Nel 2025, Digital Millers è tra le prime aziende italiane ad aver progettato sistemi Text-to-SQL locali, portando l’AI all’interno dei database aziendali nei settori farmacia, industria, manifattura e moda.

Il nostro approccio si basa su tre elementi chiave:

  1. Analisi semantica dello schema – per identificare le relazioni chiave
  2. Viste e tabelle di supporto – pensate per la massima interconnessione logica
  3. Knowledge base e prompt RAG – progettati per un’inferenza precisa e contestualizzata

Interrogare i dati con il linguaggio naturale?
Ora si può (senza scrivere SQL)

Grazie ai più recenti modelli di linguaggio (LLM), è possibile interrogare un database semplicemente parlando. Niente interfacce, niente report precompilati: una frase in linguaggio naturale viene trasformata in una query SQL eseguibile, restituendo un risultato reale e verificabile.

Cos'è il Text-to-SQL?

Il Text-to-SQL è il processo attraverso cui un LLM interpreta una domanda e la converte in una query SELECT (o simile), eseguibile su un database relazionale. Questo approccio, noto anche come NL-to-SQL o Natural Language Interface to Databases (NLIDB), consente a chiunque di accedere ai dati aziendali senza conoscere la sintassi SQL.

È affidabile? E se l’AI si inventa i dati?

A differenza delle risposte generiche, il SQL è un linguaggio deterministico. Se la query è corretta, il risultato sarà vero, consistente e replicabile.
Grazie a tecniche come LLM-as-a-judge e execution feedback, è possibile valutare, correggere o rigenerare automaticamente la query in caso di errore, azzerando il rischio di allucinazioni.

Ma il modello conosce lo schema del database?

Per generare query valide, l’LLM deve avere schema awareness: conoscere nomi di tabelle, colonne, tipi di dato e relazioni. Questo avviene tramite prompt engineering evoluto, arricchito da metadati, esempi e – quando necessario – un sistema RAG (Retrieval-Augmented Generation) che fornisce le informazioni corrette solo al momento opportuno.

E se il linguaggio è vago o ambiguo?

È qui che interviene un context layer intelligente, capace di interpretare correttamente il significato reale della richiesta. Una knowledge base progettata con cura permette al modello di distinguere, ad esempio, tra "ricavi", "utile" o "fatturato", in modo coerente e conforme alla logica aziendale.

Text To Sql

Quali sono i vantaggi pratici?

  • ✅ L’utente non deve conoscere SQL né la struttura interna del database
  • ✅ L’accesso ai dati è istantaneo e in tempo reale
  • ✅ Il sistema rispetta i permessi utente e può essere integrato in ambienti sicuri
  • ✅ Viste AI dedicate coprono la complessità dello schema
  • ✅ Funziona in ambiente locale o cloud, anche con piccoli LLM
  • ✅ Può attivare Agenti AI o trigger automatici basati sulle risposte
  • ✅ L’intera architettura può essere realizzata con tecnologie open source

Un modello ingegnerizzato, replicabile per ogni settore

Non progettiamo interfacce, ma costruiamo dialoghi intelligenti con i dati aziendali.

Che tu lavori in ambito vendite, produzione, logistica o marketing, oggi puoi liberarti da viste rigide e report precompilati. Con il nostro sistema Text-to-SQL, l’intelligenza artificiale parla la lingua dei tuoi dati. E te li mostra, quando vuoi, come vuoi.