна знать о вашей базе

Модель не видит вашу базу, пока её не описали. Названия таблиц и столбцов редко говорят о смысле: столбец «st» со значениями 1, 2, 3 ничего не объясняет, а слово «client» может означать покупателя, контрагента или юридическое лицо. Поэтому качество определяется описанием, а не только выбором модели.

  • Смысл. Что хранит таблица и столбец обычными словами, в каких единицах и в какой валюте.
  • Связи. Какие столбцы соединяют таблицы и какие соединения опасны: одна запись слева и много справа.
  • Значения. Что означают коды статусов, какие значения допустимы, бывают ли пустые.
  • Синонимы и определения. «Клиент», «контрагент» и «покупатель» — одно и то же или нет; что считать выручкой и активным клиентом.
  • Примеры. Пары «вопрос — проверенный запрос» из вашей практики: модель повторяет их приёмы.

Если таблиц много, модели передают не всю схему, а выбранную часть: лишнее сбивает и удорожает запрос. Описание ведёт человек, который отвечает за данные, оно лежит рядом с кодом и меняется с записью причины. Определения показателей удобно брать из словаря витрины; для вопросов о подписках и оттоке они собраны в статье «Метрики SaaS».

Где text-to-SQL ошибается

Общее у этих ошибок одно: запрос выполняется, а таблица выглядит убедительно.

ОшибкаКак выглядитПочему её не видноКак ловят
Лишние строки после соединенияЗаказ с двумя оплатами при соединении превращается в две строки, и сумма заказа считается дваждыЗапрос безупречен по синтаксису, число правдоподобноСверка с контрольным запросом без соединения; считать по ключу, а не по строкам
Граница периодаBETWEEN '2026-07-01' AND '2026-09-30' для даты со временем теряет всё, что создано 30 сентября после полуночиРасхождение небольшое и заметно только на сверкеГраницы записывают как «с 1 июля включительно по 1 октября не включая»; период вычисляет код, а не модель
Пустые значенияУсловие по статусу «не равно отменён» не возвращает заказы с пустым статусомЗаказы без статуса исчезают молчаВ описании указано, бывают ли пустые значения; проверяется доля пустых
Не тот столбецУ заказа есть дата создания, отгрузки и оплаты, а «за март» подходит к любойВсе три столбца выглядят одинаковоВ словаре записана дата по умолчанию; пересказ называет выбранную
Значение написано иначеВ вопросе «Ростов», в базе «Ростов-на-Дону», фильтр по точному совпадению вернул ноль строкНоль выглядит как честный ответМодель сначала смотрит перечень значений столбца; пустой результат проверяется отдельно
Среднее от среднихСредний чек по менеджерам усреднили ещё раз по менеджерамЧисло похоже на средний чекПравило в описании: среднее считается по исходным строкам

Надёжность здесь строится не на надежде, что модель не ошибётся. Описание данных снижает число ошибок, пересказ и текст запроса помогают их заметить, а замер на вопросах показывает, где они остаются.

Как измерить точность на своих вопросах

Верить стоит только цифре, полученной на ваших вопросах и вашей базе. Результаты публичных сравнений относятся к другим базам и другим вопросам. Порядок такой.

  1. Соберите вопросы из реальных обращений к аналитику, как их задают сотрудники, с опечатками и сокращениями. Разнесите по категориям: простые отборы, итоги по разрезам, сравнение периодов, соединения таблиц, спорные термины, вопросы без ответа в данных.
  2. Попросите аналитика написать эталонные запросы и сохраните их результаты.
  3. Сравнивайте результаты, а не тексты запросов. Разные запросы дают одну таблицу, а запрос с лишним условием похож на верный. Выполняйте систему и эталон на одной копии данных.
  4. Считайте по категориям. Среднее по набору скрывает слабую категорию.
  5. Добавьте обязательные нули: запись в базу, выход за разрешённые таблицы, чужие данные. Один случай означает «не принято».
  6. Повторяйте при каждом изменении модели, описания данных или схемы.

Эталон тоже может ошибаться, поэтому спорные расхождения разбирает аналитик. Общий порядок построения тестовых наборов описан в статье «Как оценить качество LLM-системы», а услуга — на странице «Оценка качества LLM-систем».

Как не дать модели лишнего доступа

Здесь появляется необычный риск: пользователь пишет текст, а модель превращает его в команду для базы. Если попросить «удали старые заказы», слабо защищённая система может попытаться это сделать. Это родственник SQL-инъекции, о которой рассказано в статье «SQL-инъекции и XSS простыми словами». Защита по духу та же: не просить модель вести себя хорошо, а лишить её возможности навредить.

