SQL sin analistas: cómo ecom.tech logró que LLM locales escriban consultas

Cada vez que un gerente necesita los datos de ventas del jueves pasado, en algún lugar del mundo un analista suspira. En ecom.tech decidieron que ya bastaba. En lugar de inundar el departamento de analítica con tickets repetitivos, el equipo montó un sistema en el que una red neuronal local escribe las consultas SQL. Es la historia clásica de cómo la automatización salva a las personas del agotamiento y a la empresa de pérdidas de tiempo absurdas.

Seamos sinceros: SQL es el latín del negocio moderno. Todos saben que existe, pero lo hablan unos pocos. Antes, el camino desde la pregunta «¿cuánto hemos vendido?» hasta la respuesta llevaba horas, y a veces días. El analista tenía que dejar la investigación a fondo y la búsqueda de insights para escribir otra consulta elemental. Eso no solo es ineficiente: mata la motivación de los profesionales al convertirlos en interfaces humanas de las bases de datos. El equipo de ecom.tech entendió que este proceso era el candidato ideal para optimizarse con LLM.

¿Por qué modelos locales? Parecería más fácil conectar la API de OpenAI o Anthropic y despreocuparse. Pero ningún departamento de seguridad sensato en un gran retailer permitirá enviar a servidores externos la estructura de la base de datos, los nombres de las tablas y métricas de negocio sensibles. Por eso ecom.tech eligió el camino difícil pero correcto de las soluciones autoalojadas (self-hosted). Exige más capacidad de cómputo al inicio, pero el departamento jurídico duerme tranquilo y los datos no salen del perímetro de la empresa.

Técnicamente es un puente inteligente entre el lenguaje humano y la sintaxis estricta de las bases de datos. El modelo recibe la descripción del esquema de datos y la pregunta del usuario, y devuelve código listo para usar. Por supuesto, no es magia y las redes neuronales a veces se equivocan. Aun así, que la IA acierte en la mayoría de los casos ya supone un ahorro enorme de recursos. En ecom.tech implantaron un sistema que permite verificar las consultas y reentrenar el modelo con escenarios específicos de la empresa. Los demás casos complejos, que requieren una comprensión profunda de la lógica de negocio, siguen en manos de personas, pero su número se ha reducido varias veces.

¿Qué cambia esto para la industria en general? Asistimos a una tendencia real hacia la democratización de los datos. Si antes el acceso a las cifras era un privilegio de quienes saben programar, ahora la barrera de entrada baja hasta saber formular con claridad lo que se necesita. Esto libera a los analistas del papel de «extractores de datos» y los devuelve al de estrategas. Ahora configuran el sistema y vigilan la calidad de los datos en lugar de dedicar el 80% del tiempo a escribir selects básicos.

Lo esencial: el analista como «traductor del lenguaje humano al de las máquinas» va quedando poco a poco en el pasado. El futuro es de quienes sepan construir este tipo de sistemas de autoservicio. ¿Podrán los modelos locales desplazar por completo al SQL manual en los próximos dos años?