# A Uber pôs em produção o QueryGPT, uma ferramenta de linguagem natural para SQL, para as equipas de operações e de apoio, e comunicou que o tempo para escrever uma consulta baixou de cerca de 10 para cerca de 3 minutos (~300 utilizadores diários)

Página: https://flyvolo.ai/pt/changes/ev-20240919-data-analyst-1
Data: 2024-09-19 · Fase: Implementação real
Este registo pode alterar um juízo sobre uma tarefa? sim
Profissão: https://flyvolo.ai/pt/careers/data-analyst

## Âmbito

Uma só empresa, com lançamento limitado; a plataforma da Uber corre cerca de 1,2 milhões de consultas interativas por mês, por isso isto é uma fatia pequena. A própria publicação assinala como problemas em aberto as tabelas e colunas alucinadas e a qualidade das instruções.

## Fonte

- Uber — engineering blog — https://www.uber.com/en-US/blog/query-gpt/ (fonte primária)

## O que isto significa

Um registo de implantação sobre a tarefa de escrever consultas, visto de dentro do fluxo de trabalho: a ferramenta de linguagem natural para SQL da Uber está em produção para as equipas de operações e de apoio, com um tempo de redação relatado a descer de cerca de 10 para cerca de 3 minutos para aproximadamente 300 utilizadores diários. Apoia o mecanismo da página da tarefa na camada de implantação, e o próprio artigo nomeia como problemas em aberto as tabelas e colunas alucinadas e a qualidade das instruções.

## O que ainda não demonstra

300 utilizadores face a cerca de 1,2 milhões de consultas interativas por mês são um canto pequeno de uma empresa, e esses utilizadores são pessoal de operações e de apoio, e não analistas; o número de tempo é declarado pela própria empresa. O artigo da Uber enumera tabelas e colunas alucinadas como problemas em aberto, por isso isto não é prova de que a ferramenta seja fiável sobre um armazém não curado, e nada disso tem que ver com os efetivos de analistas.

## Como o verificar por si

Pega nas cinco consultas que escreveste mais recentemente e experimenta cada uma como pergunta em linguagem corrente no assistente de SQL que a tua ferramenta de BI ou o teu armazém ofereça, anotando quais correram bem sem retoques; quase todas as falhas vão cair em tabelas sem definições documentadas, e essa lista é a camada semântica que falta à tua equipa.


Mais: https://flyvolo.ai/llms.txt