AIが書いたSQLは実行できた。でも、何を数えたのだろう?
AIを使ったSQLの結果を受け入れる前に、結合、数える単位、小さな確認用ケースを調べます。
記事の言語: 日本語

目次
ある架空のサポート報告書に四件の問い合わせが表示されます。責任者の記憶では三件です。AIアシスタントが正常に実行されたクエリを示すため、話は一時、人間の記憶が頼りないという方向へ進みます。データを見て初めて、システムがファイルと結合された行を数えていたと分かります。故障写真の追加が、問い合わせ一件の追加に昇格していたのです。
SQLはデータベースに問い合わせるための言語です。アシスタントは作成を助けられますが、実行に成功したということは、まずデータベースが命令を処理できたという意味です。その命令がチームの問いに答えたかどうかまでは決まりません。結果を受け入れる際は、数字が報告書に入り、三つのプレゼンテーションで独り歩きする前に意味を確認してください。
三件の問い合わせ、四つのファイル、いくつもの数え方
小さな独自の例を考えます。対象期間に問い合わせA、B、Cが作成されました。Aには三つのファイル、Bにはゼロ、Cには一つのファイルが添付されています。何件の問い合わせが入ったかが問いです。答えは三件です。三つの識別子を見れば、AIや構文の知識がなくても確かめられます。
データベースでは、問い合わせとファイルの情報が別々のテーブルにあるかもしれません。結合は、ファイルが問い合わせに属するという関係など、定められた関係に従って両者をつなぎます。PostgreSQLの文書はINNER JOINを、条件に一致する組み合わせごとに行を作るものとして説明しています。そのため一つの問い合わせが結果に複数回現れることがあります。
このデータで一致する組だけを含む結合は、Aに三行、Cに一行を作ります。Bにはファイルがないので消えます。四行は四件の問い合わせではありません。さらに、この結果から問い合わせ識別子の重複を除いても二件です。Aを一件に戻せても、抜けたBは戻りません。
ここで自動的に「重複を直して」と次の指示を出す前に、立ち止まるとよいでしょう。まず別々の二つの問題を明らかにします。ファイルが複数ある問い合わせの重複と、ファイルがない問い合わせの欠落です。一つの変更で前者を除いても、後者が残ることがあります。結果はもっともらしい整数ですが、別の質問への答えです。
一致するファイルのない問い合わせも残す結合なら、この例は五行になります。Aが三行、BとCが一行ずつです。Bの行にはファイル識別子がありません。今回も行数は問い合わせ件数ではありません。複数の値を一つの結果にまとめる集計方法を選ぶ前に、すべての組を書き出して手で数えられます。このデータの数字はローカルのSQLiteでも確認しました。例の確認であり、特定のアシスタントやPostgreSQL環境を試したものではありません。
PostgreSQLのcountの説明は、count(*)で全行を数えることと、指定した式の値がNULLでない行を数えることを区別しています。ここでNULLはデータベースに値がないことを意味します。この例ではファイルを参照する式は四、全行は五になります。どちらも自動的に問い合わせ件数の代わりにはなりません。
魔法の修正方法を覚える話ではありません。一意の問い合わせ識別子を選ぶことは、この問いに適しているかもしれません。ただし最初に、実際のデータで問い合わせ一件を何が識別するかを知る必要があります。顧客名、メッセージの件名、画面に表示された短い番号が必ずその役割を果たすとは限りません。別々の二人が同じ件名で故障を報告することもあります。
似た誤りはAIを使ったスプレッドシートの分析 (ポーランド語)(リンク先はポーランド語です。)にも現れます。間違った行の合計を正確に計算するのは簡単です。ここでは追加の行がクエリによって初めて生まれることがあり、元の問い合わせテーブルが全く問題なく見える点が異なります。
クエリを受け取る前に問いを合意する
「10月の問い合わせを数えて」には、まだいくつもの決定が残っています。問い合わせの作成時点でしょうか。最初のメッセージを受けた時点でしょうか。対応を終えた時点でしょうか。再開された問い合わせは新しい一件ですか。テスト用の問い合わせも数えますか。列の名前がdateやstatusであるだけでは答えは分かりません。
