MotherDuck eleva análise de dados com IA: imagens processadas diretamente no SQL

A MotherDuck eleva o processamento de dados ao integrar a análise de imagens diretamente no SQL, utilizando a função prompt_jev(). Agora, usuários podem armazenar imagens em colunas BLOB e questioná-las em linguagem natural, obtendo respostas estruturadas com pontuações de confiança. Essa capacidade permite filtrar, agrupar e juntar dados de imagem com outras informações, democratizando análises visuais complexas. Em um benchmark com o dataset Food-101, a ferramenta analisou 1.010 fotos por cerca de US$ 0,06, atingindo 90,2% de precisão. Ao focar em resultados com alta confiança (acima de 0.8), a acurácia saltou para 97,7%, mostrando o valor do controle de qualidade via confiança.

Para ingestão, imagens do S3 podem ser carregadas diretamente. A plataforma também lida com o redimensionamento de imagens (com Pillow e MotherDuck Flight), garantindo que estejam dentro das especificações de pixel necessárias (entre 280 e 1.568 pixels por lado) para o processamento. Um exemplo notável é a análise de 77 mil obras de arte do Metropolitan Museum, onde 14 perguntas foram feitas em uma única query SQL, permitindo cruzar os resultados com metadados do catálogo para insights como a evolução do sorriso na arte ao longo dos séculos. Essa funcionalidade transforma imagens em mais uma coluna de dados, enriquecendo o potencial analítico.

Esta atualização representa um avanço significativo para a função prompt_jev() da MotherDuck, que antes estava focada exclusivamente na análise e classificação de texto. Conforme a cobertura do CEVIU News em 24 de setembro de 2026, com a matéria "MotherDuck e Jev: A Classificação de Texto via SQL em Escala Analítica", e a de 8 de outubro de 2026, com "MotherDuck Otimiza Análise de Texto com IA Integrada ao SQL", a capacidade inicial da prompt_jev() era processar informações textuais. Agora, a funcionalidade expande-se para incluir imagens, permitindo uma abordagem multimodal dentro do mesmo ecossistema SQL. O que era uma ferramenta poderosa para análise de texto tornou-se uma solução ainda mais completa para processamento de dados heterogêneos, sem exigir o treinamento de novos modelos ou processamento externo complexo.

Essa inovação muda a forma como engenheiros e analistas de dados abordam informações visuais. Integrar o processamento de imagens diretamente no SQL simplifica pipelines de dados, eliminando a necessidade de ferramentas de IA separadas ou de scripts complexos. É um passo importante para a unificação da análise de dados, tornando a IA mais acessível e prática. A capacidade de gerar respostas estruturadas com pontuações de confiança garante maior qualidade e confiabilidade nos resultados, um ponto crítico para sistemas de tomada de decisão. Isso permite que empresas extraiam valor de grandes volumes de dados de imagem, como catálogos de produtos, monitoramento de qualidade ou análise de mídias sociais, com eficiência e baixo custo.