{"id":33890,"date":"2026-05-13T05:00:00","date_gmt":"2026-05-13T03:00:00","guid":{"rendered":"https:\/\/sii.pl\/blog\/?p=33890"},"modified":"2026-05-12T13:13:51","modified_gmt":"2026-05-12T11:13:51","slug":"nie-tylko-select-ai-jako-funkcja-w-sql","status":"publish","type":"post","link":"https:\/\/sii.pl\/blog\/nie-tylko-select-ai-jako-funkcja-w-sql\/","title":{"rendered":"Nie tylko SELECT: AI jako funkcja w SQL"},"content":{"rendered":"\n<p>Sztuczna inteligencja coraz \u015bmielej wkracza do narz\u0119dzi wykorzystywanych w codziennej pracy specjalist\u00f3w IT. Czatboty, asystenci, automatyczne podpowiedzi kodu czy interaktywna obs\u0142uga klienta \u2013 to tylko niekt\u00f3re z zastosowa\u0144 du\u017cych modeli j\u0119zykowych (LLM), kt\u00f3re rewolucjonizuj\u0105 spos\u00f3b interakcji z technologi\u0105. Umo\u017cliwiaj\u0105 one prowadzenie naturalnych rozm\u00f3w, zast\u0119puj\u0105 tradycyjne wyszukiwarki i dostarczaj\u0105 gotowe rozwi\u0105zania dla szerokiego spektrum problem\u00f3w.<\/p>\n\n\n\n<p>SQL to dojrza\u0142y, powszechnie znany j\u0119zyk zapyta\u0144, kt\u00f3ry stanowi podstawowe narz\u0119dzie pracy analityk\u00f3w i in\u017cynier\u00f3w danych. Jego najwi\u0119ksze atuty to ustandaryzowana sk\u0142adnia, przejrzysto\u015b\u0107 oraz \u0142atwo\u015b\u0107 u\u017cycia. W praktyce zawodowej zapytania SQL przeplataj\u0105 si\u0119 z procedurami, a wyniki \u2013 z b\u0142\u0119dami kompilatora. Coraz wi\u0119ksze wymagania stawiane przetwarzaniu danych przyspieszaj\u0105 powstawanie coraz bardziej zaawansowanych platform do przetwarzania danych.<\/p>\n\n\n\n<p>Dzi\u0119ki nowoczesnym platformom chmurowym, takim jak Snowflake czy Databricks, funkcje oparte na sztucznej inteligencji staj\u0105 si\u0119 integraln\u0105 cz\u0119\u015bci\u0105 \u015brodowiska SQL. Mo\u017cna z nich korzysta\u0107 bezpo\u015brednio w zapytaniach, obok tradycyjnych funkcji j\u0119zyka.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Funkcje AI w SQL \u2013 praktyczne zastosowania<\/strong><\/h2>\n\n\n\n<p>To otwiera nowe mo\u017cliwo\u015bci \u2013 AI mo\u017ce wspiera\u0107 developera w klasyfikowaniu, podsumowywaniu czy maskowaniu danych, a wszystko to w ramach prostych, dobrze znanych konstrukcji SQL. Zar\u00f3wno Snowflake, jak i Databricks oferuj\u0105 funkcje AI w swoich dialektach SQL. Nie wszystkie funkcje s\u0105 dost\u0119pne na ka\u017cdej z platform.<\/p>\n\n\n\n<p>W moich ostatnich zadaniach projektowych mia\u0142em okazj\u0119 wykorzysta\u0107 kilka z nich. Przedstawiam je poni\u017cej.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Hurtowe odpytywanie modeli j\u0119zykowych na zadane pytania z listy zawartej w konkretnym polu. Przydatne, gdy trzeba utworzy\u0107 funkcjonalno\u015b\u0107 typu najcz\u0119\u015bciej zadawane pytania z mo\u017cliwo\u015bci\u0105 faktycznego zadawania pyta\u0144 przez u\u017cytkownik\u00f3w.<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\">Snowflake<\/td><td class=\"has-text-align-center\" data-align=\"center\">Databricks<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\">AI_COMPLETE(&#8217;mistral-large&#8217;, CONCAT(&#8217;Critique this review in bullet points: &#8217;, content))<\/td><td class=\"has-text-align-center\" data-align=\"center\">ai_query(&#8217;databricks-meta-llama-3-3-70b-instruct&#8217;,&#8221;Can you tell me just the name of the US state that serves the provided ZIP code? zip code: &#8221; || pickup_zip ) &nbsp;<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p>Tu przyk\u0142ad wykonania na platformie Databricks:<\/p>\n\n\n<div class=\"wp-block-syntaxhighlighter-code \"><pre