Empleo del lenguaje natural para optimizar las consultas sql con langchain en la Empresa Consditec Juliaca 2024

Abstract

Esta investigación se enfocó en el desarrollo de un asistente basado en un Modelo de Lenguaje a Gran Escala (LLM) desplegado de manera local en Ollama, orientado a la generación de consultas SQL a partir de lenguaje natural, para el personal no familiarizado con el manejo de base de datos y consultas SQL de la empresa Consditec. Se emplearon los frameworks LangChain y Streamlit, lo que posibilitó la integración local con la base de datos SQLite existente. Este enfoque desecha el uso de un API comercial, lo que preserva la privacidad de datos sensibles de la empresa, y como resultado permite optimizar el acceso a la información. La evaluación técnica comparó cuatro modelos, LLaMA3, DeepSeek, DuckDB, Mistral y DuckDB, mediante 10 preguntas de uso recurrente contrastadas con la dataset Spyder, los resultados probaron que LLaMA3 alcanzó el mayor nivel de precisión con 7 respuestas correctas y un tiempo promedio de 12,687 ms. Seguido de Mistral; con 5 réplicas correctas y un lapso promedio de 59,833 ms, DeepSeek obtuvo un tiempo promedio significativamente mayor de 197,403 ms y 4 respuestas correctas, finalmente DuckDB registró 3 respuestas correctas y un tiempo promedio de 37,383 ms. Para complementar el análisis se aplicó una encuesta de tipo Likert al personal de la empresa con el propósito de evaluar la percepción del asistente. Los resultados obtuvieron una correlación alta de Spearman (ρ = 0.942, p < 0.001) entre la necesidad de uso de datos por parte del usuario y su percepción respecto al empleo del lenguaje natural, lo que demuestra una aceptación favorable del uso de consultas en lenguaje natural.