Google добавила в AlloyDB SQL-функции для классификации и извлечения данных с помощью ИИ
В AlloyDB AI появились функции ai.classify и ai.extract: они позволяют обычным SQL-запросом размечать текст по категориям и превращать его в структурированный JSON. Пока это preview, доступный в расширении google_ml_integration на PostgreSQL 18.

Адаптация и понятное объяснение для начинающих. Заявления приведены по материалу источника.
Что произошло
Google анонсировала preview двух SQL-функций в движке запросов AlloyDB AI — ai.classify и ai.extract. По описанию компании, они доступны в расширении google_ml_integration версии 1.6.1 или новее на PostgreSQL 18.
Смысл в том, чтобы не выгружать текст из базы, не писать отдельный код для обращения к модели и не разбирать её ответы вручную. Вместо этого классификация и извлечение полей выполняются внутри базы стандартным SQL-запросом, а модель Gemini подключается через Gemini Enterprise Agent Platform.
ai.classify относит текст к заданным пользователем категориям. Можно выбрать один лучший вариант или несколько совпавших, добавить описания категорий и примеры. ai.extract превращает свободный текст в JSON по заданной схеме — перечню полей или JSON-схеме.
Отдельно компания упоминает «умное пакетирование» (smart batching): при использовании функций в условиях SQL-запроса входные данные группируются в микропакеты перед отправкой модели. Google утверждает, что это ускоряет выполнение и снижает расход токенов.
Что это значит для начинающего
Это наглядный пример того, как большие языковые модели встраиваются в привычные инструменты. Раньше типичный сценарий выглядел так: выгрузить отзывы или заявки, отправить их во внешний API, разобрать ответ и записать результат обратно. Теперь часть этой цепочки берёт на себя сама база.
Несколько терминов по делу. SQL — язык запросов к реляционным базам. AlloyDB — управляемая PostgreSQL-совместимая база Google. JSON — текстовый формат структурированных данных. Preview — ранняя версия продукта, которая может меняться. Токены — единицы текста, по которым считаются расходы на модели.
Практическая ценность для новичка — в понимании паттерна: ИИ можно вызывать не только из кода приложения, но и из слоя данных. Это пригодится при разборе отзывов, накладных или заметок. Но советовать конкретные запросы или обещать экономию без проверки на своих данных нельзя.
На что обратить внимание
- Это preview: функции и их поведение могут измениться.
- Заявленные ускорение и экономия токенов — утверждения Google, а не результат независимого тестирования.
- Источник не описывает цены, лимиты и доступность в России — этих данных здесь нет.
- Обработка чувствительных данных внутри базы не отменяет требований к политикам доступа и соответствию нормам.
- Качество классификации и извлечения зависит от формулировки категорий, схемы и примеров; это стоит проверять на своих случаях.


