Informes en lenguaje natural: preguntar a la base de datos sin saber SQL

El director de ventas hace una pregunta a las nueve de la mañana: ¿pedidos de qué cliente cayeron el mes pasado? La pregunta va a informática y por la tarde vuelve un archivo de Excel. El director abre el archivo y solo llega a su verdadera pregunta con una segunda solicitud de informe. Los informes en lenguaje natural consisten en acceder a la información de la base de datos haciendo preguntas en lenguaje cotidiano, sin usar SQL ni un diseñador de informes.

Aquí hay una distinción crítica: hacer la pregunta en turco no significa que la inteligencia artificial escriba consultas libres en la base de datos. En Fero, el asistente de IA empresarial de YazSis, la pregunta se responde con herramientas de negocio definidas y de solo lectura. Este artículo explica cómo se ve este enfoque en el uso diario.

¿Cómo se convierte una pregunta en una pantalla?

• Comprensión: Fero interpreta la intención de la pregunta, el periodo y a quién se refiere. ¿Qué intervalo de fechas es “esta semana”, qué representante es “Can”, qué ordenación es “los cinco primeros”?
• Elección de herramienta: solo se accede a los datos con herramientas de negocio definidas. La inteligencia artificial no escribe SQL ni se ejecutan consultas libres.
• Cálculo: cifras como totales, porcentajes y diferencias las calcula el sistema en el back-end; el modelo no puede decir un número que no esté en el resultado de la herramienta.
• Presentación: junto con una respuesta breve, se eligen los componentes adecuados entre 13 componentes de dashboard aprobados. La inteligencia artificial no genera código de pantalla.

La razón de esta elección es la exactitud. Un sistema que genera SQL libre parece flexible, pero conlleva dos riesgos: las tablas mal unidas pueden producir en silencio una cifra equivocada y resulta más difícil controlar qué consulta se ha ejecutado. En las herramientas de negocio definidas, lo que hace cada herramienta y cómo calcula se sabe de antemano. A cambio, se pierde flexibilidad; es una decisión deliberada que pone la exactitud de la cifra que verá el directivo por delante de la fluidez de la respuesta.

Una cadena de preguntas: de hoy a la causa

El valor real de los informes en lenguaje natural no está en una sola respuesta, sino en cómo se encadenan las preguntas. Una pregunta no solo obtiene una respuesta; prepara el terreno de la siguiente. El flujo siguiente sigue el escenario de demostración preparado con los datos de ejemplo del producto; no son datos reales de una empresa, pero muestra la lógica:

1. “¿Cómo van nuestras ventas de hoy?” Llega, con una respuesta breve, el resumen diario de ventas: ventas del día, acercamiento al objetivo, número de pedidos y diferencia respecto al mismo día de la semana pasada.
2. “Muéstralo por representante.” La pantalla no se reinicia; el mismo tema baja al desglose por representante.
3. “¿Qué representantes se han quedado por debajo del objetivo?” Destacan los dos representantes por debajo del objetivo.
4. “¿Cuál es el problema de este representante?” Se abre el desglose por clientes; en los datos de ejemplo se ve que la caída procede de dos clientes.
5. “Mira los últimos tres meses.” Se muestra la tendencia de los últimos meses para la misma persona.

En el reporting clásico, esta cadena suele significar más de un informe y más de una solicitud, y cada solicitud espera la respuesta de la anterior. Aquí, en cambio, cada paso lleva el contexto de la respuesta anterior; las preguntas de seguimiento avanzan actualizando la pantalla o bajando al detalle, en lugar de construirla de nuevo desde el principio.

¿Cómo se hace una buena pregunta?

• Diga el periodo. Expresiones como “este mes”, “los últimos seis meses” o “el mismo día de la semana pasada” reducen la ambigüedad.
• Indique por quién o por qué pregunta. Cliente, representante, producto o envío; si el tema está claro, la respuesta también lo estará.
• Pida una comparación. Decir “respecto a la semana pasada” da sentido a una cifra aislada.
• Avance paso a paso. Preguntar primero por la visión general y bajar después al detalle es más fiable que pedirlo todo en una sola frase.

Un pequeño ejemplo: la pregunta “¿cómo van las ventas?” deja abierto a qué periodo y a qué medida se refiere. La pregunta “¿cómo van nuestras ventas de este mes respecto al mes pasado?” da juntos el periodo y la comparación. La segunda no es más larga, sino más completa; y el sistema, en lugar de hacer suposiciones, construye directamente la respuesta.

Una pregunta en lenguaje natural hace innecesario conocer el lenguaje de los datos; pero no hace innecesario saber qué significan los datos.

Límites: ¿qué no hay que esperar?

Como no se ejecutan consultas libres, las preguntas que Fero puede responder se limitan a los temas que cubren las herramientas de negocio definidas; las preguntas de ejemplo del producto se agrupan en ventas, clientes y representantes, presupuesto, envíos, stock y resumen ejecutivo. Un tipo de pregunta distinto de estos requiere definir el alcance en el proyecto. En cuanto a los datos, la fuente que está lista hoy es MySQL; fuentes como SQL Server, PostgreSQL, REST API, Logo, SAP, Odoo y Excel se abordan dentro del alcance del proyecto.

Hay además una cuestión de expectativas: aunque el sistema calcule bien la cifra, quien decide qué pregunta hacer y cómo interpretar la respuesta sigue siendo el directivo. En situaciones que requieran un informe oficial o una conciliación, es buena práctica confirmar la respuesta del asistente con sus propios registros. No tome decisiones sin entender a qué periodo y a qué conjunto de clientes pertenece una cifra; hacer una pregunta de seguimiento en el punto que no entiende es parte natural del proceso y aclara la respuesta sin reconstruir la pantalla.

Para empezar, haga una lista de las preguntas que sus directivos hacen con más frecuencia y mire en qué tabla están hoy las respuestas. Para probar la cadena de preguntas con las preguntas de su propia empresa, puede solicitar una demo en vivo en la página de IA empresarial.