Dentro do contexto das IAs e LLMs começaram a surgir aplicações para facilitar a utilização de grandes modelos em contextos específicos, nos quais os dados para treino dessas aplicações possuem um determinado objetivo (Ex: Responder perguntas de textos, tabelas, documentos). Esse tipo de aplicação é denominado Retrieval Augmented Generation (RAG).

Dentro desse tipo de aplicação podemos citar uma das que mais se difundiu e que é muito útil para realizar tarefas de análise em grandes bases de dados, facilitando o trabalho de analistas, que é chamada de Text-to-SQL Generator. Essa ferramenta permite que um usuário, a partir de um prompt de entrada, consiga fazer uma pergunta sobre uma base de dados específica e o sistema retornar a resposta, juntamente com a query SQL, ou utilizar esse sistema como um assistente SQL para retornar querys com base no que o usuário deseja.

A partir desse contexto, uma empresa que aluga equipamentos para diversos tipos de clientes e desenvolve uma solução de monitoramento, manutenção e localização das máquinas locadas no cliente, a partir do envio de informações de medidas dos sensores das máquinas via telemetria, que são recebidos e transformados em uma tabela de dados agrupados, para poderem serem analisados posteriormente por uma equipe de analistas e enviar para os clientes as informações analisadas de maneira resumida.

Para acelerar esse processo de realizar análise dos dados recebidos das máquinas, e conseguir otimizar a geração de relatórios, foi desenvolvido um sistema capaz de realizar a interpretação dos dados enviados e também gerar querys mais rapidamente para facilitar o trabalho dos analistas.