Présentation de l'IA AlloyDB pour le langage naturel

Transformez directement des questions en langage naturel en requêtes SQL. La fonctionnalité de langage naturel AlloyDB AI (Preview) traduit les requêtes en langage naturel en requêtes SQL tenant compte du schéma, ce qui permet aux développeurs et aux analystes d'obtenir des réponses plus rapidement.

Miniature du filtrage optimisé par l'IA

Créez une couche de contexte riche en comprenant vos tables, vos colonnes et vos relations afin de générer des requêtes précises et tenant compte du contexte.

Miniature de la génération de texte dans la base de données

Analysez intelligemment l'intention à l'aide de la recherche de concepts et exploitez un magasin de modèles pour créer des requêtes SQL rapidement et de manière fiable.

Thumbnail de l'intégration directe de modèle

Fournissez un contrôle des accès précis, en veillant à ce que les utilisateurs finaux ne voient que les données auxquelles ils sont autorisés à accéder, ce qui est essentiel pour les applications exécutant des requêtes générées par l'IA.

Fonctionnement

La fonctionnalité de langage naturel AlloyDB AI (Preview) est conçue pour fonctionner de manière sécurisée avec votre schéma de base de données. Après avoir enregistré vos objets de schéma avec une configuration en langage naturel, vous pouvez appeler la fonction alloydb_ai_nl.get_sql() à partir de votre application pour traduire des questions en anglais simple en requêtes SQL, ou utiliser explain_sql pour comprendre une requête. La fonctionnalité s'intègre aux rôles PostgreSQL standards et à IAM pour la sécurité, et vous pouvez utiliser des vues sécurisées paramétrées pour un contrôle des accès précis.

Pour accélérer la configuration et garantir la précision, AlloyDB inclut des outils de productivité pour la génération automatique de contexte à partir de votre schéma. Ces outils génèrent automatiquement le contexte du schéma et suggèrent des modèles de requête, ce qui réduit l'effort manuel nécessaire pour commencer. Vous pouvez affiner davantage les résultats en ajoutant des modèles de requête spécifiques à l'entreprise au magasin de modèles. Le modèle sous-jacent peut générer des requêtes SQL complexes, y compris des jointures multi-tables, des agrégations et des fonctions de fenêtre, en fonction de l'intention de l'utilisateur et du contexte du schéma. La précision s'améliore à mesure que davantage de contexte et de modèles sont fournis.

Présentation visuelle du langage naturel AlloyDB AI

Cas d'utilisation

Découvrez comment appliquer les requêtes en langage naturel AlloyDB AI à des scénarios commerciaux courants.

Cas d'utilisation Objectif d'entreprise Exemple de question Impact sur l'entreprise
Analyses des ventes Suivre les performances des ventes et identifier les meilleurs représentants "Who were our top 3 sales reps by revenue in Austin for the last quarter?" - Décisions accélérées
- Analyses des ventes immédiates et en libre-service.
Adoption des produits Comprendre le comportement des utilisateurs et l'adoption des fonctionnalités "How many users on our 'Pro' plan used the new reporting feature last week?" - Itération plus rapide
- Validez rapidement les hypothèses et créez de meilleurs produits.
Chaîne d'approvisionnement Surveiller la chaîne d'approvisionnement et identifier les goulots d'étranglement "Show me all shipments from the Reno warehouse that are delayed by more than 3 days." - Efficacité améliorée
- Résolvez les problèmes opérationnels de manière proactive.
Service client Analyser les demandes d'assistance pour identifier les tendances "What is the most common complaint category for tickets created in the last 7 days?" - Meilleur service
- Identifiez et résolvez plus rapidement les problèmes des clients.

En savoir plus

Explorez les ressources pour les développeurs Google afin de créer vos applications de requête en langage naturel avec AlloyDB.

Tutoriel

Découvrez comment créer une application de commerce conversationnel avec AlloyDB AI et Serverless.

Guide

Guide technique pas à pas sur la configuration et l'utilisation de la fonction get_sql().

Atelier de programmation

Acquérez une expérience pratique grâce à un tutoriel guidé sur la génération de code SQL à partir du langage naturel.