class=\"brush: xml; title: ; notranslate\" title=\"\">\nSELECT *,\n  ai_query(\n    &#039;databricks-meta-llama-3-3-70b-instruct&#039;,\n    &quot;Can you tell me just the name of the US state that serves the provided ZIP code? zip code: &quot; || pickup_zip\n    )\n  FROM samples.nyctaxi.trips\n<\/pre><\/div>\n\n\n<figure data-wp-context=\"{&quot;uploadedSrc&quot;:&quot;https:\\\/\\\/sii.pl\\\/blog\\\/wp-content\\\/uploads\\\/2026\\\/05\\\/image1-2.png&quot;,&quot;figureClassNames&quot;:&quot;wp-block-image aligncenter size-large&quot;,&quot;figureStyles&quot;:null,&quot;imgClassNames&quot;:&quot;wp-image-33891&quot;,&quot;imgStyles&quot;:null,&quot;targetWidth&quot;:2194,&quot;targetHeight&quot;:359,&quot;scaleAttr&quot;:false,&quot;ariaLabel&quot;:&quot;Powi\\u0119ksz obrazek: tabela&quot;,&quot;alt&quot;:&quot;tabela&quot;}\" data-wp-interactive=\"core\/image\" class=\"wp-block-image aligncenter size-large wp-lightbox-container\"><img decoding=\"async\" width=\"1024\" height=\"168\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on-async--click=\"actions.showLightbox\" data-wp-on-async--load=\"callbacks.setButtonStyles\" data-wp-on-async-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/05\/image1-2-1024x168.png\" alt=\"tabela\" class=\"wp-image-33891\" srcset=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/05\/image1-2-1024x168.png 1024w, https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/05\/image1-2-300x49.png 300w, https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/05\/image1-2-768x126.png 768w, https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/05\/image1-2-1536x251.png 1536w, https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/05\/image1-2-2048x335.png 2048w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/><button\n\t\t\tclass=\"lightbox-trigger\"\n\t\t\ttype=\"button\"\n\t\t\taria-haspopup=\"dialog\"\n\t\t\taria-label=\"Powi\u0119ksz obrazek: tabela\"\n\t\t\tdata-wp-init=\"callbacks.initTriggerButton\"\n\t\t\tdata-wp-on-async--click=\"actions.showLightbox\"\n\t\t\tdata-wp-style--right=\"context.imageButtonRight\"\n\t\t\tdata-wp-style--top=\"context.imageButtonTop\"\n\t\t>\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewBox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\" \/>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>U\u0142atwione prototypowanie i grupowanie danych poprzez klasyfikacj\u0119 danych wej\u015bciowych (Snowflake i Databricks). Za\u0142\u00f3\u017cmy, \u017ce w systemie \u017ar\u00f3d\u0142owym jest pole z opisem reklamacji i chcemy je skategoryzowa\u0107 pod wzgl\u0119dem artyku\u0142u:<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\">Snowflake<\/td><td class=\"has-text-align-center\" data-align=\"center\">Databricks<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\">ai_classify(claim_description, ARRAY(&#8217;clothing&#8217;, 'shoes&#8217;, 'accessories&#8217;, 'furniture&#8217;) ) as claim_category &nbsp;<\/td><td class=\"has-text-align-center\" data-align=\"center\">&nbsp;ai_classify(claim_description, &nbsp;&nbsp;&nbsp; '[\u201cclothing\u201d, \u201cshoes\u201d, &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;\u201caccessories\u201d, \u201cfurniture\u201d]&#8217; &nbsp; &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;) as claim_category<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Por\u00f3wnywanie \u0142a\u0144cuch\u00f3w znak\u00f3w lub por\u00f3wnywanie obraz\u00f3w (tu tylko w Snowflake). Funkcja zwraca u\u0142amek dziesi\u0119tny z przedzia\u0142u 0,1, gdzie 1 to identyczne teksty lub obrazy. Mo\u017ce si\u0119 przyda\u0107, kiedy musimy znale\u017a\u0107 rodzin\u0119 podobnych \u0142a\u0144cuch\u00f3w znak\u00f3w.