La IA es muy adecuada para conversiones de formato (CSV ↔ JSON ↔ SQL) y scripts de migración porque las reglas de transformación son mecánicas. El truco es darle suficiente contexto para que sea correcto y seguro: esquemas, una fila de muestra y requisitos de seguridad explícitos.
import csv
# Source CSV: id,email,signup_date (signup_date may be blank)
# Target table: users(id INT, email TEXT NOT NULL, signup_date DATE NULL)
def csv_to_sql(path: str) -> list[str]:
statements = []
with open(path, newline="", encoding="utf-8") as f:
for row in csv.DictReader(f):
email = row["email"].strip()
if not email: # validate: skip invalid rows, don't insert garbage
continue
date = row["signup_date"].strip() or None
email_sql = email.replace("'", "''") # escape quotes to avoid broken SQL / injection
date_sql = f"'{date}'" if date else "NULL"
# ON CONFLICT makes it idempotent: re-running won't create duplicates
statements.append(
f"INSERT INTO users (id, email, signup_date) "
f"VALUES ({int(row['id'])}, '{email_sql}', {date_sql}) "
f"ON CONFLICT (id) DO NOTHING;"
)
return statements
Los comentarios marcan las partes que importan: validación (omitir correos electrónicos vacíos), escaping (comillas), e idempotencia (ON CONFLICT DO NOTHING). Pídele a la IA que incluya las tres — son las cosas que olvida un script ingenuo.
Las migraciones de datos son de alto riesgo y a menudo de una sola vez: un script que duplica-inserta o elimina filas puede ser costoso de deshacer. La IA acelera la escritura de la conversión, pero las propiedades de seguridad — idempotencia, validación y una prueba en seco en una copia — son innegociables. Trata el script generado como un borrador que debes leer y probar, nunca como algo que ejecutar a ciegas contra datos reales.