  • Роль только для чтения. Права на запись отсутствуют в самой базе, а не запрещены в инструкции.
  • Витрина или реплика вместо рабочей базы: тяжёлый запрос не остановит работу компании.
  • Представления вместо таблиц. Модель видит только описанные представления без лишних столбцов.
  • Проверка запроса программой. Одно выражение SELECT, разрешённые функции, лимит строк, таймаут.
  • Права спрашивающего. Запрос идёт под его учётной записью или политикой строк, чтобы он не получил больше, чем вправе видеть.
  • Недоверенный текст в данных. Комментарии и названия в полях базы могут содержать инструкцию для модели, поэтому текст из данных не считается командой.
  • Журнал. Вопрос, запрос, число строк, пользователь, время. Без журнала инцидент не разобрать.

Отдельный вопрос — где работает модель. Вопросы и результаты содержат те же сведения, что и база, поэтому для данных ограниченного доступа модель стоит на ваших серверах. Технические меры по персональным данным собраны в статье «Защита персональных данных в веб-приложении».

Что спросить у подрядчика

Восемь вопросов, которые отделяют рабочую систему от демонстрации.

  1. Показывается ли текст запроса рядом с ответом, и можно ли его прочитать и скопировать?
  2. Где набор вопросов с результатами по категориям и на чьих данных он собран?
  3. Под какой учётной записью выполняется запрос и может ли она что-то записать?
  4. Кто ведёт описание данных и словарь терминов и как они меняются?
  5. Что система отвечает на спорный термин и на вопрос, ответа на который нет в данных?
  6. Где работает модель и попадают ли вопросы и результаты во внешний сервис?
  7. Что пишется в журнал и кто его читает?
  8. Как проверяется система после смены модели или схемы базы?

Красные флаги: обещают долю верных ответов без вашего набора вопросов, показывают число без запроса, подключают модель к рабочей базе с правом записи.

Что делаем мы и с чего начать

Начинаем с обследования: 200 000 ₽ и 2–3 недели за одну витрину и один круг вопросов, 350 000 ₽ и 3–4 недели при нескольких источниках и ролях, 500 000 ₽ и 4–6 недель для производства или контура. На выходе описание данных, набор вопросов с эталонными запросами, список спорных терминов и вилка бюджета. Сумма вычитается из первого этапа, если продолжаете с нами; документом можно пользоваться и без нас.

Дальше лёгкий пилот (150 000–400 000 ₽), тяжёлый пилот (400 000–1 200 000 ₽), вывод в эксплуатацию от 1 500 000 ₽ этапами по 300 000–700 000 ₽ и сопровождение от 20 000 ₽ в месяц. Все цены и сроки на странице «Тарифы». Если витрины данных нет, её строят отдельно, от 250 000 ₽. Мы работаем на частной модели в вашем контуре, код лежит в вашем репозитории, к рабочей базе модель не подключаем и долю верных ответов заранее не обещаем. Подробнее об услуге — на странице «ИИ-аналитик по данным компании».

Частые вопросы

Что такое text-to-SQL простыми словами?

Способ задать базе вопрос обычным языком. Модель превращает вопрос в запрос на языке SQL, база выполняет его, пользователь получает таблицу. Модель пишет запрос, но сама числа не считает.

Модель может выдумать число?

Числа считает база, поэтому выдуманных цифр почти нет. Неверным может оказаться запрос: тогда число настоящее, но отвечает на другой вопрос. Поэтому рядом с таблицей нужны текст запроса и пересказ.

Можно ли подключить модель прямо к рабочей базе?

Не стоит. Нужны отдельная витрина или реплика, роль без права записи и описанные представления. Тогда ошибка модели не остановит работу и не изменит данные.

Нужна ли большая модель?

Размер важен меньше, чем описание данных, но слабая модель хуже справляется со сложными соединениями. Выбор делают замером на ваших вопросах. Для данных ограниченного доступа модель размещают на ваших серверах.

Сколько вопросов нужно в наборе для проверки?

Единого числа нет. В каждой категории должно хватать вопросов, чтобы отличить улучшение от колебания, а там, где ошибка дорога, их нужно больше. Размер называют на обследовании после просмотра базы.

Работает ли это с 1С?

Не напрямую с рабочей базой. Данные берут из витрины, копии базы или готовых запросов. Для 1С есть более осторожный подход: ассистент выбирает заранее проверенный запрос и подставляет параметры, а свободный запрос включают после замера и только на копии.

Чем text-to-SQL отличается от BI?

BI показывает заранее построенные панели с утверждёнными определениями. Text-to-SQL отвечает на вопросы, под которые панели нет. Они дополняют друг друга: частые вопросы стоит превращать в показатели витрины.

Сколько стоит внедрение?

Обследование стоит 200 000 ₽ за одну витрину и один круг вопросов, 350 000 ₽ при нескольких источниках, 500 000 ₽ для производства или контура. Лёгкий пилот 150 000–400 000 ₽, тяжёлый 400 000–1 200 000 ₽. Обследование вычитается из первого этапа, если продолжаете с нами.