<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\">Snowflake<\/td><td class=\"has-text-align-center\" data-align=\"center\">Databricks<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\">ai_similarity(buyer_company, payer_company)<\/td><td class=\"has-text-align-center\" data-align=\"center\">ai_similarity(buyer_company, payer_company)<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Maskowanie danych w polach typu komentarz. Wykorzysta\u0107 mo\u017cna do automatyzacji klauzuli RODO i usuni\u0119cia danych osobowych z p\u00f3l oznaczonych jako komentarz. Pole mo\u017ce zawiera\u0107 d\u0142u\u017csz\u0105 wypowied\u017a lub tekst, kt\u00f3ry nie zawsze pasuje do wyra\u017ce\u0144 regularnych.<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\">Snowflake<\/td><td class=\"has-text-align-center\" data-align=\"center\">Databricks<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\">AI_REDACT( &nbsp; input =&gt; 'My name is John and I live at twenty third street, San Francisco.&#8217;, &nbsp; categories =&gt; [&#8217;NAME&#8217;, 'EMAIL&#8217;])<\/td><td class=\"has-text-align-center\" data-align=\"center\">&nbsp;ai_mask(<br>&nbsp;&nbsp;&nbsp; \u2018According to the message from Lisa Hartman <a href=\"mailto:lhartman@company.com\" rel=\"nofollow\" >lhartman@company.com<\/a> we need to discuss the potential cooperation with our new leader Adam Sandler.&#8217;,<br>&nbsp;&nbsp;&nbsp; array(&#8217;person&#8217;, &#8217;email&#8217;)<br>&nbsp; ); &nbsp;<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Analiza sentymentu U\u017cywaj\u0105c funkcji na platformie Databricks, jako wynik otrzymamy 5 mo\u017cliwych warto\u015bci (&#8217;positive&#8217;,\u00a0'negative&#8217;,\u00a0'neutral&#8217;,\u00a0'mixed&#8217;,\u00a0null \u2013 w przypadku braku mo\u017cliwo\u015bci okre\u015blenia sentymantu).<br><br>Wynik uruchomienia tej funkcji na platformie Snowflake zwr\u00f3ci nam warto\u015bci liczbowe z przedzia\u0142u od -1 do 1, gdzie warto\u015bci od 0,5 do 1 oznaczaj\u0105 pozytywny wyd\u017awi\u0119k wypowiedzi, warto\u015bci od -0,5 do 0,5 neutralne, a warto\u015bci od -0,5 do -1 negatywne.<\/li>\n<\/ul>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td class=\"has-text-align-center\" data-align=\"center\">Snowflake<\/td><td class=\"has-text-align-center\" data-align=\"center\">Databricks<\/td><\/tr><tr><td class=\"has-text-align-center\" data-align=\"center\">ai_analyze_sentiment(\u2018Pizza was very tasty\u2019)<\/td><td class=\"has-text-align-center\" data-align=\"center\">ai_analyze_sentiment(\u2018Pizza was very tasty\u2019)<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p>Ponadto mamy funkcje, kt\u00f3re potrafi\u0105 poprawi\u0107 tekst, t\u0142umaczy\u0107 w zadanym zbiorze danych:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>ai_fix_grammar(content)<\/li>\n\n\n\n<li>ai_translate(content, to_lang)<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Rola AI w nowoczesnej architekturze danych<\/strong><\/h2>\n\n\n\n<p>Warto r\u00f3wnie\u017c spojrze\u0107 na funkcje AI w SQL z perspektywy architektury danych. Tradycyjne podej\u015bcie do wykorzystania modeli j\u0119zykowych wymaga\u0142o wyniesienia danych poza platform\u0119 danych \u2013 do zewn\u0119trznych us\u0142ug lub pipeline\u2019\u00f3w ML, co wi\u0105za\u0142o si\u0119 z dodatkowymi kosztami, op\u00f3\u017anieniami oraz ryzykiem zwi\u0105zanym z bezpiecze\u0144stwem danych. Integracja funkcji AI bezpo\u015brednio w silniku SQL znacz\u0105co upraszcza ten model.