Компания FIS («Финансовые информационные системы»), резидент «Сколково», внедрила в FIS Platform генерацию SQL-запросов с помощью искусственного интеллекта. Новый инструмент встроен в конструктор поисковых методов low-code платформы: разработчик описывает нужную выборку на естественном языке, а ИИ формирует SQL с учетом контекста приложения, над которым идет работа.
Сценарий рассчитан не на автономное изменение корпоративной системы, а на создание технической заготовки, которую специалист может проверить, скорректировать и уточнить. Это важно для бизнеса, где работа с данными, связями между сущностями и логикой приложения требует инженерного контроля.
Как работает генерация SQL в FIS Platform
В визуальном конструкторе поисковых методов пользователь может указать, какие данные необходимо получить, какие таблицы и поля использовать, задать условия выборки и ожидаемый результат. Если первоначальный вариант SQL не подходит, постановку задачи можно уточнить в диалоге с моделью и получить обновленный запрос.
Ключевая особенность решения — использование ИИ-контекста приложения. Универсальная языковая модель может знать SQL и распространенные технологии программирования, но изначально не располагает информацией о структуре конкретной корпоративной системы: объектах, модели данных, связях и прикладной логике. Поэтому перед использованием ИИ-сервисов информация о приложении может быть проиндексирована.
При формировании запроса FIS Platform передает модели пользовательскую задачу вместе с релевантными сведениями о текущей структуре решения. Разработчик также может самостоятельно определить, какие объекты и модули приложения модель должна учитывать. Например, при доработке отдельного типа документа или функционального модуля ей можно предоставить информацию только об этой части системы.
Управляемый контекст для корпоративной разработки
FIS Platform индексирует данные приложения и использует актуальный ИИ-индекс при обработке запросов. По умолчанию платформа может автоматически подбирать релевантный контекст, а при необходимости специалист ограничивает область информации, доступной модели. Такой подход позволяет не описывать вручную структуру приложения в каждом запросе.
Это особенно значимо для крупных корпоративных систем. За одинаковой бизнес-формулировкой в них могут стоять разные модели данных и связи между сущностями. Чем сложнее приложение, тем сильнее качество результата зависит от того, насколько точно в запросе представлен контекст.
«Сегодня попросить языковую модель написать SQL несложно. Основная инженерная задача начинается дальше: модель должна понимать, с какой системой она работает, где находятся нужные сущности и какие связи существуют между ними. Поэтому для нас генерация SQL — это прежде всего сценарий работы ИИ с контекстом конкретного приложения. Разработчик формулирует задачу на естественном языке, получает технический артефакт и сохраняет контроль над тем, что будет использоваться в системе», — сказал Евгений Кашменский, основатель и директор FIS.
Механизм управляемого контекста уже используется не только при создании SQL. Он доступен во встроенном ИИ-чате FIS Platform. Один и тот же индекс приложения может применяться в сценариях работы с кодом, SQL и другими задачами, где агенту или языковой модели необходима информация о существующем решении.
ИИ готовит запрос, но не принимает решение за разработчика
Полученный SQL остается под контролем специалиста. Его можно прочитать, протестировать, изменить и только затем использовать в системе. ИИ в этом процессе формирует рабочую заготовку и не получает самостоятельного права вносить изменения в приложение.
Такой процесс позволяет встроить генеративный AI в существующую разработку без неконтролируемого доступа к изменениям. Ответственность за использование результата сохраняется за разработчиком: он оценивает запрос с учетом требований проекта, модели данных и бизнес-логики.
Для корпоративной разработки это означает, что автоматизация может применяться в формализуемых операциях, результат которых понятен и проверяем. SQL в данном случае остается техническим артефактом, с которым команда продолжает работать стандартными средствами платформы.
Внешняя модель или внутренний контур
ИИ-инструменты FIS Platform не привязаны к одной конкретной LLM. В зависимости от архитектуры проекта компания может настроить интеграцию с внешним ИИ-сервисом либо использовать модель, развернутую во внутреннем контуре организации.
Для банков и других компаний с повышенными требованиями к информационной безопасности возможность выбирать архитектуру и управлять составом передаваемого модели контекста важна для промышленного использования генеративного ИИ. При этом подготовка релевантной информации о приложении и возврат результата в рабочий процесс специалиста остаются задачей самой платформы.
Что еще входит в ИИ-инструменты платформы
Генерация SQL развивает набор ИИ-сервисов FIS Platform. В платформе также реализованы встроенный чат с ИИ для разработчиков, рефакторинг кода на UDML, UDMS и JavaScript, автоматическое формирование описаний объектов и другие сценарии.
Компания рассматривает это направление как этап перехода от отдельных ИИ-помощников к AI-driven разработке. В такой модели интеллектуальные сервисы последовательно охватывают формализуемые операции: от анализа требований и работы с кодом до тестирования и внесения изменений в приложения.
Практическое значение для участников проекта «Сколково»
Для технологических компаний, которые создают собственную платформу, корпоративный сервис или информационный продукт, пример FIS показывает прикладной сценарий интеграции ИИ в процесс разработки. В центре такого решения находится не только способность модели формировать SQL на естественном языке, но и организация контекста конкретной системы.
При оценке возможностей генеративного ИИ в продукте стоит разделять две задачи: создание запроса и проверку его применимости. Описанный подход FIS предполагает, что разработчик сохраняет контроль над готовым результатом, а платформа помогает передать модели сведения об объектах, данных и логике приложения в управляемом виде.
| Элемент сценария | Как он реализован в FIS Platform |
|---|---|
| Постановка задачи | Разработчик описывает выборку на естественном языке |
| Контекст | Используются данные проиндексированного приложения; область можно ограничить |
| Результат | Модель формирует первоначальный вариант SQL-запроса |
| Доработка | Постановку можно уточнять в диалоге и получать обновленный SQL |
| Контроль | Специалист проверяет, тестирует и при необходимости изменяет запрос |
Частые вопросы
Что именно FIS внедрил в FIS Platform?
Компания внедрила генерацию SQL-запросов с помощью искусственного интеллекта. Функция встроена в конструктор поисковых методов платформы.
Можно ли описать SQL-запрос обычным языком?
Да. Разработчик может сформулировать необходимую выборку на естественном языке, указать данные, таблицы, поля, условия и ожидаемый результат.
Почему для генерации SQL нужен контекст приложения?
Языковая модель сама по себе не знает объектную модель, структуру данных, связи и прикладную логику конкретной корпоративной системы. ИИ-индекс и контекст приложения передают ей релевантную информацию для решения задачи.
Кто отвечает за SQL, созданный ИИ?
Ответственность остается за разработчиком. Он может проверить, скорректировать, протестировать и при необходимости изменить сформированный SQL до использования.
Можно ли использовать внутреннюю языковую модель?
Да. В зависимости от архитектуры проекта FIS Platform позволяет настроить интеграцию с внешним ИИ-сервисом или с моделью, размещенной во внутреннем контуре организации.
Где еще применяется механизм управляемого контекста?
Он уже используется во встроенном ИИ-чате FIS Platform и при генерации SQL-запросов. Общий индекс приложения может применяться также в сценариях работы с кодом и другими задачами.
Позиция экспертов Реестр Гарант
Команда «Реестр Гарант» отмечает, что в сообщении FIS акцент сделан на контексте конкретного приложения, а не на автономной генерации кода. Для корпоративных продуктов это существенная деталь: SQL формируется как проверяемая заготовка, а решение о его использовании остается за разработчиком. Возможность выбрать внешнюю модель или модель во внутреннем контуре дополняет этот подход архитектурной гибкостью.