A Revolução dos Sistemas Agentic: Da Intenção à Ação

Sistemas agentic estão evoluindo de meros consultores para tomadores de decisão ativos. Para que esses agentes executem ações de negócio com precisão, eles necessitam de informações detalhadas e confiáveis diretamente dos bancos de dados operacionais. A capacidade de converter requisições em linguagem natural em consultas de banco de dados de alta qualidade é fundamental para viabilizar essa transição.

O QueryData se baseia no sucesso do Google Cloud no benchmark BiRD, um dos mais competitivos em tradução de linguagem natural para SQL, e na engenharia de contexto assistida pelo Gemini. Desenvolvedores já colhem os frutos, como a Hughes Network Systems, que implementou o QueryData em produção, transformando suas operações de suporte ao cliente com precisão próxima a 100%.

Os Desafios da Consulta de Dados por Agentes

A interação de agentes com dados empresariais enfrenta três grandes obstáculos: precisão, segurança e facilidade de uso. O QueryData aborda esses pontos de forma eficaz.

• Precisão: Respostas imprecisas podem levar a decisões de negócio equivocadas, prejuízos financeiros e decepção do usuário. Em muitos setores, uma precisão de 90% na tradução de texto para SQL é insuficiente para ações críticas.
• Segurança: Garantir que cada agente acesse apenas os dados permitidos é crucial. O QueryData oferece controles de acesso auditáveis e determinísticos, superando as limitações de controles probabilísticos baseados apenas no julgamento de LLMs, que apresentam um risco inaceitável de brechas de segurança.
• Facilidade de Uso: Obter alta precisão tradicionalmente exige que desenvolvedores forneçam extensas informações contextuais sobre seus dados, uma tarefa laboriosa. O QueryData simplifica esse processo, reduzindo o atrito na integração e manutenção de ferramentas agentic.

Compreendendo a Lacuna de Precisão

Embora os Modelos de Linguagem Grandes (LLMs) sejam proficientes em gerar código SQL, a precisão em consultas específicas de um banco de dados vai além da habilidade de codificação. Ela exige a compreensão profunda:

• Esquemas Ambíguos: Nomes de colunas e tabelas podem ser enigmáticos (ex: “prod”, “p”), e o significado exato pode não ser aparente.
• Valores Inespecíficos: Colunas com códigos numéricos para status (ex: “1”, “2”, “3” para status de devolução) podem ser difíceis de interpretar sem contexto.
• Lógica de Negócio Ausente: Esquemas de banco de dados descrevem a estrutura, mas não a lógica de negócio subjacente (ex: a definição de “usuários ativos mensais” pode variar entre empresas).
• Consultas Subespecificadas: Frases em linguagem natural podem ser ambíguas, como “vendas mais recentes”, que requerem clareza sobre o período desejado.

Como o QueryData Alcança Precisão Superior

O QueryData utiliza o poder do LLM Gemini em conjunto com um contexto detalhado do banco de dados. Este contexto, que funciona como o “código fonte” do QueryData, inclui:

• Ontologia de Esquema: Descrições que explicam o significado dos dados, colunas, tabelas e valores. Isso permite que o QueryData resolva ambiguidades e identifique os dados necessários para responder a uma pergunta.
• Modelos de Consulta (Query Blueprints): Diretrizes e instruções explícitas sobre como gerar consultas SQL para responder a tipos específicos de perguntas. Esses modelos e facetas garantem a geração de SQL preciso.

Em último caso, o QueryData é capaz de detectar quando uma pergunta requer esclarecimento adicional para garantir a exatidão da resposta.

Segurança Determinística para Consultas

A segurança determinística e auditável é um requisito para aplicações agentic. O QueryData introduz as Parameterized Secure Views (PSVs), permitindo definir o acesso do agente por meio de parâmetros fixos, como ID do usuário ou região. Ao separar esses parâmetros de segurança das consultas, a aplicação garante que os agentes só acessem dados autorizados, impedindo consultas a informações restritas, mesmo que intencionalmente.

O suporte para PSVs já está disponível no AlloyDB e em breve chegará ao Cloud SQL e Spanner.