AI支援によるデータ開発は、直接的なSQL生成または中間表現を用いたレイヤードアプローチのいずれかを利用して、SQLライティングを変革しています。この記事では、Trae（AIプランニング）とSQLazy（実行レイヤー）の複合モデルに焦点を当てます。この連携により、「AIプランニング＋人間によるレビュー＋決定論的エンジン実行」のフレームワークが確立されます。プロセスには、プロジェクト知識のロード、要件の明確化、タスクの分解を経て、Traeが段階的なSQLazyスクリプト（.nspl）を生成することが含まれます。SQLazyのIDEは、単一のスクリプトからの段階的な実行、リアルタイムデバッグ、およびクロスデータベースコンパイルを容易にします。ワークフローは、環境設定から始まり、詳細なビジネス要件でTraeをトリガーします。最も重要なフェーズは、SQLazy IDEでの検証と修正であり、中間結果を確認するためにテストデータが使用されます。4つの実世界のケーススタディがこの方法論を例示しています：統計集計、複数テーブルのマージ、クロスサブグループデータフィル、および金額配分です。より単純なケースは一度で正しく処理されましたが、クロスサブグループデータフィルや金額配分のような複雑なシナリオでは、反復的な修正が必要でした。クロスグループフィルケースでは、直接的な結合キーが不適切な場合に、行番号をマッピングブリッジとして使用することの重要性が強調されました。金額配分ケースは最も複雑で、特に丸め処理と残りの分配に関して、合計を維持するために、構文とロジックを洗練させるために複数の反復が必要でした。