<\/p>\n\n\n\n<p>W architekturze typu Medallion (Bronze, Silver, Gold) funkcje AI naturalnie wpisuj\u0105 si\u0119 w proces wzbogacania danych, szczeg\u00f3lnie na etapie przej\u015bcia z warstwy Silver do Gold. W warstwie Bronze przechowywane s\u0105 dane surowe \u2013 cz\u0119sto nieustrukturyzowane, takie jak logi, opinie klient\u00f3w czy transkrypcje. W warstwie Silver dane s\u0105 oczyszczane i standaryzowane, ale to w\u0142a\u015bnie tutaj mo\u017cemy dodatkowo wykorzysta\u0107 funkcje, np. ai_classify czy ai_mask, aby nada\u0107 im kontekst biznesowy lub usun\u0105\u0107 dane wra\u017cliwe. W efekcie do warstwy Gold trafiaj\u0105 ju\u017c dane wzbogacone o dodatkowe atrybuty generowane przez AI, takie jak kategorie, sentyment czy priorytety.<\/p>\n\n\n\n<p>Takie podej\u015bcie eliminuje potrzeb\u0119 przemieszczania danych poza platform\u0119 (data movement), poniewa\u017c zapytania SQL mog\u0105 bezpo\u015brednio wywo\u0142ywa\u0107 modele dzia\u0142aj\u0105ce w ramach infrastruktury dostawcy chmurowego. Dodatkowo logika AI staje si\u0119 cz\u0119\u015bci\u0105 pipeline\u2019u danych \u2013 mo\u017ce by\u0107 zamkni\u0119ta w widokach lub procedurach sk\u0142adowanych, co upraszcza utrzymanie i rozw\u00f3j rozwi\u0105za\u0144. Skalowanie odbywa si\u0119 automatycznie na poziomie silnika SQL, kt\u00f3ry rozdziela obci\u0105\u017cenie zwi\u0105zane z wywo\u0142aniami modeli na dost\u0119pne zasoby obliczeniowe.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Przetwarzanie odpowiedzi<\/strong><\/h2>\n\n\n\n<p>Maj\u0105c wygenerowan\u0105 odpowied\u017a, analiz\u0119 sentymentu lub klasyfikacj\u0119, mo\u017cemy wzbogaci\u0107 analizy i dashboardy w p\u00f3\u017aniejszych etapach przetwarzania danych. U\u017cywaj\u0105c funkcjonalno\u015bci AI w warstwie srebrnej, wzbogacamy zestaw filtr\u00f3w i grupowa\u0144 dost\u0119pnych dla biznesu lub narz\u0119dzi raportowych w warstwie z\u0142otej. Mo\u017ce si\u0119 to przyczyni\u0107 do poprawy analiz, a w rezultacie obci\u0119cia koszt\u00f3w lub zwi\u0119kszenia przychod\u00f3w, opieraj\u0105c si\u0119 na danych pochodz\u0105cych z naszych platform.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Koszty u\u017cywania AI w SQL<\/strong><\/h2>\n\n\n\n<p>Poniewa\u017c w zapytaniu wykorzystujemy modele j\u0119zykowe, mo\u017ce ono by\u0107 d\u0142u\u017csze i dro\u017csze ni\u017c standardowe zapytanie SQL. Wynika to z u\u017cycia funkcji niestandardowych. Zasadniczo funkcje AI s\u0105 znacznie dro\u017csze ni\u017c klasyczne zapytania SQL, poniewa\u017c ich koszt jest bezpo\u015brednio zwi\u0105zany z ilo\u015bci\u0105 przetwarzanych danych tekstowych (token\u00f3w), a nie z czasem pracy infrastruktury.<\/p>\n\n\n\n<p>Dla zapytania SQL koszt mo\u017ce by\u0107 minimalny, cz\u0119sto poni\u017cej 1 centa, zw\u0142aszcza przy ma\u0142ych lub zoptymalizowanych operacjach. Przyk\u0142adowo, pobranie 100 rekord\u00f3w z tabeli zu\u017cyje u\u0142amki kredyt\u00f3w, co przek\u0142ada si\u0119 na groszowe koszty.<\/p>\n\n\n\n<p>Dla zapyta\u0144 z funkcjami AI koszt zale\u017cy od d\u0142ugo\u015bci tekstu. W przypadku du\u017cych, z\u0142o\u017conych zapyta\u0144 op\u0142ata za przetwarzanie tekstu mo\u017ce szybko rosn\u0105\u0107 do kilku, a nawet kilkudziesi\u0119ciu dolar\u00f3w za jedno zapytanie, <strong>co jest wielokrotnie wy\u017csze ni\u017c koszt tradycyjnego SQL-a<\/strong>.<\/p>\n\n\n\n<p>Na platformie Databricks koszty zapyta\u0144 mo\u017cna sprawdzi\u0107 w tabeli &nbsp;system.billing.usage, u\u017cywaj\u0105c filtra billing_origin_product = 'AI_FUNCTIONS&#8217;. Natomiast na platformie Snowflake przygotowany jest dedykowany widok CORTEX_AISQL_USAGE_HISTORY.