data-chat

El problema

Las ventas de una PyME viven en Excel, y sacarles una respuesta exige tablas dinámicas o esperar a alguien que sepa. Un "text-to-SQL" ingenuo deja que el modelo escriba SQL contra la base: un riesgo de seguridad y de exactitud, porque un JOIN mal hecho devuelve un número falso con total seguridad. El objetivo era responder en lenguaje natural sin que la IA pudiera tocar ni inventar los datos.

Restricciones

• La IA nunca escribe SQL: traduce la pregunta y el servidor arma la consulta
• Solo lectura: ningún intento de manipulación, en la pregunta o escondido en el archivo, puede cambiar los datos
• Ninguna cifra inventada: el resumen solo se muestra si cada número está en el resultado
• Si la pregunta es ambigua, preguntar antes de adivinar
• Costo por pregunta visible, con tope diario

Cómo funciona

1. 1El archivo CSV o Excel se importa con tipos y orden de fechas inferidos, con COPY binario a una tabla propia cuyas columnas se nombran por posición: ningún encabezado llega al SQL.
2. 2Una capa semántica propone métricas y dimensiones a partir de las columnas; el dueño las renombra con sus palabras y confirma. Solo entonces se puede preguntar.
3. 3Claude Haiku responde con un JSON Schema generado para ese archivo, cuyas opciones son solo las métricas y dimensiones confirmadas. Los periodos ("el último trimestre") los resuelve el servidor.
4. 4Un compilador arma SQL con nombres de una lista permitida y valores como parámetros; corre en una transacción de solo lectura, con un rol que solo puede hacer SELECT, 3 segundos de límite y LIMIT forzado.
5. 5El gráfico se elige según la forma del resultado, y una segunda llamada escribe un resumen cuyas cifras se comparan una por una con el resultado antes de mostrarlo.

Decisiones clave

Resultados

• Con Claude Haiku 5.5, las 75 preguntas de evaluación (60 en español y 15 en inglés) dan la cifra correcta, y las 8 ambiguas reciben una pregunta de vuelta.
• Los 20 intentos de manipulación, en la pregunta o escondidos en encabezados y celdas de un archivo, no cambiaron nada; el modelo rechazó 18 y respondió las otras 2 como preguntas normales.
• Ningún resumen mostrado tiene una cifra inventada: el control descartó 1 de 75.
• Leer los resultados mostró lo que la puntuación no medía: 5 de 15 preguntas en inglés recibían frases en español. Se corrigió haciendo que el modelo nombre el idioma primero, y se publicó junto con el seguimiento que falló en la corrida final (9 de 10).
• Un test de punta a punta con Playwright sube un archivo, pregunta, sigue la conversación, abre el SQL, descarga el CSV y revisa el historial en cada push, sin API key y sin costo.