Woordenlijst
Wat is text-to-SQL?
Text-to-SQL is een techniek waarbij een AI-model een vraag in gewone taal omzet naar een SQL-query die op een database wordt uitgevoerd. Het model schrijft de query, de database levert de cijfers.
Text-to-SQL uitgelegd
Een text-to-SQL-systeem geeft het taalmodel je vraag en een beschrijving van de database: tabellen, kolommen, relaties en liefst een datadictionary. Het model schrijft een query, de database voert die uit en het resultaat komt uit je eigen gegevens. Het model rekent dus niet zelf, en dat is precies waarom deze aanpak geschikt is voor cijfers.
De grootste risico's zijn een query die wel draait maar iets anders berekent dan je bedoelde, en vragen met een onduidelijke definitie. "Omzet" kan inclusief of exclusief btw zijn, "klant" kan actief of alle klanten betekenen. Toon daarom altijd de query naast het antwoord, zodat iemand kan controleren wat er is berekend.
Text-to-SQL is iets anders dan RAG. RAG zoekt tekstfragmenten in documenten en laat het model die samenvatten, text-to-SQL laat de database rekenen op gestructureerde data. Voor vragen als "hoeveel" en "wat is het totaal" is text-to-SQL de betrouwbaarste route.
Voorbeeld
Een accountmanager van Acme Groothandel vraagt: "Welke tien klanten kochten dit kwartaal het meest?" Het model schrijft een query met SUM(total_amount), GROUP BY customer_id en LIMIT 10 op de tabel orders, en de accountmanager ziet de query en de uitkomst naast elkaar.
Text-to-SQL in ENABLE
De SQL Explorer van ENABLE zet een vraag in gewone taal om naar alleen-lezen SQL op het eigen PostgreSQL-datawarehouse, via de API van OpenAI. ENABLE controleert de query met een alleen-lezen queryplan, en pas als de gebruiker op uitvoeren drukt, draait hij. De AI kan een query ook uitleggen of herstellen.
FAQ
Veelgestelde vragen
Wat is het verschil tussen text-to-SQL en RAG?
Text-to-SQL laat een AI-model een databasequery schrijven, waarna de database de cijfers berekent. RAG zoekt relevante tekstfragmenten in documenten en laat het model daar een antwoord van maken. Text-to-SQL past bij cijfers, RAG bij tekst.
Hoe betrouwbaar is text-to-SQL?
Dat hangt vooral af van het datamodel, de datadictionary en of iemand de query controleert. Met duidelijke namen en beschrijvingen en de query zichtbaar naast het antwoord is de kans op een verkeerd cijfer veel kleiner.
Ziet het AI-model bij text-to-SQL mijn data?
Dat hoeft niet. Voor het schrijven van de query heeft het model alleen metadata nodig, zoals tabel- en kolomnamen. Of er toch data meegaat, hangt af van hoe de tool is gebouwd.
Verder lezen
- KennisbankText-to-SQL uitgelegd: AI op je databaseText-to-SQL is een techniek waarbij een AI-model een vraag in gewone taal omzet naar een SQL-query, die daarna op een database wordt uitgevoerd. Het taalmodel schrijft de query, de database levert de cijfers. Hoe goed dat werkt, hangt vooral af van de kwaliteit van je metadata en van de veiligheidsmaatregelen rond de uitvoering, zoals alleen-lezen toegang, timeouts en rijlimieten.Lees meer
- PlatformSQL Explorer met AI: vragen stellen aan je databaseVragen in gewone taal aan je datawarehouse. De AI schrijft de SQL, jij houdt controle.Lees meer
- KennisbankRAG of text-to-SQL: welke AI kies je?RAG en text-to-SQL zijn twee manieren om AI te laten werken met je eigen data. RAG (retrieval-augmented generation) zoekt relevante tekstfragmenten in je documenten en laat het model daarmee een antwoord formuleren; text-to-SQL laat het model een query schrijven op een database, zodat de database het rekenwerk doet. Gebruik RAG voor vragen over documenten en kennis, en text-to-SQL voor vragen over cijfers.Lees meer
- OplossingAI op eigen data: vragen stellen aan je bedrijfsdataStel vragen in gewone taal aan je eigen datawarehouse. De AI ziet je structuur, niet je rijen.Lees meer
AI gebruiken op je eigen data. Veilig, en zonder hoofdpijn.
In een online demo laten we zien hoe ENABLE je data veilig beschikbaar maakt en hoe je erop bouwt: een app beschrijven in de AI Builder, vragen in gewone taal, dashboards en API's. En hoe wij het voor je inrichten en beheren.