<\/p>\n\n\n<div class=\"nsw-o-blogersii-banner\">\n            <picture>\n            <source srcset=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/Blog-Data-Analytics-Desktop_.jpg\" media=\"(min-width: 992px)\" >\n            <source srcset=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/Blog-Data-Analytics-Mob_.jpg\" media=\"(min-width: 300px)\" >            <img decoding=\"async\" src=\"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/04\/Blog-Data-Analytics-Desktop_.jpg\" alt=\"\"  class=\"\"  >\n        <\/picture>\n        <div class=\"cnt\">\n                    <div class=\"nsw-m-title-block -h3 -invert  -has-title-margin-bottom-0 -has-title-font-weight-bold\">\n                                <h2 class=\"nsw-m-title-block__title\">Data &#038; Analytics<\/h2>\n                <\/div>\n                            <p class=\"has-nsw-p-4-font-size has-invert-color\">\n                Dzi\u0119ki naszym us\u0142ugom analizy i przetwarzania danych b\u0119dziesz podejmowa\u0107 trafne decyzje, zbudujesz skuteczne strategie i znajdziesz nowe \u017ar\u00f3d\u0142a przychod\u00f3w.\n            <\/p>\n                            <a  href=\"https:\/\/sii.pl\/oferta\/data-analytics\/\" class=\"nsw-a-button -ghost -banner-button\"   >\n        <span>Oferta Data&amp;Analytics<\/span>\n    <\/a>\n            <\/div>\n<\/div>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Podsumowanie<\/strong><\/h2>\n\n\n\n<p>Zaimplementowanie sztucznej inteligencji w funkcje j\u0119zyka SQL otwiera mo\u017cliwo\u015bci przyspieszenia przetwarzania danych. To, co do tej pory musia\u0142o si\u0119 opiera\u0107 na mapowaniach, wyra\u017ceniach regularnych lub wieloetapowej filtracji, mo\u017ce zosta\u0107 zast\u0105pione przez algorytmy sztucznej inteligencji. Musimy pami\u0119ta\u0107, \u017ce funkcje dzia\u0142aj\u0105 w oparciu o modele j\u0119zykowe i nie musz\u0105 by\u0107 zawsze w 100 procentach skuteczne.<\/p>\n\n\n\n<p>Minusem tych rozwi\u0105za\u0144 jest dodatkowy koszt, jaki ponosimy w momencie uruchomienia zapytania. Niemniej uwa\u017cam, \u017ce zysk z wykorzystania AI do tego czy innego zadania oszcz\u0119dzi czas, kt\u00f3ry musia\u0142by zosta\u0107 u\u017cyty na budow\u0119 skomplikowanego skryptu. Lista dost\u0119pnych funkcji ca\u0142y czas si\u0119 wyd\u0142u\u017ca i warto sprawdza\u0107 od czasu do czasu, czy na aktualnie u\u017cywanej platformie nie znalaz\u0142y si\u0119 nowe funkcje, kt\u00f3re jeszcze bardziej u\u0142atwi\u0105 przetwarzanie i analizy danych.<\/p>\n\n\n\n<p>Warto mie\u0107 na uwadze, \u017ce te u\u0142atwienia s\u0105 jeszcze w fazie Public Preview na platformie Databricks, a Snowflake informuje, \u017ce funkcje s\u0105 dost\u0119pne dla wybranych region\u00f3w. Przed uruchomieniem kodu na produkcji zaleca si\u0119 sprawdzenie najnowszej dokumentacji funkcji, kt\u00f3rych chcemy u\u017cy\u0107.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong>Materia\u0142y<\/strong><\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li><a href=\"https:\/\/docs.snowflake.com\/en\/sql-reference\/functions\/ai_classify\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >Szczeg\u00f3\u0142owe informacje i wi\u0119cej przyk\u0142ad\u00f3w z platformy Snowflake<\/a><\/li>\n\n\n\n<li>\u00a0<a href=\"https:\/\/docs.databricks.com\/aws\/en\/large-language-models\/ai-functions#-task-specific-ai-functions\" target=\"_blank\" rel=\"noopener\" title=\"\" rel=\"nofollow\" >Szczeg\u00f3\u0142owa lista funkcji w Databricks<\/a><\/li>\n<\/ul>\n\n\n<div class=\"kk-star-ratings kksr-auto kksr-align-left