Select AIは、データ・インタラクションを強化し、開発者がSQLから直接AIドリブン・アプリケーションを構築し、自然言語プロンプトをSQLクエリやテキスト・レスポンスに変換し、LLMとのchatインタラクションをサポートし、RAGを使用した現在のデータでレスポンスの精度を高め、合成データを生成できるようにします。

次のようなユースケースがあります。

• 自然言語プロンプトからSQLを生成

  開発者の生産性: Select AIは、「スターター」SQLクエリを迅速に提供することで、開発者の生産性を大幅に向上させます。開発者は自然言語プロンプトを入力でき、Select AIはデータベース・スキーマの表およびビューに基づいてSQLを生成します。これにより、複雑なクエリを最初から作成するために必要な時間と労力が削減されるため、開発者は、生成されたクエリを特定のニーズに合わせて調整および最適化することに集中できます。

  エンドユーザー向けの自然言語クエリ: Select AIは、エンドユーザーが自然言語クエリを使用してアプリケーションの基礎となるデータテーブルやビューと対話できるようにします。この機能により、SQLの専門知識を持たないユーザーは、質問をしてデータを直接取得できるため、使用されているLLMの機能および使用可能なスキーマ・メタデータの品質と比較して、データ・アクセスがより直感的でユーザーフレンドリになります。

• カスタマイズされたメディア生成

  Select AIは、個々の顧客の詳細に合わせた電子メールなど、パーソナライズされたメディア・コンテンツを生成するために使用できます。たとえば、プロンプトでは、LLMに友好的でアップビートなEメールを作成して、顧客が推奨製品のセットを試すことを促すよう指示できます。これらの推奨事項は、顧客の人口統計、またはデータベースで使用可能なその他の特定の情報に基づいている場合があります。このレベルのカスタマイズにより、関連性の高い魅力的なコンテンツを顧客に直接提供することで、顧客エンゲージメントが向上します。

• コード生成

  Select AIはchatアクションを利用します。Select AIを使用して、指定したLLMに自然言語プロンプトからコードを生成するように依頼できます。この機能では、SQL、Python、R、Javaなどの様々なプログラミング言語がサポートされています。次に例を示します。

  • Pythonコード: 「Pythonコードを記述して、列ACTUALおよびPREDICTEDを持つDataFrame上の混乱マトリックスを計算します。」
  • SQL DDL: 列名、年齢、収入および国を含むSQL表のDDLを記述します。
  • SQL問合せ: 「Oracle Machine Learningのデータベース内モデルCHURN_DT_MODELを使用するSQL問合せを記述して、どの顧客が解約し、どの確率で解約するかを予測します。」

• 取得拡張生成(RAG)

  ベクトル・ストア・コンテンツを使用してセマンティック検索を取得し、LLMレスポンスにおける迅速な正確性と関連性を高めます。

• 合成データ生成

  ソリューション・テスト、概念実証およびその他の用途のスキーマに準拠したLLMを使用して、合成データを生成します。合成データは、実際のデータがない場合にアプリケーションのより優れたテストをサポートし、アプリケーションの全体的な品質につながります。

  合成データ生成を使用して、Autonomous Databaseクローンまたはメタデータ・クローンを移入することもできます。メタデータ・クローンは、実際のデータではなく、構造のみを含むデータベースのコピーです。Select AIは、そのようなクローンの合成データの生成をサポートします。合成データを使用すると、ユーザー・エクスペリエンスを開発、テストおよび検証しながら、機密データを保護できます。また、モデル・トレーニングのサンプル・データを必要とするAIおよび機械学習プロジェクトや、スコアリング用のテスト・データにも役立ちます。