Как AI помогает с базами данных: SQL, управление и human in the loop

Разрыв между возможностями человека и AI в задачах с базами данных со временем сократится, но более сложные проблемы по-прежнему будут требовать человеческой экспертизы и контроля.

В Ученике чародея Микки Маус использует заклинание, чтобы справиться с домашними делами. Заклинание оживляет метлу, которой поручено носить воду из колодца. Пока метлой управляют, она справляется с задачей; когда Микки засыпает, метла продолжает работать. Когда Микки не может остановить метлу, он рубит ее топором, но все части снова оживают и продолжают действовать как прежде. В конце концов Чародей вмешивается, чтобы остановить метлу и навести порядок.

Точно так же AI обещает снизить нагрузку при эксплуатации баз данных. Например, использовать AI для написания запросов SQL или оптимизации производительности — очевидные области применения этой технологии. В интернете есть огромное количество SQL, на котором можно обучать модели тому, как должны выглядеть качественные запросы, а преобразование естественного языка в точный SQL выглядит очень перспективно.

Кроме того, применение AI для решения задач управления базами данных должно дать более высокую скорость, более надежные системы и более эффективное использование ресурсов. Клиенты требуют больше помощи в этих болевых точках и ожидают, что любой поставщик сможет быстрее реагировать на такие проблемы с помощью AI. Для задач, которые компании считают «легкими» и быстрыми для автоматизации, от self-service AI ждут решения по запросу, без ожидания.

AI promise meets real-world challenge

Мы уже видим, как AI внедряют в работу с SQL и управлением базами данных. BIRD (BIg bench for laRge-scale Database grounded text-to-SQL evaluation) публикует свой benchmark для оценки того, как модели справляются с задачами; текущий лучший AI показывает почти 82% execution accuracy, рассчитанную по Valid Efficiency Score (VES). Подробности есть в статье о BIRD. Насколько хорош показатель VES на уровне 82%? Сейчас у человеческих инженеров по базам данных VES почти 93%.

Текущий разрыв между человеком и AI в задачах с базами данных со временем будет сокращаться. Но сейчас это хороший пример действия принципа Парето: примерно 20% усилий дают 80% результата. Чтобы добиться оставшихся 20% результата, нужно вложить 80% усилий. В случае AI лучшие результаты достигаются при решении более простых проблем, а более сложные задачи по-прежнему требуют human in the loop, чтобы решить проблему или достичь нужной цели.

В управлении базами данных мы это видели и в Percona. Опираясь на прошлые консультационные проекты и работы по оказанию услуг, мы изучили, как автоматизировать шаги в управлении базами данных, чтобы клиенты могли использовать AI для решения проблем. После разработки модели мы протестировали ее внутри компании на установках баз данных. Мы увидели, что AI действительно помог команде эффективнее решать такие простые задачи и ускорил реакцию.

В то же время, хотя такие AI-системы могли продвигаться и в более сложных запросах, в начале они не могли самостоятельно пройти «последнюю милю». Чтобы исправить это, мы изучили, как AI-модели используют данные для формирования ответов и на какие источники модель опирается чаще всего. Это привело к дальнейшей доработке и улучшению систем вместе с человеком, принимающим решения и понимающим, что именно рекомендует AI, почему это подходит и что можно улучшить.

Базы данных — важнейшие компоненты технологического стека. Как системы учета и источники для анализа данных, они должны быть надежными, доступными и защищенными. Любое решение по базам данных — от выбора подходящей базы для задачи до решений по управлению или оптимизации — может сильно повлиять на результат. Любое изменение нужно контролировать, иначе итогом может стать неработающее приложение.

AI и будущее баз данных

Управлению базами данных нужен AI. Спрос клиентов на более быстрые исправления и лучшую производительность никуда не исчезает, и эти клиенты ожидают, что их поставщики будут использовать AI так же, как они могут использовать его внутри своих компаний. Для компаний, которые занимаются сервисом и поддержкой IT, включая базы данных, применять AI для более быстрого решения проблем — это не то, чего можно избежать. Однако модель human in the loop будет необходима для таких сервисных и support-задач в обозримом будущем. Поскольку базы данных критически важны для работы приложений и поддержки бизнеса, полностью автоматизировать сервис с помощью AI пока нельзя считать надежным решением для 100% запросов. По мере улучшения AI скорость будет помогать решать большинство потенциальных проблем. Но более сложные задачи по-прежнему будут требовать человеческой экспертизы и контроля.

Потребности клиентов в области баз данных заставят команды использовать AI. Это относится как к внутренним командам, которые внедряют AI для управления развертыванием баз данных во внутренних developer platforms, так и к внешним сервис-провайдерам, которые поддерживают клиентов в решении проблем. Клиенты перейдут к альтернативам, если не получат ожидаемой скорости реакции. Это может означать переход к другому поставщику услуг для базы данных вроде PostgreSQL или к cloud- либо managed service provider, который сможет обеспечить более быстрое реагирование.

Микки использовал магию, чтобы решить проблему, но не предвидел всех возможных последствий. Для тех, кто не является специалистом по базам данных, AI может помочь писать SQL, выполнять обычные задачи или решать некоторые простые проблемы, но всегда будут крайние случаи, где понадобятся человеческие навыки и понимание. Третий закон Артура К. Кларка гласит, что любая достаточно развитая технология неотличима от магии, но сочетание AI и человеческих навыков в работе с базами данных даст наибольший долгосрочный эффект без всякого колдовства.

—

New Tech Forum предоставляет площадку для технологических лидеров — включая вендоров и других внешних авторов — чтобы подробно обсуждать новые корпоративные технологии. Подбор материалов субъективен и основан на нашем выборе технологий, которые мы считаем важными и наиболее интересными для читателей InfoWorld. InfoWorld не принимает рекламные материалы к публикации и оставляет за собой право редактировать все присланные материалы. Все запросы направляйте на doug_dineley@foundryco.com.

Материал — перевод статьи с английского.

Оригинал: Making AI work for databases