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».
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.
| Способ | Что зафиксировано заранее | Когда подходит | Чем рискуете |
|---|---|---|---|
| Готовый отчёт | Запрос, фильтры, вид | Вопрос повторяется регулярно, определения стабильны | Не отвечает на вопрос, которого в отчёте нет |
| Панель BI | Показатели, разрезы, права | Руководители смотрят одни цифры в разных разрезах | Новый разрез или показатель требует доработки |
| Выгрузка аналитиком | Ничего: аналитик пишет запрос сам | Сложный или разовый вопрос, цена ошибки высока | Очередь и зависимость от одного-двух людей |
| Text-to-SQL | Описание данных и правила проверки | Много разовых вопросов, важные ответы проверяет аналитик | Правдоподобная 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.
| Шаг | Что происходит | На условном примере | Что может пойти не так |
|---|---|---|---|
| 1. Вопрос | Система принимает текст и узнаёт, кто спрашивает и какие у него права | Вопрос менеджера по продажам | Неясно, что значат «оформили» и «квартал» |
| 2. Подбор таблиц | Из описания выбираются таблицы и столбцы, нужные вопросу | Заказы, клиенты, город клиента, дата и сумма заказа | Выбрана похожая таблица, например архивная |
| 3. Запрос | Модель 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. Проверка | Программа разбирает запрос: только чтение, разрешённые таблицы, лимит строк | К запросу добавлен лимит, таблицы из белого списка | Проверка ловит запрещённое, но не знает, верен ли смысл |
| 5. Выполнение | База выполняет запрос под правами спрашивающего | Возвращается одна строка: число заказов и сумма | Тяжёлый запрос, нехватка прав, пустой результат |
| 6. Показ | Таблица, 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.
| Ошибка | Как выглядит | Почему её не видно | Как ловят |
|---|---|---|---|
| Лишние строки после соединения | Заказ с двумя оплатами при соединении превращается в две строки, и сумма заказа считается дважды | Запрос безупречен по синтаксису, число правдоподобно | Сверка с контрольным запросом без соединения; считать по ключу, а не по строкам |
| Граница периода | BETWEEN '2026-07-01' AND '2026-09-30' для даты со временем теряет всё, что создано 30 сентября после полуночи | Расхождение небольшое и заметно только на сверке | Границы записывают как «с 1 июля включительно по 1 октября не включая»; период вычисляет код, а не модель |
| Пустые значения | Условие по статусу «не равно отменён» не возвращает заказы с пустым статусом | Заказы без статуса исчезают молча | В описании указано, бывают ли пустые значения; проверяется доля пустых |
| Не тот столбец | У заказа есть дата создания, отгрузки и оплаты, а «за март» подходит к любой | Все три столбца выглядят одинаково | В словаре записана дата по умолчанию; пересказ называет выбранную |
| Значение написано иначе | В вопросе «Ростов», в базе «Ростов-на-Дону», фильтр по точному совпадению вернул ноль строк | Ноль выглядит как честный ответ | Модель сначала смотрит перечень значений столбца; пустой результат проверяется отдельно |
| Среднее от средних | Средний чек по менеджерам усреднили ещё раз по менеджерам | Число похоже на средний чек | Правило 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.
- 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.
- Попросите аналитика написать эталонные запросы и сохраните их результаты.
- 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.
- Считайте по категориям. Среднее по набору скрывает слабую категорию.
- Добавьте обязательные нули: запись в базу, выход за разрешённые таблицы, чужие данные. Один случай означает «не принято».
- 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.
- Показывается ли текст запроса рядом с ответом, и можно ли его прочитать и скопировать?
- Где набор вопросов с результатами по категориям и на чьих данных он собран?
- Под какой учётной записью выполняется запрос и может ли она что-то записать?
- Кто ведёт описание данных и словарь терминов и как они меняются?
- Что система отвечает на спорный термин и на вопрос, ответа на который нет в данных?
- Где работает модель и попадают ли вопросы и результаты во внешний сервис?
- Что пишется в журнал и кто его читает?
- 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.