Preguntarle a la base de datos en lenguaje natural

En un primer lugar el usuario pregunta lo que necesita saber, escrito como lo diría en voz alta. El modelo no toca la base de datos: elige dentro de un catálogo cerrado de nueve funciones de Python con la firma tipada, y todas se ejecutan en un terminal. «Qué comercial tiene el mejor ratio de euros por kilómetro» se convierte en una sola llamada: la función de ranking, la dimensión comercial, la métrica euros por kilómetro.

Después se valida cada parámetro, antes de que se ejecute nada. Dimensiones, métricas, filtros y periodos salen de listas cerradas. Si pides las ventas «por vendedor» y esa no es una de las siete dimensiones, la llamada falla y te devuelve las siete que valen. Si filtras por un cliente llamado «restaurante» y encajan tres, se niega y te nombra los tres para que elijas. Si pides kilómetros por producto, te explica que las métricas de ruta solo tienen sentido por comercial. El modelo lee el error, corrige y reintenta una vez.

Las dimensiones son siete (producto, categoría, cliente, comercial, región, canal y tipo de cliente) y las métricas ocho (facturación, unidades, número de pedidos, ticket medio, kilómetros, visitas, euros por kilómetro y euros por visita). Las métricas de ruta solo se aceptan por comercial, porque atribuirle kilómetros a un producto no significa nada, y la función lo dice.

La cuenta la hace el código, no el modelo. La función lanza una consulta parametrizada, y sumar, promediar y dividir ocurre en Python sobre las filas que devuelve la base de datos. La respuesta del chat se arma con ese resultado y con nada más, así que la cifra que se lee es exactamente la que salió del cálculo. El texto libre tampoco llega nunca a la base de datos: no hay parámetro de SQL, ni campo de expresión, ni puerta de atrás. El modelo decide qué preguntar; cómo se consulta no lo decide nunca.

Las escrituras funcionan igual. «Sube el precio del virgen extra de 500 ml a 12,50» pasa por la función de actualizar, que solo acepta una lista blanca de columnas por tabla y devuelve el registro antes y después del cambio, así que la edición se ve en lugar de darse por buena.

Para acabar, la respuesta llega dentro del chat como una tabla con las barras dibujadas en la propia línea, y como informe HTML con su gráfico cuando se pide. Cada llamada queda anotada en un registro con sus argumentos, las filas que devolvió y los milisegundos que tardó, así que a «¿cómo has hecho eso?» se contesta leyendo ese registro y no reconstruyéndolo de memoria.