# Uber が自然言語から SQL への道具 QueryGPT を運用・サポートの部門向けに本番投入し、問い合わせを書く時間がおよそ10分から3分に減ったと報告した(日々の利用者はおよそ300人)

ページ: https://flyvolo.ai/ja/changes/ev-20240919-data-analyst-1
日付: 2024-09-19 · 段階: 実際の導入
この記録は業務の判断を動かせますか? できる
職業: https://flyvolo.ai/ja/careers/data-analyst

## 適用範囲

一社での限定的な展開である。Uber の基盤では対話的な問い合わせが月におよそ120万件動いているので、これはごく一部にあたる。記事自身が、存在しないテーブルや列の捏造と、指示文の質を未解決の問題として挙げている。

## 出典

- Uber — engineering blog — https://www.uber.com/en-US/blog/query-gpt/ (一次資料)

## これが意味すること

仕事の流れの内側からの、問い合わせを書くという業務についての導入の記録である。Uber の自然言語からSQLへの道具は、運用と支援のチーム向けに本番で動いており、日々およそ300人の利用者について、書くのにかかる時間がおよそ10分からおよそ3分へ下がったと報告されている。導入の層で業務ページの仕組みを支えるものであり——そしてこの投稿自身が、実在しない表や列を作り出してしまうことと、プロンプトの質を、未解決の問題として挙げている。

## まだ示していないこと

月におよそ120万件の対話的な問い合わせに対して300人の利用者は、一社の小さな一角であり、その利用者はアナリストではなく運用と支援の職員である。時間の数字は自己申告である。Uber 自身の投稿は、存在しない表や列を作り出すことを未解決の問題として挙げているので、これは整えられていない倉庫でこの道具が信頼できることの証拠ではないし、アナリストの人数についても何一つ触れていない。

## 自分で確かめる方法

直近に自分が書いた五つの問い合わせを取り出し、自分のBIの道具や倉庫が備えるSQLの補助に、それぞれを平易な言葉の問いとして投げてみて、手直しなしに正しく走ったのはどれかを記録すること。失敗はほぼすべて、定義が文書化されていない表で起きる——その一覧が、自分のチームに欠けている意味の層である。


詳しくは: https://flyvolo.ai/llms.txt