La idea de encargarle a una inteligencia artificial que escriba consultas SQL (Text-to-SQL) entusiasma a cualquier directivo: la gente de negocio pregunta en lenguaje natural y la red neuronal monta los paneles al instante. Sin embargo, cualquier ingeniero de datos que haya probado a conectar un modelo de lenguaje a una base analítica real sabe cómo suele acabar el experimento.
Alexei Belozerski (CDO en inSales / Sber B2B) compartió en un encuentro online de la comunidad System Design & Highload su experiencia pragmática montando un agente de IA local para ClickHouse, sin suscripciones de pago ni depender de servicios externos. Hace un tiempo ya analizamos los requisitos generales de arquitectura y seguridad para agentes de IA corporativos. Hoy bajamos a los detalles prácticos con una base de datos columnar.
Por qué los modelos estándar tropiezan con ClickHouse
ClickHouse está optimizado para leer miles de millones de filas, pero exige respetar su dialecto particular:
- Particularidades de agregación: en lugar del pesado
COUNT(DISTINCT), hay que usaruniqExact()ouniq(). - Poda de particiones (Partition Pruning): es obligatorio filtrar por la clave de partición (
event_date); de lo contrario, la consulta escaneará terabytes de datos. - Tipos y funciones propias: soporte de
LowCardinality(String)y cuantiles mediantequantilesExact().
El concepto de «Prompt Rey»: empaquetar el diccionario de datos
La práctica demostró que el 90% del éxito del proyecto no depende del framework elegido, sino de cómo preparas el contexto en un «Prompt Rey» bien estructurado:
- El ingeniero dialoga primero con un modelo potente para describirle al detalle la estructura de las tablas, el sentido de las columnas menos obvias, las entidades de negocio y los tropiezos típicos;
- Luego le pide al modelo que condense y organice todo ese conocimiento en un prompt de sistema compacto en inglés;
- Dentro del prompt se incluye siempre una sección de prohibiciones estrictas (Negative Constraints): veto absoluto a
COUNT(DISTINCT), obligación de filtrar por particiones y exigencia de devolver únicamente código SQL limpio dentro de un bloque marcado.
# Estructura del prompt de sistema («Prompt Rey»)
You are an expert ClickHouse Data Analyst.
Rules:
1. Always generate valid ClickHouse SQL dialect queries.
2. For unique counting use uniqExact(user_id), NEVER count(distinct user_id).
3. Always filter by partition key 'event_date' using toDate(now()) - INTERVAL 30 DAY.
4. Available Tables:
- analytics.orders_daily: order_id (UInt64), user_id (UInt64), amount (Decimal64(2)), event_date (Date)
- analytics.traffic_events: event_id (UUID), session_id (String), utm_source (LowCardinality(String))
Output ONLY the raw SQL query inside ```sql code fence.
Seguridad y sandbox: cómo atar en corto a un agente curioso
Cuando se permite a agentes autónomos ejecutar scripts en un entorno local, aparece un fenómeno llamativo: los modelos empiezan a tomarse demasiada iniciativa. En pruebas reales, al tener acceso a la terminal, los agentes intentaban con frecuencia escanear el sistema de archivos, curiosear en /etc/passwd o buscar variables de entorno con tokens.
Por eso la seguridad tiene que imponerse en la propia base de datos, no solo con filtros en el código de la aplicación:
-- Creación de un perfil estricto de ajustes para la cuenta del agente de IA
CREATE SETTINGS PROFILE ai_agent_profile
SETTINGS
readonly = 1,
max_execution_time = 15,
max_memory_usage = 4000000000,
max_rows_to_read = 10000000;
-- Creación del usuario vinculado al perfil de restricciones
CREATE USER ai_analyst IDENTIFIED BY 'StrongAgentSecret2026'
SETTINGS PROFILE ai_agent_profile;
-- Concesión de permisos únicamente de lectura sobre tablas analíticas concretas
GRANT SELECT ON analytics.orders_daily TO ai_analyst;
GRANT SELECT ON analytics.traffic_events TO ai_analyst;
El parámetro readonly = 1 garantiza que el agente no podrá ejecutar físicamente comandos como DROP, ALTER, INSERT ni crear tablas temporales. Y los topes estrictos de max_execution_time y max_memory_usage protegen el servidor frente a bloqueos si el modelo genera un JOIN desastroso.
Incluso con un prompt afinado al milímetro, el agente analítico sigue siendo un asistente, no un oráculo infalible. Cualquier consulta SQL fuera de lo común debe ser verificada por una persona antes de usarla en informes financieros.
Conclusión práctica
La experiencia montando un analista con IA para ClickHouse demuestra que las soluciones fiables no exigen pagar servicios caros en la nube. Un modelo de lenguaje local, un contexto bien empaquetado en un «Prompt Rey» y límites duros de permisos en la propia base bastan para tener una herramienta rápida, privada y segura sobre los datos corporativos.

