Andy Pavlo: что меняют AI-агенты в базах данных (Рубрика #Data)
Что произойдёт, когда агенты начнут круглосуточно создавать базы, читать данные и что-то в них менять? Этому посвящено интервью Энди Павло у Мэтта Тёрка от 8 октября 2026 года. Павло — исследователь баз данных из Carnegie Mellon, а с августа ещё и руководитель ClickHouse Labs.
В разговоре есть несколько интересных тем:
🔸 Нагрузка от агентов
Павло прогнозирует рост числа запросов в 10–100 раз. Насколько изменится их сложность, он пока не знает. Это сценарий будущего, а не уже измеренный рост всего рынка.
🔸 Права и изоляция
Агентам нужны ограниченные полномочия и отдельные ветки БД для экспериментов. По мысли Павло, привычные механизмы защиты данных здесь вполне применимы; вручную подтверждать каждое действие сотни агентов не получится.
🔸 Память агента
За спором «файлы или база» он предлагает видеть гарантии хранения и обновления состояния. В качестве простого решения напоминает про SQLite.
🔸 Text-to-SQL
Павло связывает качество с семантическим слоем и контекстом: агенту нужно знать, как из вопроса получить правильный запрос.
🔸 Автоматическая настройка
По его приблизительной оценке, LLM может пройти 80–85% пути к хорошей настройке некоторых параметров за 15 минут. Сложные случаи остаются за специализированными методами. Методика этой оценки в интервью не раскрыта.
🔸 Сближение OLTP и OLAP
Павло разбирает, зачем аналитическим платформам PostgreSQL и чем отличаются отдельные сервисы с передачей данных от двух движков над одной копией. Общий интерфейс ещё не определяет внутреннюю архитектуру.
Кстати, одну из работ Павло мы уже разбирали в Research Insights Made Simple — статью "What Goes Around Comes Around… And Around…", написанную вместе с Майклом Стоунбрейкером. В августе 2025 года мы с Лёшей Светличным посвятили ей два выпуска: модели данных и языки запросов и архитектура систем. Это хороший обзор примерно двадцати лет развития БД. У авторов там две связанные мысли: SQL и реляционная модель продолжают вбирать идеи конкурентов, а устройство движков серьёзно меняется вслед за железом и нагрузками. Колонки, облака, разделение хранения и вычислений — за привычным SQL может оказаться совсем другая система.
А 12 октября 2026 года мы с Колей Головым уже обсуждали современные платформы данных и четыре способа собрать данные для AI: через копии и витрины, федеративные запросы, универсальную СУБД или общий слой хранения. Здесь разговор Павло про объединение транзакций и аналитики хорошо дополняет нашу карту: за одной вывеской могут скрываться очень разные компромиссы по свежести, изоляции и стоимости. На эту тему я написал и подробный лонгрид. В нём пошёл дальше выбора движка: кто определяет смысл метрик, с чьими правами агент читает данные и как проверяется действие по результатам анализа. Посчитать клиентов, которым стоит дать скидку, и действительно назначить её — два разных инженерных задания.
Можно начать с интервью, а за устройством платформ и историей этих компромиссов сходить в наши разборы.
#Data #AI #Database #Architecture #ResearchInsights