Естественный язык оказался слишком естественным для машин
Вот ирония судьбы. Мы пять лет учили модели понимать наш язык, а теперь выясняется, что им с нами не по пути. Исследовательская группа Cala опубликовала на прошлой неделе работу, которая заставила инженеров по всей долине пересмотреть свои подходы. Оказывается, когда AI-агентам дают свободу выбора, они предпочитают структурированные SQL-запросы вместо болтовни на английском.
Контекст: Cala — это новая исследовательская платформа для тестирования автономных агентов, запущенная в начале 2026 года. Она позволяет агентам самостоятельно выбирать инструменты для решения задач, что и привело к неожиданным результатам.
Что на самом деле делали агенты
Эксперимент выглядел просто. Агентам на базе Gemini 3.5 Pro (последняя версия на март 2026) и GPT-4.5-Turbo давали доступ к двум интерфейсам: естественноязычному API и SQL-коннектору к той же базе. Задача — извлечь информацию из графа знаний компании. В 87% случаев агенты игнорировали текстовый запрос и сразу строили SQL.
«Мы ожидали, что они будут использовать оба подхода, — говорит руководитель исследования. — Но нет. Как только агент понимал структуру данных, он переключался на SQL и больше не возвращался».
Детерминизм против двусмысленности
Почему? Потому что агенты ненавидят неопределенность. Естественный язык полон двусмысленностей, даже для современных моделей. SQL дает четкий, предсказуемый результат. Если ты пишешь SELECT * FROM users WHERE age > 30, ты точно знаешь, что получишь. Спроси «покажи мне взрослых пользователей» — и получишь десять разных интерпретаций слова «взрослый».
Для автономных агентов, которые должны работать без присмотра, эта разница критична. Ошибка в интерпретации естественного языка приводит к каскаду неправильных решений. Неправильный SQL-запрос просто вернет ошибку или пустой результат — и агент может это обработать.
| Метод запроса | Точность ответов | Среднее время выполнения | Предпочтение агентов |
|---|---|---|---|
| Естественный язык | 76% | 4.2 сек | 13% |
| SQL-запросы | 98% | 1.8 сек | 87% |
Что теперь делать с нашими агентами?
Первое — перестать насильно кормить их естественным языком там, где есть структурированные альтернативы. Если вы строите современного AI-агента, подумайте о SQL-интерфейсах к вашим данным с самого начала.
Второе — инструменты. MCP-серверы сейчас активно развиваются, но большинство все еще ориентировано на текстовые API. Нужны специализированные SQL-коннекторы с интеллектуальной схематизацией. Агент должен понимать структуру базы, прежде чем строить запросы.
Третье — обучение. Наши Text-to-SQL агенты становятся еще важнее. Но теперь не как конечное решение, а как промежуточный слой: пользователь говорит на естественном языке, агент переводит в SQL, а затем использует SQL для работы.
Прогноз: К концу 2026 года мы увидим появление «SQL-first» агентных фреймворков, где структурированные запросы станут основным способом взаимодействия с данными, а естественный язык останется только для интерфейса с человеком.
А что с графами знаний?
Интересный поворот. Графы знаний — это не реляционные базы. Но агенты в исследовании Cala применяли аналогичный подход: они использовали структурированные запросы на языке графов (Cypher или GQL), а не естественноязычное описание.
Получается, принцип универсален: дайте агенту формальный язык для доступа к структурированным данным, и он предпочтет его. Это касается и работы с API: OpenAPI/Swagger спецификации агенты используют охотнее, чем текстовые описания тех же endpoints.
Оркестрация меняется навсегда
Если вы используете фреймворки для оркестрации AI-агентов, готовьтесь к изменениям. Текущие системы заточены под естественноязычное взаимодействие между агентами. Но если агенты предпочитают структурированные форматы, значит, и общаться друг с другом они будут через них.
Представьте агентов, которые обмениваются не текстовыми сообщениями, а мини-SQL запросами или JSON-схемами. Скорость возрастет в разы. Надежность тоже. Потому что формальные языки проще валидировать.
Человеческий фактор не отменяется
Конечно, мы не будем заставлять пользователей учить SQL. Естественный язык останется для взаимодействия с людьми. Но внутренняя архитектура агентов смещается к формальным системам. Это как ассемблер и высокоуровневые языки: человек пишет на Python, а внутри выполняется машинный код.
Разница в том, что теперь «машинный код» для агентов — это SQL, а не двоичные инструкции. И это меняет правила игры в агентной инженерии.
Что делать сегодня? Пересмотрите свои пайплайны. Если у вас есть агенты, которые работают с данными, дайте им прямой SQL-доступ через защищенные интерфейсы. Посмотрите, как они себя поведут. Скорее всего, они сразу станут эффективнее.
И запомните: агенты не люди. Они не хотят разговаривать, как мы. Они хотят работать эффективно. И если для этого нужно выучить SQL — они его выучат. А мы должны им это позволить.
