IDEXX QueryLab Dx introduit une nouvelle approche pour élargir l'accès à l'analytique en transformant les questions en langage naturel en flux de travail analytiques entièrement déployables au sein de JMP. Plutôt que de limiter l'IA à l'assistance à la requête, ce système étend le pipeline de l'intention à l'exécution : il génère du SQL contrôlé à partir d'artefacts de données structurées et produit automatiquement des wrappers JSL (JMP Scripting Language) pour un déploiement direct sur JMP Live.
Le système utilise une méthodologie par étapes, axée sur les artefacts, qui aligne l'intention de l'utilisateur sur les schémas de données de l'entreprise, garantissant ainsi des requêtes précises, explicables et conformes aux normes de gouvernance. Le SQL généré est validé par rapport à des règles prédéfinies avant d'être traduit en JSL, créant ainsi une passerelle transparente entre l'accès aux données et l'analyse interactive.
Cette approche répond à un défi organisationnel courant : les capacités d’analyse sont souvent limitées par des barrières techniques, telles que la maîtrise du SQL et des langages de script. En combinant des interfaces en langage naturel, un accès aux données contrôlé et la génération automatisée de JSL, QueryLab Dx favorise une participation plus large à l’analyse tout en préservant la rigueur requise dans les environnements d’entreprise.
La présentation illustre un flux de travail JMP interactif, montrant comment les utilisateurs peuvent générer, examiner et déployer des résultats analytiques directement à partir de données en langage naturel. Elle met également en lumière des modèles de conception (tels que la génération de requêtes prenant en compte le schéma, les couches de validation et la synthèse de code), démontrant comment l'IA peut dépasser le simple rôle d'assistance pour permettre des flux de travail analytiques évolutifs et fiables au sein d'équipes multidisciplinaires.
