自然語言查資料降低的是「開始寫查詢」的門檻，沒有消除「驗證取數邏輯」的需求。只要數字會進入週會、財務或產品決策，SQL 仍是檢查粒度、JOIN、篩選、分母與時間邊界的共同證據。
自然語言擅長表達意圖，SQL 擅長固定邏輯
「列出上季高價值新客的留存」對人很自然，對資料庫卻不是完整規格。高價值依首購金額、累積營收還是毛利？新客依註冊還是首次付款？留存是回訪、活躍或再次購買？上季是日曆季還是公司財務季？
Text-to-SQL 可以把這句話翻成查詢草稿，但翻譯必然包含選擇。當 SQL 可見時，團隊能具體討論：
WITH new_customers AS (
SELECT customer_id, MIN(paid_at) AS first_paid_at
FROM orders
WHERE status = 'paid'
GROUP BY customer_id
)
SELECT ...
這裡至少固定了「新客以首次 paid 訂單定義」。若只保留自然語言問題與最後數字，這項選擇就容易消失在執行過程中。
| 層次 | 最適合承載的內容 | 不該獨自承擔的內容 |
|---|---|---|
| 自然語言 | 目標、背景、例外、決策需求 | 精確列級取數證據 |
| SQL | grain、join、filter、aggregation、時間窗 | 業務優先順序與因果解讀 |
| 人類審閱 | 口徑取捨、風險、結論是否可用 | 從零手寫所有樣板查詢 |
這不是「自然語言 vs SQL」的競賽，而是兩種表示法各自做擅長的事。
真實企業 Text-to-SQL 難在 context，不只語法
早期 benchmark 常把任務簡化成「給問題與 schema，產生一條 SQL」。Spider 2.0 則收錄 632 個源自企業資料情境的工作流程題目，常涉及超過千個欄位、不同 SQL 方言、metadata、文件與專案程式。論文最新修訂版摘要中的 o1-preview code agent framework 在該設定解出 21.3%，遠低於同文報告的 Spider 1.0 91.2%；這些數字不能外推所有模型，但清楚顯示 benchmark 一旦接近真實環境，難度會大幅上升。Spider 2.0 原始論文
2026 年的 EntSQL 進一步把企業私有知識納入評估。資料集有 1,066 個中英對齊例子、涵蓋五個業務領域，多數題目需要內部指標、報表慣例或組織規則；論文所評最佳系統在提供長文件的英文輸入設定達 15.9%。同樣地，這不是市場準確率，而是提醒團隊：schema 相同，不代表模型知道你公司如何定義「有效訂單」。EntSQL 原始論文
因此，導入自然語言查資料時，真正要準備的是：
- 可搜尋的 schema 與欄位說明。
- 指標、狀態碼、財務季等業務定義。
- 查詢方言與可使用資料來源。
- 一條讓人看得見、測得動、改得回去的 SQL 路徑。
審 AI SQL，不只看能不能跑
一段成功執行的 SQL 只證明語法與物件名稱大致成立。正式採用前，可用「GJFAT」五點快速檢查：
- G — Grain： 最終一列代表人、訂單、事件還是日？
- J — Join： key 是否唯一？一對多是否造成 fan-out？
- F — Filter： 取消、測試帳號、NULL 與狀態是否排除？
- A — Aggregation：
COUNT(*)、COUNT(DISTINCT ...)與分母是否吻合？ - T — Time： 時區、含首含尾、資料截止日與 cohort window 是否明確？
再加一條最小測試查詢，比較 JOIN 前後 row count 與 distinct key。這套檢查不要求 PM 會重寫 SQL，但能把「看起來能跑」提升為「知道它回答哪個問題」。
Lantide Data 的 SQL-first 分工
Lantide Data 讓自然語言成為分析入口，但不把 SQL 藏起來。Agent 可探索 schema、草擬 Plan 與 SQL；正式 Project Analysis 由使用者審 Plan 後按 Execute，SQL 分頁保留取數邏輯，Report 再承載結論與 limitations。完整心智可見SQL-first：口徑寫在分頁裡與統一查詢層。
人類與 Agent 在 Lantide 共用 DuckDB 查詢管線；持久 SQL 分頁執行後可形成供下游引用的本機快取，必要時用 Source Run 重算上游。這適合需要 adhoc 探索、口徑協作與重跑證據的工作，但 Lantide 不是 nightly ETL、多人共用數倉或固定 dashboard 的替代品；這些持久營運需求仍應交給相應平台。
結語
2026 年仍需要 SQL，不是因為每個人都該成為 SQL 專家，而是正式數字需要一種精確、可執行、可比較差異的證據格式。最實用的未來不是自然語言取代 SQL，而是自然語言描述意圖、AI 起草查詢、SQL 留下證據、人類審核口徑。