Text-to-SQL 4장 카드뉴스

자연어로 쓴 질문을 데이터베이스에서 실행할 수 있는 SQL 쿼리로 자동 변환하는 기술입니다. 학술적으로는 시맨틱 파싱의 대표 과제로, 2018년 예일대의 Spider 벤치마크가 표준 평가 기준을 세웠습니다. LLM 등장 이후 정확도가 크게 올라, 개발자가 아닌 직군도 채팅으로 데이터를 조회하는 사내 도구로 확산하고 있습니다. 다만 깨끗한 벤치마크와 달리 실제 기업 데이터베이스 환경에서는 정답률이 크게 떨어져, 사람의 검증 절차와 함께 쓰는 것이 전제입니다.

텍스트 투 에스큐엘(Text-to-SQL)은 '지난달 가장 많이 팔린 상품은?' 같은 일상 언어 질문을 데이터베이스 전용 언어인 SQL(Structured Query Language) 문장으로 바꿔 주는 기술입니다. 데이터는 회사 데이터베이스에 쌓여 있는데 SQL을 다루는 사람은 소수라는 간극을 메워 줘요. 최근에는 LLM이 테이블 구조(스키마)를 읽고 쿼리를 짜 주는 방식이 표준이 됐습니다. 생성된 쿼리가 맞는지 검증하는 일은 여전히 사람 몫입니다.

케이스 1: Uber — 사내 쿼리 도구 QueryGPT Uber는 2024년 자연어로 SQL을 생성하는 사내 도구 QueryGPT를 공개했습니다 [4]. 비즈니스 도메인별 테이블·샘플을 묶은 워크스페이스와 다단계 에이전트 구조를 썼습니다 [4]. Uber 데이터 플랫폼은 월 약 120만 건의 대화형 쿼리를 처리합니다 [4]. 제한 릴리스 기준 일간 활성 사용자는 약 300명이었습니다 [4]