kksr-valign-bottom\"\n    data-payload='{&quot;align&quot;:&quot;left&quot;,&quot;id&quot;:&quot;33890&quot;,&quot;slug&quot;:&quot;default&quot;,&quot;valign&quot;:&quot;bottom&quot;,&quot;ignore&quot;:&quot;&quot;,&quot;reference&quot;:&quot;auto&quot;,&quot;class&quot;:&quot;&quot;,&quot;count&quot;:&quot;0&quot;,&quot;legendonly&quot;:&quot;&quot;,&quot;readonly&quot;:&quot;&quot;,&quot;score&quot;:&quot;0&quot;,&quot;starsonly&quot;:&quot;&quot;,&quot;best&quot;:&quot;5&quot;,&quot;gap&quot;:&quot;2&quot;,&quot;greet&quot;:&quot;&quot;,&quot;legend&quot;:&quot;0\\\/5&quot;,&quot;size&quot;:&quot;30&quot;,&quot;title&quot;:&quot;Nie tylko SELECT: AI jako funkcja w SQL&quot;,&quot;width&quot;:&quot;0&quot;,&quot;_legend&quot;:&quot;{score}\\\/5&quot;,&quot;font_factor&quot;:&quot;1.25&quot;}'>\n            \n<div class=\"kksr-stars\">\n    \n<div class=\"kksr-stars-inactive\">\n            <div class=\"kksr-star\" data-star=\"1\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"2\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"3\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"4\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"5\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n    <\/div>\n    \n<div class=\"kksr-stars-active\" style=\"width: 0px;\">\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 2px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 30px; height: 30px;\"><\/div>\n        <\/div>\n    <\/div>\n<\/div>\n                \n\n<div class=\"kksr-legend\" style=\"font-size: 24px;\">\n            <span class=\"kksr-muted\"><\/span>\n    <\/div>\n    <\/div>\n","protected":false},"excerpt":{"rendered":"<p>Sztuczna inteligencja coraz \u015bmielej wkracza do narz\u0119dzi wykorzystywanych w codziennej pracy specjalist\u00f3w IT. Czatboty, asystenci, automatyczne podpowiedzi kodu czy interaktywna &hellip; <a class=\"continued-btn\" href=\"https:\/\/sii.pl\/blog\/nie-tylko-select-ai-jako-funkcja-w-sql\/\">Continued<\/a><\/p>\n","protected":false},"author":312,"featured_media":33898,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_editorskit_title_hidden":false,"_editorskit_reading_time":0,"_editorskit_is_block_options_detached":false,"_editorskit_block_options_position":"{}","inline_featured_image":false,"footnotes":""},"categories":[1314],"tags":[2861,2794,2791,682,1007],"class_list":["post-33890","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-development-na-twardo","tag-databricks","tag-da","tag-snowflake","tag-artificial-intelligence","tag-sql"],"acf":[],"aioseo_notices":[],"republish_history":[],"featured_media_url":"https:\/\/sii.pl\/blog\/wp-content\/uploads\/2026\/05\/Cooperation_2-1-2.jpg","category_names":["Development na twardo"],"_links":{"self":[{"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/posts\/33890"}],"collection":[{"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/users\/312"}],"replies":[{"embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/comments?post=33890"}],"version-history":[{"count":1,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/posts\/33890\/revisions"}],"predecessor-version":[{"id":33893,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/posts\/33890\/revisions\/33893"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/media\/33898"}],"wp:attachment":[{"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/media?parent=33890"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/categories?post=33890"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sii.pl\/blog\/wp-json\/wp\/v2\/tags?post=33890"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}