Generare SQL dal linguaggio naturale è una promessa seducente, ma in azienda si scontra con una realtà: i dati raramente si interrogano a colpi di query grezze sul database. Un paper su arXiv parte da qui per proporre un approccio diverso.
La tesi
Nelle imprese le pipeline analitiche poggiano su API governate, non su accesso diretto alle tabelle. Il text-to-SQL puro ignora questo strato di governance e finisce per essere inadatto. Il paper presenta Analytic Agent, un sistema agentico basato su LLM che traduce le intenzioni espresse in linguaggio naturale in interazioni sicure con le API analitiche aziendali. È stato valutato su 90 casi d’uso enterprise reali.
Perché conta
È una distinzione che chi lavora in contesti regolamentati conosce bene: il problema non è generare la query, è farlo rispettando permessi, audit e contratti dati. Passare dalle API governate invece che dal database grezzo significa ereditare quei controlli invece di aggirarli.
Per i team dati, l’approccio è un promemoria utile: portare gli LLM sull’analytics aziendale non vuol dire dare al modello accesso libero al database, ma incanalarlo attraverso le interfacce che già garantiscono sicurezza e governance.
In sintesi
Il paper sposta la conversazione dal "quanto è bravo a scrivere SQL" al "quanto è sicuro e governato l’accesso ai dati". Una prospettiva più matura per l’adozione enterprise dell’AI analitica.
Fonte: Beyond Text-to-SQL: An Agentic LLM System for Governed Enterprise Analytics APIs — arXiv:2605.21027