定義を平易な一文で書きます。例えば、問い合わせ一件には変わらない識別子が一つあり、その後の終了にかかわらず、合意した期間内の作成日で対象に含め、テストと印のあるレコードは除く、という定義です。これはこの場面の提案であり、問い合わせの普遍的な定義ではありません。結果を評価する前に業務の責任者が合意する必要があります。
次に定義をデータに対応付けます。どのテーブルに問い合わせがあり、どの項目が作成時点を示し、テストの印はどこにありますか。データモデルを知る人に関係を確認してもらいましょう。似た名前のテーブルがあると、アシスタントは現在の一覧ではなく変更履歴を選ぶかもしれません。その場合、報告書は一件の問い合わせに起きた出来事を数えます。
関係の説明は項目名と同じくらい重要です。ファイルは一件の問い合わせに属しますか。一件に複数の担当者が付くことはありますか。履歴に同じ状態の記録が複数あることはありますか。こうした関係を理解すると、集計前の結果を読み取る助けになります。関係の方向と根拠という広い問題は、AIが使う知識グラフの確認 (ポーランド語)(リンク先はポーランド語です。)で扱っています。
GoogleはBigQueryでGeminiを使ってクエリを作成する文書で、使用前に出力を検証するよう勧め、もっともらしく見えても誤った結果が出る可能性を警告しています。実際の検証では、合意したデータの意味を確認する必要があります。同じアシスタントが生成したクエリの説明は、独立した確認にはなりません。
問いが曖昧なら、SQLを修正し始める前に明確にしてください。数字を見てから定義を変えると、誤りを直したのか報告を期待に合わせたのか評価しにくくなります。元の問い、合意した解釈、確認したクエリの版を残します。後から読む人が数字の意味を再現できます。
フィルターは正しい結合の意味も変え得る
報告書にはすべての問い合わせを含めるはずなのに、アシスタントが添付ファイルの形式に条件を加えたとしましょう。一致しない問い合わせを残す結合を使っていても、ファイルのないBが消えることがあります。SQLを知る人に、条件を適用した位置を確認してもらいます。PostgreSQLの結合の文書は、外部結合ではONに制限を置く場合とWHEREに置く場合で結果が異なり得ることを示しています。

業務の責任者は、問いがすべての問い合わせを対象とするのか、特定のファイルがあるものだけを対象とするのかを決めます。どちらも意味のある分析ですが、名前を分ける必要があります。修正後に重複が表示されなくなったという理由だけで定義の変更を承認しないでください。一部の問い合わせを除くことは、問題を解決せず隠すかもしれません。
フィルター対象の日付がどの出来事のものかも確認します。11月にアップロードされたファイルが、10月に作成された問い合わせに属することがあります。問い合わせの作成日を尋ねるなら、後から添付されたファイルだけでその問い合わせが属する月が変わってはいけません。アシスタントの説明にある列名を頼りにせず、テストセットにそのようなケースを用意します。
期間の境界では、データに使われる時刻とタイムゾーンについて期待する扱いを書きます。項目に時刻も保存されるなら、「10月31日まで」は曖昧かもしれません。最終日の夜遅くと翌月の開始時点を確認に含めます。結果は「まで」の偶然の解釈ではなく、合意した期間に対応する必要があります。
小さなデータセットで違いを表す
確認用セットには、誤ったクエリが異なる結果を出さざるを得ないケースを入れます。三件すべてにファイルがちょうど一つずつあるだけでは、この問題を見つけられません。結合後の行数と問い合わせ件数が同じになるためです。データが誤りを見分ける機会を作らなかったので、試行は通ってしまいます。
この例では三つのファイルがあるAと、一つもないBが違いを生みます。件名で数える案が出た場合は、同じ件名の問い合わせ二件も加えます。対象期間については開始直前、中間、終了境界の問い合わせを用意します。期待する結果は、評価対象のクエリを実行する前に書いてください。クエリの答えを見て決めてはいけません。
