Los procedimientos almacenados y funciones en MySQL son herramientas poderosas que te permiten encapsular lógica compleja dentro de la base de datos, lo que mejora la eficiencia y la reutilización del código. En el siguiente vídeo, mostramos cómo usar inteligencia artificial, específicamente ChatGPT, para generar procedimientos almacenados en MySQL (aunque podríamos usarlo perfectamente con SQL Server).
¿Qué es un procedimiento almacenado en MySQL?
Un procedimiento almacenado es un conjunto de instrucciones SQL que se guarda en la base de datos y se puede ejecutar mediante un simple comando. Las funciones en MySQL son similares, pero siempre devuelven un valor, lo que las hace ideales para cálculos específicos.
Caso práctico: creación de funciones con ChatGPT
En el siguiente vídeo vamos a poder ver de una forma práctica cómo crear un par de procedimientos almacenados en MySql y cómo darle contexto de una forma óptima a ChatGPT:
Resumen del vídeo
Escribir a mano funciones y procedimientos almacenados en MySQL puede llevar su tiempo, sobre todo cuando la lógica depende de varios parámetros y de casos especiales. Con ChatGPT podemos acelerar mucho este trabajo, siempre que le demos el contexto adecuado. En este caso práctico generamos dos funciones almacenadas a partir de una tabla de baremos: una que devuelve la puntuación estándar y otra que devuelve el percentil, ambas a partir de una dimensión y una puntuación.
El punto de partida: una tabla de baremos
La tabla de ejemplo se llama baremos y relaciona dimensiones y puntuaciones directas con su puntuación estándar y su percentil. El objetivo es disponer de dos funciones reutilizables:
- get_puntuacion_estandar, que recibe la puntuación y la dimensión y devuelve la puntuación estándar.
- get_percentil, que recibe los mismos argumentos y devuelve el percentil correspondiente.
Hay un matiz importante: en algunos registros la dimensión es nula, así que las funciones deben contemplar que ese parámetro pueda llegar como NULL.
Dar contexto a ChatGPT con la estructura de la tabla
La clave para que ChatGPT genere procedimientos almacenados correctos es que conozca la estructura real de la tabla. En lugar de describirle las columnas a mano, lo más práctico es exportarla. En el ejemplo se usa Navicat como cliente de MySQL (vale cualquier otro): se exporta la tabla como fichero SQL solo con la estructura, sin datos, algo equivalente a hacer un mysqldump de esa tabla sin registros.
Después, en ChatGPT:
- Se le indica el rol: que actúe como experto en MySQL.
- Se adjunta el fichero SQL con la estructura de la tabla.
- Se le pide el código de una función almacenada que devuelva la puntuación estándar al pasarle la puntuación y la dimensión.
- Se le añade el requisito específico: la dimensión puede ser nula y la consulta debe tenerlo en cuenta.
ChatGPT analiza la estructura, identifica los campos y propone la función con la consulta adecuada sobre la tabla.
Probar las funciones en MySQL
El código generado se copia en una nueva consulta de Navicat, se ajusta el nombre a la nomenclatura propia (por ejemplo get_puntuacion_estandar) y se ejecuta para crear la función. A continuación se prueba con un SELECT pasando valores concretos: una puntuación con dimensión NULL y otra con una dimensión numérica, comprobando que los resultados coinciden con los de la tabla.
Con la segunda función se repite el proceso: se le pide a ChatGPT una función similar llamada get_percentil, que ya respeta la nomenclatura indicada, se ejecuta en el cliente y se valida con varios casos, incluidos los de dimensión nula.
Consejos para generar código SQL con IA
- Dale siempre contexto real: un fichero con la estructura de la tabla funciona mucho mejor que una descripción aproximada.
- No compartas datos si no es necesario: para generar la función basta con la estructura.
- Indica los casos especiales, como parámetros que pueden ser nulos.
- Prueba siempre el resultado con valores conocidos antes de usarlo en producción.
Este enfoque es muy útil para desarrolladores y administradores de bases de datos que quieran ganar tiempo en tareas repetitivas sin renunciar a revisar y validar el código que genera la inteligencia artificial.
Importancia de dar contexto a ChatGPT
Un punto clave que se destaca en el video es la importancia de proporcionar a ChatGPT el contexto adecuado. En lugar de describir manualmente la estructura de la tabla, se le pasa directamente el archivo SQL con la estructura. Esto facilita que ChatGPT entienda mejor el entorno y genere código más preciso.
Conclusión
La combinación de herramientas como ChatGPT con bases de datos MySQL puede ahorrar mucho tiempo y esfuerzo, especialmente en la generación de código repetitivo o complejo. Este método no solo es eficiente, sino que también es preciso, siempre que se proporcione el contexto adecuado.