Microsoft Copilot e SQL: Utilizando IA na Modelagem de Bancos de Dados

Microsoft Copilot e SQL

A inteligência artificial está transformando a forma como desenvolvemos software, e uma das ferramentas que mais tem chamado a atenção dos profissionais de tecnologia é o Microsoft Copilot.

Durante meus estudos de hoje, explorei como essa ferramenta pode auxiliar na criação de scripts SQL, modelagem de bancos de dados e geração de dados para testes.

O objetivo do estudo

O foco foi compreender como utilizar prompts bem estruturados para orientar o Copilot na geração de código SQL.

Para isso, desenvolvi um pequeno projeto inspirado no universo do Pokémon Trading Card Game (TCG), modelando um banco de dados capaz de armazenar informações sobre cartas, coleções, tipos e estágios evolutivos.

Mais do que gerar código automaticamente, o objetivo foi entender como a qualidade das instruções fornecidas influencia diretamente o resultado produzido pela inteligência artificial.

Modelagem do banco de dados

O primeiro passo foi solicitar ao Copilot a criação das tabelas necessárias para representar o domínio da aplicação.

Foram criadas as seguintes entidades:

Coleções

Responsável por armazenar informações sobre os conjuntos de cartas lançados ao longo do tempo.

Principais atributos:

• Nome da coleção;
• Data de lançamento;
• Quantidade de cartas da coleção.

Tipos

Tabela utilizada para armazenar os diferentes tipos de Pokémon.

Exemplos:

• Fire;
• Water;
• Grass;
• Electric;
• Psychic;
• Fighting.

Estágios

Representa os níveis evolutivos dos Pokémon.

Exemplos:

• Basic;
• Stage 1;
• Stage 2.

Cartas

Tabela principal do sistema, responsável por armazenar os dados das cartas Pokémon.

Entre os atributos cadastrados estão:

• Nome;
• HP;
• Ataque;
• Dano;
• Fraqueza;
• Resistência;
• Custo de recuo;
• Número da carta dentro da coleção.

Além disso, a tabela foi conectada às demais por meio de chaves estrangeiras, garantindo a integridade dos dados.

Relacionamentos e integridade referencial

Um dos pontos mais importantes do estudo foi a definição dos relacionamentos entre as tabelas.

Cada carta:

• Pertence a uma coleção;
• Possui um tipo;
• Possui um estágio evolutivo.

Essa estrutura permitiu aplicar conceitos fundamentais de bancos de dados relacionais, como:

• Chaves primárias (Primary Keys);
• Chaves estrangeiras (Foreign Keys);
• Integridade referencial;
• Normalização de dados.

Geração de dados iniciais

Após a criação da estrutura do banco de dados, utilizei o Copilot para gerar scripts de inserção de dados.

Foram criados registros para:

• Coleções clássicas do Pokémon TCG;
• Tipos de Pokémon;
• Estágios evolutivos;
• Diversas cartas conhecidas, como Charizard, Pikachu, Blastoise, Venusaur, Gengar e Mewtwo.

Esses dados permitiram validar a estrutura criada e realizar testes nas consultas SQL.

A importância dos prompts

Um dos maiores aprendizados do dia foi perceber que o resultado gerado pela inteligência artificial depende diretamente da qualidade do prompt utilizado.

Prompts que fornecem:

• Contexto;
• Regras de negócio;
• Estrutura desejada;
• Relacionamentos esperados.

Tendem a gerar respostas muito mais precisas e úteis.

Na prática, escrever um bom prompt se aproxima bastante da elaboração de requisitos para um sistema.

O papel da IA no desenvolvimento

Ferramentas de inteligência artificial não substituem o conhecimento técnico do desenvolvedor, mas podem acelerar significativamente atividades repetitivas e operacionais.

A capacidade de gerar scripts, sugerir modelagens e criar dados para testes reduz o tempo gasto em tarefas iniciais e permite maior foco na análise e validação da solução.

Tecnologias utilizadas

• SQL;
• PostgreSQL;
• DBeaver;
• Microsoft Copilot;
• GitHub;
• Engenharia de Prompts.

Conclusão

A experiência mostrou que ferramentas como o Microsoft Copilot podem acelerar significativamente tarefas relacionadas ao desenvolvimento de bancos de dados, especialmente na criação de scripts, modelagem inicial e geração de dados para testes.

Entretanto, o conhecimento técnico continua sendo essencial. A IA é uma ferramenta de apoio, mas cabe ao desenvolvedor validar a modelagem, revisar o código gerado e garantir que a solução esteja alinhada aos requisitos do projeto.

Estudar essas tecnologias é uma excelente forma de compreender como a inteligência artificial pode ser aplicada no dia a dia do desenvolvimento de software, aumentando a produtividade sem abrir mão da qualidade técnica.

E você? Já utilizou inteligência artificial para criar scripts SQL ou modelar bancos de dados?