chatGPT让2023年成了AI元年，我们也在chatGPT出现“涌现”“开悟”之后，真切的感知到人工智能的威力。各种“工作”似乎都能被他取代，那么我们写SQL工作究竟是否能够被取代呢？我们先看看chatGPT写SQL的现状。1.chatGPT现状
我们先来看一下chatGPT的现状，对于SQL各种函数的理解，它是很在行的。公众号之前三篇介绍hive开窗函数的基础语法的文章是由chatGPT按照我的要求，给出语法、样例和常用的使用场景。所以在基础语法和简单或者中等难度的SQL面前，chatGPT完全无障碍；在较为复杂题目上，chatGPT的表现如何呢？我让chatGPT完成我们之前的题目
我增加提示："用户需要满足购买某种商品2个或者以上" 之后给出的SQL
我又给出提示”还是不对，不是要求某一笔订单满足购买数量大于等于2 ，是需要查询用户所有购买的商品中，是否存在同一种商品购买数量超过2个的“
我再次给出提示”还是不对，不需要对商品本身进行限定”于是得到以下内容
于是有意思的事情出现了，chatGPT给的SQL是正确的，但是给出的结果（就是上图中红框中的内容）是错误的。说明chatGPT给出的查询结果，并不是实际执行的结果，而是它“猜”的结果。
请注意：这是在chatGPT3.5版本上的测试结果，我认为在写SQL这件事上，chatGPT完全能写，但它不会去执行SQL以验证结果是否正确。
2.chatGPT取代我们写SQL的约束
(1)chatGPT对接数据系统
想要实现chatGPT对接数据系统，我们可以类比一下各厂接入云服务的情况。
首先，大型企业不太会将自己的数据服务放到其他大模型服务商的服务上，因此市面上不可能只有一个ChatGPT，而是各大厂商均有自己的大模型。目前评估来看，国内至少需要OpenAI的两年时间才能赶上当前chatGPT的水平，而且较多厂商都训练出可靠模型的时间会更长。
其次，中小型企业相对容易将自己的系统和数据交给其他大型模型服务商，但这也意味着将自己的业务系统、数据等交给服务提供商，存在很大的数据安全风险，老板们难以接受。想想上云的过程，有哪家企业敢把自己的服务和数据放到竞争对手或者竞争爸爸那里。
综合以上几点，想要实现ChatGPT对接数据系统，需要考虑数据隔离、数据安全等问题，短期不太可能实现，或者说在商业逻辑上暂时行不通。
(2)清晰描述自己的需求
在完成需求的时候，SQL逻辑主要来源是开发者对于业务的理解，而需求方的描述只是目标的简单描述。如果没有数据开发同学的肉身翻译，则需要以prompt的方式、或者自然语言的方式描述清楚自己的需求，那就衍化成为自然语言是否能精确描述出复杂的业务需求，从上面取“订单量前3”的例子来看，这种描述的门槛可能高过学习SQL。可以设想一下，如果我不会SQL，我真的能一步步给出提示吗？（3）产出结果验证
chatGPT给出的结果是否满足需求，这个是没有办法验证的，需求人员对于产出结果完全处在盲盒状态，为了保证数据的准确性，业务需要一个SQL boy 来对结果进行review
综上，我不认为未来几年内chatGPT或者其他LLM会直接替换掉数据开发人员的工作，仅仅是写SQL也不行。
3.我们应该怎么看待chatGPT
虽说chatGPT不能直接替换掉数据开发人员的工作，但是它却是一个十分强大的工具，可以数倍的提升工作效率，也就意味着当前一个团队的工作可能在未来只需要一个人就能完成，留下的应该是chatGPT玩得飞起的那个人吧。站在时代的路口，拥抱这个变幻的世界吧。当汽车出现了，如果不能做决定去哪里的那个人，做个可以选择工具的车夫，千万不要做那匹马。
点点关注不迷路，天天学习有进步
分享↓收藏↓点赞↓再看↓
原文作者：数据仓库技术；如有侵权，请联系管理员删除。
