2023 年，生成式人工智能 (GenAI) 与不断发展的数据管理领域的集成成为游戏规则的改变者，有望重塑组织与数据库、数据和元数据交互的方式。到 2024 年，随着企业因招聘和预算问题而陷入困境，人们将继续根据其生产力和效率来评判他们，他们还将根据其做两件事的能力来评判：提供可操作的见解，以易于使用的格式提供指导，并为用户提供支持与关键数据交互并推动洞察的所有技能水平。
据 Gartner 称，尽管今年 IT 预算预计将增长 8%，但对支出的额外审查意味着 IT 团队需要立即充分利用其人员和数据，而不是两年后。通过深思熟虑地实施 GenAI，最高效的 CIO 可以实现数据访问民主化、减少技术债务等重大业务障碍，并全面提高绩效。以下是开始这一旅程的一些技巧。
提高效率和生产力
传统上，管理大型数据集并从中提取见解需要投入大量时间和专业知识。这些数据集可以提供实际业务数据的可见性，也可以是这些复杂系统不断生成的日志数据。无论哪种方式，如果业务无法理解和有效使用这些数据，对组织来说都没有好处。这就是可观察性在数据库性能管理中发挥如此重要作用的原因：企业需要能够解码和破译复杂的信息并加速性能问题的修复。企业需要的数据库工具不仅可以监控数据，还可以根据已识别的模式和趋势生成可操作的见解，从而提供可观察性。这就是人工智能可以提升这项工作的地方。
GenAI 的集成可以在实现全面可观测性（而不是表面级监控）方面发挥重要作用，因为它能够以人类分析师无法达到的速度分析大型数据集。 GenAI 工具筛选大量信息，识别可能隐藏的相关性和异常情况。此功能对于实时决策至关重要的行业（例如金融、医疗保健和制造）尤其有价值。
此外，GenAI 可以帮助数据库管理员提供超出单纯分析范围的上下文。它提供可行的建议和见解，将原始数据转化为对决策者有意义的指导。从业者现在可以依靠 GenAI 支持的数据库工具来帮助他们快速做出明智的决策，从而释放前所未有的时间和带宽来处理关键优先事项。
克服继承遗留代码的挑战
在软件开发领域，继承遗留代码通常感觉就像在没有地图的迷宫中导航。开发人员发现自己正在努力应对其起源和功能都笼罩在神秘之中的代码行。根据我自己的经验，以及最近咨询数据库管理员和工程师，我亲眼目睹了这种情况给基于数据的操作带来了重大挑战。
遗留代码不仅难以理解代码的用途，而且也难以破译其关系和依赖关系（也称为技术债务）。
然而，虽然在没有背景的情况下减少技术债务的努力往往成本高昂且耗时，但战略性地使用人工智能可以创建一张地图来导航这个迷宫。
例如，GenAI 工具可以分析现有的代码库，揭示其复杂性并生成解释。然后，这些工具可以将遗留代码的神秘语言转换为清晰易懂的上下文，这对于负责破译和维护继承代码库的数据库工程师和开发人员来说是不可或缺的资产。
数据洞察民主化
虽然可操作的见解的前景令人信服，但挑战往往在于如何让具有不同技术专业水平的个人能够获取这些见解。这就是将 GenAI 集成到数据库工具中的第三个关键优先事项：数据民主化。
传统数据库系统通常需要 SQL 或其他查询语言方面的专业知识，而这种复杂性限制了少数人对数据洞察的访问，这给许多 IT 专业人员造成了主要的进入障碍。 GenAI 打破了这些障碍，使不同背景的用户能够轻松地与关键数据进行交互。
例如，将自然语言 (NLP) 处理与 SQL 功能集成，使用户无论其技术背景如何，都可以使用日常语言与数据集进行交互。
用户无需处理复杂的 SQL 查询，而是可以自然地表达他们的问题，NLP 会智能地将这些查询转换为 SQL 代码。从那里，GenAI 算法凭借对上下文细微差别和语言复杂性的理解，将这些查询转换为精确的 SQL 语句，针对数据集执行它们，并以可使用的格式返回结果。
这项创新消除了非技术用户的主要障碍。想象一个用户友好的界面，任何人，无论技术熟练程度如何，都可以用简单的语言向数据库提出问题并获得富有洞察力的答复，甚至将人工智能生成的 SQL 代码发送回技术用户，以节省未来开发工作的时间。用户尝试解读“他们在想什么或真正要求什么？”的时间要少得多。而且，对于各级决策者来说，这项创新使数据更容易获得和消化，从而更容易分析可信度和可靠性。得益于 GenAI，这种数据民主化使整个企业能够利用信息的力量，在组织内培育数据驱动的文化。
缩小效率和可访问性之间的差距
GenAI 在数据库工具方面的真正优势在于其无缝优化操作的能力：使用它的组织不再需要在为少数专家设计的复杂工具和缺乏深入功能的过于简单的解决方案之间进行选择。 GenAI 取得了平衡，提供强大的分析和可行的见解，同时确保这些工具对于具有不同技术背景的个人来说是用户友好的。数据不再局限于专家领域，而是成为推动组织发展、消除管理费用并提高可靠性的强大资产。今年，通过投资有效的 GenAI 来支持数据管理，组织可以看到其效率、可访问性和创新方面发生巨大的、齐头并进的变化。
作者：Heath Thompson（Quest Software 总裁兼总经理）
原文标题：Revolutionizing Data Management: The Impact of Generative AI in Database Tools
原文链接：https://www.dbta.com/BigDataQuarterly/Articles/Revolutionizing-Data-Management-The-Impact-of-Generative-AI-in-Database-Tools-163611.aspx
