← Volver al blog

Text-to-SQL: cómo la IA traduce preguntas humanas a consultas SQL

Durante décadas, acceder a los datos de una empresa dependió de saber SQL. Text-to-SQL cambia eso: ahora cualquier persona puede escribir una pregunta en español y obtener una consulta ejecutable. Pero ¿qué tan buena es esta tecnología en 2026, y dónde falla?

¿Qué es Text-to-SQL?

Text-to-SQL (también llamado NL2SQL) es la capacidad de un modelo de lenguaje de transformar una pregunta en lenguaje natural en una consulta SQL válida sobre una base de datos específica. En la práctica, convierte esto:

"¿Cuáles fueron los 10 clientes que más facturaron en 2025?"

En esto:

SELECT cliente_id, SUM(monto) FROM facturas WHERE YEAR(fecha) = 2025 GROUP BY cliente_id ORDER BY 2 DESC LIMIT 10;

Cómo funciona por dentro

El modelo recibe tres cosas:

1. La pregunta del usuario.
2. El esquema de la base de datos (tablas, columnas, tipos).
3. Contexto de negocio: ejemplos previos, reglas, glosario.

Con eso, genera una consulta SQL que luego se ejecuta contra la base. El resultado se devuelve al usuario, a veces acompañado de un gráfico o tabla.

Dónde falla (y por qué hay que saberlo)

Text-to-SQL no es perfecto. En preguntas ambiguas, modelos pueden:

• Elegir la tabla equivocada si hay varias con nombres similares.
• Inventar columnas que no existen (alucinaciones).
• Olvidar filtros implícitos, como "solo clientes activos".
• Confundirse con jerga interna: "vuelo rojo" significa algo distinto en cada empresa.

Por eso, una implementación seria incluye una capa de validación: mostrar la SQL generada, permitir al usuario confirmarla, y loguear correcciones para mejorar respuestas futuras.

Lo que marca la diferencia: contexto de negocio

El modelo por sí solo no sabe qué significa "cliente activo" en tu empresa. Las implementaciones buenas agregan una capa semántica que describe:

• Definiciones de métricas ("facturación neta = ingresos - devoluciones").
• Dimensiones canónicas (una sola definición de "cliente", "producto", "región").
• Reglas de seguridad (qué filas puede ver cada usuario).

Esta capa es lo que diferencia una demo impresionante de un sistema que funciona con datos reales.

Cuándo tiene sentido Text-to-SQL para tu empresa

Funciona bien cuando:

• Tienes una o varias bases de datos estructuradas.
• Hay muchas preguntas repetitivas que hoy pasan por un analista.
• Los datos están razonablemente limpios y documentados.

No es la mejor opción si tu información vive en PDFs, emails o planillas no estructuradas. Para esos casos, se combina con arquitecturas RAG.

En resumen

Text-to-SQL ya es una tecnología madura. Los modelos actuales resuelven la mayoría de las preguntas cotidianas de negocio con precisión alta, siempre que exista contexto semántico bien definido. El cuello de botella ya no es la IA; es cuánto orden tienes en tus datos.