Prompt Engineering for Improving NL2SQL Accuracy based on GPT-4o Error Patterns
Gongkyu Byeon, Kwontaeg Choi, Sunjin Yu · The Journal of Korean Institute of Information Technology · 2025
본 연구는 GPT-4o를 활용하여 자연어 질의를 SQL로 변환하는 시스템을 제안한다. 기존 데이터 분석 방식은 SQL을 활용한 데이터 전문가의 수작업이 필수적이었으므로 비전문가가 사용하기 어렵다. 본 시스템은 오류 패턴을 기반으로 수정된 프롬프트를 통해 SQL 쿼리 및 분석 코드를 자동 생성하여 실행할 수 있도록 설계한다. 실험 결과, 제안 시스템은 기존 방식에 비해 평균 22.9%가 높은 변환 정확도를 기록하였으며, LIKE 연산의 경우 54.33%에서 88.87%로 크게 향상되었다. 또한, 자연어 기반 질의 변환의 성능을 평가하기 위해 난이도별 SQL 변환 실험을 수행하였고, 기존 방식 대비 유의미한 정확도 향상을 기록하였다. 따라서, 본 연구는 비전문가도 데이터 분석을 쉽게 수행할 수 있는 기틀을 마련하고 데이터 활용의 효율성을 높일 것으로 기대된다.