--- title: "NL2SQL آرتین‌بات چیست و چطور به تصمیم‌گیری فروشگاه‌ها کمک می‌کند؟" description: "NL2SQL آرتین‌بات چیست؟ پرسش زبان طبیعی از دیتابیس فروشگاه با خروجی عدد، جدول، نمودار یا هشدار. نمونه سوالات واقعی در مقاله هشتم سری مسیر ایجنت." url: "https://artinmag.ir/articles/nl2sql-artinbot-business-decisions" author: "مرتضی علیزاده" category: "چت بات" published: "2026-08-12T22:12:08.1189086" updated: "2026-08-12T22:12:08.1189086" lang: "fa" publisher: "مجله آرتین — شرکت هوش گستر فردا آرتین" --- # NL2SQL آرتین‌بات چیست و چطور به تصمیم‌گیری فروشگاه‌ها کمک می‌کند؟ > NL2SQL آرتین‌بات سوال به زبان فارسی ساده را به کوئری واقعی روی دیتابیس فروشگاه تبدیل می‌کند و بسته به نوع سوال، خروجی را به‌صورت عدد، جدول، نمودار یا هشدار خودکار برمی‌گرداند — بدون نیاز به دانستن SQL یا داشتن نیروی فنی. ## سوالی که هر صاحب فروشگاه دیر یا زود از خودش می‌پرسد «کدام محصول بیشترین بازگشت را داشت؟» «فروش این ماه نسبت به ماه قبل چقدر رشد کرده؟» «کدام مشتری‌ها بیش از سه ماه است خرید نکرده‌اند؟» جواب هر کدام از این سوالات جایی در دیتابیس فروشگاه هست — اما رسیدن به آن معمولاً یعنی درخواست از یک نفر که SQL بلد است، یا باز کردن یک داشبورد از پیش‌ساخته که شاید اصلاً همان سوال دقیق را پوشش نمی‌دهد. NL2SQL — یکی دیگر از لایه‌های آرتین‌بات که در این سری تا حالا کمتر به آن پرداخته‌ایم — دقیقاً همین فاصله را حذف می‌کند. ## NL2SQL چیست، دقیقاً؟ مخفف Natural Language to SQL — یعنی تبدیل یک سوال به زبان طبیعی فارسی به یک کوئری واقعی روی دیتابیس، و بازگرداندن جواب به زبانی که قابل فهم است، نه یک جدول خام. کافی است سوال را همان‌طور که به یک همکار می‌گویید بپرسید — مثلاً «لیست مشتریان فعال استان تهران را بده» — و سیستم مدل را تشخیص می‌دهد، کوئری را می‌سازد، و نتیجه دقیق را برمی‌گرداند. ## چرا این با چت‌بات معمولی فرق دارد؟ چت‌بات معمولی — حتی هوشمندترین نسخه‌اش — روی دانش عمومی یا محتوایی که از قبل به آن آموزش داده‌اید جواب می‌دهد. NL2SQL کار متفاوتی می‌کند: مستقیم به دیتابیس واقعی و زنده کسب‌وکار شما وصل می‌شود. جواب «فروش دیروز چقدر بود؟» یک عدد ثابت از یک سند نیست — نتیجه یک کوئری زنده روی داده‌ای است که همین الان در سیستم شماست. ## چهار نوع خروجی که NL2SQL آرتین‌بات می‌تواند بدهد ### عدد ساده وقتی سوال یک پاسخ مشخص و تکی دارد — «چند سفارش امروز ثبت شده؟» — خروجی فقط یک عدد است، بدون نیاز به توضیح اضافه. ### جدول وقتی سوال به فهرستی از موارد نیاز دارد — «ده محصول پرفروش این ماه کدام‌اند؟» — خروجی یک جدول مرتب‌شده است. ### نمودار وقتی سوال روند یا مقایسه را می‌طلبد — «فروش سه ماه اخیر را نشان بده» — خروجی یک نمودار است، چون یک عدد یا جدول به‌تنهایی روند را به‌خوبی نشان نمی‌دهد. ### هشدار وقتی سوال یک آستانه یا شرط دارد — «اگر موجودی کالای X زیر ده رسید به من خبر بده» — خروجی یک قانون هشدار است که از آن پس، بدون نیاز به پرسش دوباره، فعال می‌ماند. انتخاب نوع خروجی دستی نیست؛ بر اساس ماهیت خود سوال تعیین می‌شود — این یعنی کاربر لازم نیست بداند کدام قالب را بخواهد، فقط باید سوال درست را بپرسد. ## نمونه سوالات واقعی — و خروجی که هرکدام تولید می‌کنند ### «امروز چند سفارش داشتیم؟» خروجی: یک عدد. مناسب صبح هر روز، برای دید سریع بدون باز کردن هیچ داشبوردی. ### «پرفروش‌ترین دسته محصول در سه ماه اخیر کدام است؟» خروجی: جدول، به‌همراه ستون درصد سهم هر دسته از کل فروش. ### «روند فروش هفتگی از ابتدای فصل تا الان چطور بوده؟» خروجی: نمودار خطی، برای دیدن الگوی رشد یا افت در نگاه اول. ### «کدام مشتری‌ها بیش از دو ماه خرید نکرده‌اند؟» خروجی: جدول، قابل استفاده مستقیم برای یک کمپین بازگرداندن مشتری. ### «اگر موجودی هر محصول زیر پنج عدد رسید، هشدار بده» خروجی: یک قانون هشدار فعال، بدون نیاز به پرسیدن دوباره هر روز. ### «کدام محصول بیشترین بازگشت (مرجوعی) را داشته؟» خروجی: جدول، مرتب‌شده بر اساس تعداد یا درصد مرجوعی — سوالی که معمولاً بدون ابزار مناسب، هفته‌ها طول می‌کشد تا جوابش پیدا شود. ## چرا این قابلیت با دستیارهای هوش مصنوعی عمومی فرق دارد؟ بسیاری از ابزارهای هوش مصنوعی امروز می‌توانند به سوالات عمومی جواب بدهند، حتی درباره مفهوم پرس‌وجوی داده. اما تفاوت اصلی NL2SQL آرتین‌بات این است که مستقیم روی دیتابیس واقعی شما کار می‌کند — نه دانشی که از اینترنت آموخته. حتی اگر ساختار دقیق جدول‌های دیتابیس‌تان را ندانید، سیستم می‌تواند اسکیمای داده را تشخیص دهد و نتیجه را به‌شکل قابل فهم برگرداند؛ شما نیازی به دانستن نام دقیق ستون‌ها یا جدول‌ها ندارید. ## چطور از NL2SQL شروع کنیم ۱. دسترسی دیتابیس فروشگاه را از پنل آرتین‌بات متصل کنید. ۲. با سوالات ساده و روزمره شروع کنید — «فروش امروز چقدر بود؟» — تا با نوع خروجی‌ها آشنا شوید. ۳. به‌مرور سوالات پیچیده‌تر (روند، مقایسه، هشدار) را امتحان کنید. ۴. برای سوالاتی که هر روز تکرار می‌کنید (مثل موجودی یا فروش روزانه)، هشدار خودکار تعریف کنید تا نیازی به پرسش مجدد نباشد. ## چه کسانی بیشترین بهره را می‌برند؟ فروشگاه‌هایی که داده کافی جمع کرده‌اند اما وقت یا نیروی فنی برای تحلیل آن ندارند، بیشترین سود را از این قابلیت می‌برند. اگر هنوز داده کافی برای تحلیل ندارید — یعنی فروشگاه تازه‌کار هستید — بهتر است ابتدا روی [مفاهیم پایه این سری](https://artinmag.ir/articles/ai-sales-agent-lead-scoring) تمرکز کنید و بعد سراغ تحلیل داده بروید. ## جمع‌بندی NL2SQL فاصله بین «این سوال را داریم» و «این جواب را داریم» را از روزها به چند ثانیه کاهش می‌دهد — بدون نیاز به دانستن SQL یا داشتن نیروی فنی اختصاصی. برای آشنایی با بقیه لایه‌های اتوماسیون آرتین‌بات، [مقاله چهارم این سری](https://artinmag.ir/articles/autoflow-vs-sales-brain) درباره AutoFlow و Sales Brain را هم بخوانید. ## پرسش‌های متداول ### NL2SQL چیست؟ فناوری‌ای که سوال به زبان طبیعی را به یک کوئری واقعی روی دیتابیس تبدیل می‌کند و نتیجه را به شکل قابل فهم برمی‌گرداند، بدون نیاز به نوشتن کد SQL. ### NL2SQL آرتین‌بات چطور کار می‌کند؟ سوال فارسی کاربر را دریافت می‌کند، مستقیم به دیتابیس فروشگاه وصل می‌شود، کوئری لازم را می‌سازد و بسته به نوع سوال، خروجی را به‌صورت عدد، جدول، نمودار یا هشدار برمی‌گرداند. ### چه سوالاتی را می‌شود از NL2SQL پرسید؟ هر سوالی که پاسخش در دیتابیس فروشگاه باشد — از «امروز چند سفارش داشتیم» تا «کدام مشتری‌ها بیش از دو ماه خرید نکرده‌اند». ### آیا برای استفاده از NL2SQL باید SQL بلد باشیم؟ خیر. سوال به زبان فارسی معمولی پرسیده می‌شود؛ سیستم کوئری SQL را خودش می‌سازد. ### چطور هشدار موجودی خودکار بسازیم؟ کافی است سوال را به‌صورت شرطی بپرسید، مثلاً «اگر موجودی هر محصول زیر پنج عدد رسید هشدار بده»؛ سیستم این را به‌عنوان یک قانون فعال ذخیره می‌کند. ### چه کسب‌وکارهایی بیشترین بهره را از NL2SQL می‌برند؟ فروشگاه‌هایی که داده کافی جمع کرده‌اند اما نیروی فنی یا وقت کافی برای تحلیل دستی آن ندارند. ## منابع - [آموزش پایگاه داده با ای پی آی هوش مصنوعی](https://gapgpt.app/blog/%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D9%BE%D8%A7%DB%8C%DA%AF%D8%A7%D9%87-%D8%AF%D8%A7%D8%AF%D9%87-%D8%A8%D8%A7-%D8%A7%DB%8C-%D9%BE%DB%8C-%D8%A2%DB%8C-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C/876) - [پردازش زبان طبیعی در زبان فارسی چطور انجام می‌شود و چه چالش‌هایی دارد؟](http://cafetadris.com/blog/%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%B2%D8%A8%D8%A7%D9%86-%D8%B7%D8%A8%DB%8C%D8%B9%DB%8C-%D8%AF%D8%B1-%D8%B2%D8%A8%D8%A7%D9%86-%D9%81%D8%A7%D8%B1%D8%B3%DB%8C/) - [NLP چیست ؟ – هر آنچه باید درباره ان ال پی بدانید](https://blog.faradars.org/nlp-%DA%86%DB%8C%D8%B3%D8%AA/) --- منبع: [NL2SQL آرتین‌بات چیست و چطور به تصمیم‌گیری فروشگاه‌ها کمک می‌کند؟](https://artinmag.ir/articles/nl2sql-artinbot-business-decisions) — مجله آرتین