Documentación de Oracle Cloud Infrastructure

Seleccionar casos de uso de IA

Select AI mejora la interacción de datos y permite a los desarrolladores crear aplicaciones basadas en IA directamente desde SQL, transformando peticiones de datos en lenguaje natural en consultas SQL y respuestas de texto, soportando la interacción de chat con LLM, mejorando la precisión de las respuestas con los datos actuales mediante RAG y generando datos sintéticos.

Entre los casos de uso se incluyen:

  • Generar SQL a partir de peticiones de datos en lenguaje natural

    Productividad de los desarrolladores: Select AI mejora significativamente la productividad de los desarrolladores al proporcionar consultas SQL "iniciales" rápidamente. Los desarrolladores pueden introducir peticiones de datos en lenguaje natural, y Select AI genera SQL basado en las tablas y vistas del esquema de la base de datos. Esto reduce el tiempo y el esfuerzo necesarios para escribir consultas complejas desde cero, lo que permite a los desarrolladores centrarse en refinar y optimizar las consultas generadas para sus necesidades específicas.

    Consultas en lenguaje natural para usuarios finales: Select AI permite a los usuarios finales interactuar con las tablas de datos y vistas subyacentes de la aplicación mediante consultas en lenguaje natural. Esta funcionalidad permite a los usuarios sin experiencia en SQL hacer preguntas y recuperar datos directamente, lo que hace que el acceso a los datos sea más intuitivo y fácil de usar en relación con las capacidades del LLM que se utiliza y la calidad de los metadatos del esquema disponibles.

    Otras capacidades para la generación de SQL: las siguientes capacidades resaltadas también están soportadas para la generación de SQL en lenguaje natural:

    • Especificar esquema o tablas o vistas: Seleccionar AI permite especificar una lista de objetos que consta de esquema y, opcionalmente, tablas o vistas dentro de ese esquema.

    • Detectar automáticamente metadatos de tabla relevantes: Seleccione AI detecta automáticamente tablas relevantes y envía metadatos solo para esas tablas específicas, relevantes para la consulta, en Oracle Database 23ai.

    • Restringir el acceso a la tabla: Select AI le permite restringir el acceso a la tabla considerando solo las tablas que se muestran en los atributos de perfil de AI para la generación SQL.
    • Especificar la distinción entre mayúsculas y minúsculas para las columnas: Seleccionar IA permite al usuario especificar la distinción entre mayúsculas y minúsculas de modo que el LLM produzca respuestas no sensibles a mayúsculas y minúsculas de la base de datos y el LLM.

  • Conversaciones

    Activa funciones similares a un chatbot con Select AI, lo que permite a los usuarios tener conversaciones naturales para consultar datos y realizar acciones. Estos chats pueden realizar un seguimiento del contexto, dando respuestas de seguimiento que aclaren o amplíen las preguntas originales. Este escenario aumenta la interacción y facilita las consultas complicadas a través de la conversación.

  • Generación de medios personalizados

    Select AI se puede utilizar para generar contenido multimedia personalizado, como correos electrónicos adaptados a los detalles individuales del cliente. Por ejemplo, en su petición de datos, podría indicar al LLM que cree un correo electrónico amigable y optimista que aliente a un cliente a probar un conjunto de productos recomendados. Estas recomendaciones pueden basarse en datos demográficos del cliente u otra información específica disponible en la base de datos. Este nivel de personalización mejora la interacción con el cliente, ya que ofrece contenido relevante y atractivo directamente al cliente.

  • Generación de código

    Con la acción Select AI chat, puede utilizar Select AI para solicitar al LLM especificado que genere código a partir de peticiones de datos en lenguaje natural. Esta función soporta varios lenguajes de programación, como SQL, Python, R y Java. Algunos ejemplos incluyen:

    • Código Python: "Escriba el código Python para calcular una matriz de confusión en un DataFrame con columnas ACTUAL y PREDICTED".
    • DDL de SQL: "Escriba el DDL para una tabla SQL con el nombre de las columnas, la edad, los ingresos y el país".
    • Consulta SQL: "Escriba la consulta SQL que utilizará el modelo en la base de datos de Oracle Machine Learning denominado CHURN_DT_MODEL para predecir qué clientes abandonarán y con qué probabilidad".

  • Generación aumentada de recuperación (RAG)

    Utilice el contenido del almacén de vectores para la búsqueda de similitud semántica para mejorar la precisión de la petición de datos y la relevancia en las respuestas del LLM.

  • Generación de datos sintéticos

    Genere datos sintéticos mediante LLM que se ajusten a su esquema para pruebas de soluciones, pruebas de concepto y otros usos. Los datos sintéticos pueden soportar mejores pruebas de sus aplicaciones en ausencia de datos reales, lo que lleva a la calidad general de su aplicación.

    La generación de datos sintéticos también se puede utilizar para rellenar un clon de Autonomous Database o un clon de metadatos. Select AI admite la generación de datos sintéticos para dichos clones. El uso de datos sintéticos ayuda a proteger los datos confidenciales al tiempo que permite el desarrollo, las pruebas y la validación de experiencias de usuario. También es útil para proyectos de IA y aprendizaje automático que necesitan datos de muestra para el entrenamiento de modelos o datos de prueba para la puntuación.