こうしたデータは手で準備できます。生成器を使うなら、合成データの関係の整合性 (ポーランド語)(リンク先はポーランド語です。)を確認します。存在しない問い合わせを指すファイルや、一意のはずの二つの対象が同じ識別子を持つ状態は、試行の対象を変えてしまいます。テストは既知の条件でクエリを評価するものであり、偶然生まれた謎を解くものではありません。
正しい結果を得たら、その結果に影響しないはずのものを一つ変えます。Aにファイルを一つ追加してください。問い合わせは三件のままです。報告書の数が増えるなら、まだ添付ファイル数に依存していると分かります。次にファイルのない新しい問い合わせを加えます。今度は結果が一つ増えるはずです。二つの変更は意味の異なる部分を試します。
実データにテスト用の印が欠けた状態があるなら、そのレコードも加えます。除外するのか、含めるのか、確認に回すのか合意してください。印がないことは、その問い合わせが本物である証拠にもテスト用である証拠にも自動的にはなりません。規則を書いておけば、データベースがデモの例ほど整っていなくても結果を評価できます。
結果を構成する識別子の一覧も見てください。同じ合計が、たまたま相殺された二つの誤りを隠すことがあります。一件が欠落し、別の一件が二重に数えられる場合です。集合の構成員を確認して初めて見えます。小さな受け入れ用の例には、すべてのレコードを説明できる利点があります。
結果がまだ合わないなら、提供者に各段階を見せてもらいます。結合前の問い合わせ一覧、結合後の一覧、フィルター後の一覧があれば、AIの長い説明をもう一つ読むより早く、差が生じた場所を見つけられます。すべての読者に構文全体を見せる必要はありません。確認する人が、具体的な問い合わせがどこから来たかを確かめられる必要があります。
Aeneia Audit: AIを使った分析方法が、チームの実際の問いに答えているか確認しましょう。クエリの実行だけで評価が終わらないよう、受け入れ基準、確認用ケース、結果の正しさを示す証拠を整理します。AIを使う分析の受け入れを相談する。
確認した後も数字には説明が要る
クエリを受け入れたら、その版、問い合わせの定義、データの範囲、試行の期待結果を残します。どのデータのコピーで確認し、それがいつのものかも記録してください。確認後、報告書と比べる前に新しい問い合わせが追加されたなら、数字の差だけではクエリの誤りを証明できません。まず両方の答えを同じデータ集合に対応させる必要があります。
後でデータベースのモデルやテスト用問い合わせの印付け方法が変わったなら、どの前提をもう一度確認するか、誰かが分かるようにしておきます。何についての評価か示さずに「SQL確認済み」とメモを残すだけでは足りません。
クエリの結果とモデルが付け加えた説明を分けます。テーブルに三件の問い合わせがあるのに、要約が四人のお客さまを示すなら、SQLの確認はその文を承認しません。単位が変わっています。構造は正しくても意味が違うJSONデータ (ポーランド語)(リンク先はポーランド語です。)と同じ種類の差です。技術上受け入れられた結果が、合意したものとは別の対象を説明することがあります。
指標の名前には定義を残します。新しい問い合わせだけを数えたなら、「10月に作成された問い合わせ」は「サポート活動」より正確です。追加データなしで、結果を対応品質、人数、仕事量に広げてはいけません。一つの測定値が責任者のすべての問いに自動的に答えるわけではありません。
ツールの利点を評価するときは確認時間も含めます。AIを使った仕事の時間を測る (ポーランド語)(リンク先はポーランド語です。)ときは、問いの明確化、クエリ修正、結果の検証も記録します。SQLを短時間で書けることは役立つかもしれませんが、報告書を受け入れるための作業をなかったことにはできません。
Aeneia Auditでは、このような利用について、AIを使う過程と受け入れに必要な証拠を評価します。仕組みによっては、データベース自体の分析をデータの責任者と進める必要があります。よい成果は、合意した確認を経てチームが受け入れられる分析と、さらに検討が必要な分析を明らかにすることです。
この例の報告書には、範囲を明確にした三件の問い合わせを載せられます。Aの写真三枚は、あくまでAの写真三枚です。四枚目を加えた途端に問い合わせ件数が増えるなら、責任者がサポート担当の増員を計画する前にクエリへ戻りましょう。







