Chatear con su base de datos usando IA

Qué va a crear

Una interfaz de chat en la que cualquiera de su equipo puede preguntar cosas como «¿Cuáles fueron nuestros 10 mejores clientes por ingresos el último trimestre?» y obtener la respuesta de su base de datos, sin escribir SQL. Un agente de IA lee el esquema de la base de datos, escribe la consulta SQL, la ejecuta y explica el resultado.

Sigue la plantilla de n8n «Chat with PostgreSQL database»; el mismo enfoque funciona con MySQL, SQLite y otras bases de datos SQL.

Estructura del workflow

Nodo	Función
Chat Trigger	Donde los usuarios hacen sus preguntas
AI Agent	Decide qué herramientas llamar
OpenAI Chat Model (u otro modelo)	Escribe el SQL y la respuesta final
Simple Memory	Contexto entre mensajes («ahora solo para Alemania»)
Tool: Get DB schema and tables list	Lista las tablas para que el agente sepa qué existe
Tool: Get table definition	Columnas y tipos de una tabla concreta
Tool: Execute SQL query	Ejecuta la consulta que escribe el agente

Las herramientas de Postgres son nodos de Postgres usados como herramientas del agente, cada uno con una descripción clara de lo que hace.

La seguridad primero: un usuario de solo lectura

Nunca conecte un agente de IA a su base de datos con una cuenta de administrador. Cree un usuario dedicado con acceso de solo lectura a las tablas que necesita:

CREATE USER ai_reader WITH PASSWORD 'strong-password';
GRANT CONNECT ON DATABASE shop TO ai_reader;
GRANT USAGE ON SCHEMA public TO ai_reader;
GRANT SELECT ON orders, customers, products TO ai_reader;

Mejor aún, apúntelo a una réplica de lectura o a una copia para informes, no a producción.

Consejos para el mensaje de sistema

• «Ejecuta solo consultas SELECT. Nunca modifiques datos.»
• «Revisa siempre el esquema antes de escribir una consulta.»
• «Limita los resultados a 100 filas salvo que el usuario pida más.»
• «Explica la respuesta en lenguaje sencillo y muestra las cifras clave en una tabla.»
• Añada definiciones de negocio: «Ingresos significa orders.total donde status = 'paid'.»

Mejores respuestas

• Añada comentarios a las tablas y columnas de la base de datos; la herramienta de esquema puede devolverlos.
• Cree vistas para las preguntas habituales (por ejemplo monthly_revenue) para que el modelo escriba consultas más sencillas.
• Registre cada pregunta, el SQL generado y el resultado para revisarlos.

Dónde encaja

• Equipos de operaciones y ventas que esperan a los analistas para obtener cifras sencillas.
• Fundadores que quieren respuestas rápidas de la base de datos de su producto.

Para informes complejos siguen siendo mejores los cuadros de mando; el chat es para preguntas puntuales.

Artículos relacionados

• Chatbot RAG sobre documentos (para texto no estructurado)
• Ejecutar LLM locales con Ollama para mantener los datos totalmente privados