L'8 ottobre Anthropic ha rilasciato le Claude Dashboards. Colleghi una fonte dati, descrivi ciò che ti serve in linguaggio naturale e Claude può scrivere l'SQL, costruire visualizzazioni e creare una dashboard che continua ad aggiornarsi.

La mia prima reazione è stata: questo si sovrappone a diverse idee che stavo esplorando in DuckLocal.

DuckLocal è uno strumento dati desktop local-first che sto costruendo con DuckDB e GPUI. Oltre a interrogare ed esplorare file, ho lavorato su dashboard dichiarative che permettono agli agenti AI di partecipare all'analisi e alla visualizzazione.

Le Claude Dashboards sono quindi state più di un interessante rilascio di prodotto. Mi hanno fatto ripensare a dove dovesse andare DuckLocal.

1. Cosa fanno le Claude Dashboards?

Costruire una dashboard tradizionalmente significa collegare un database, capirne lo schema, scrivere SQL, scegliere grafici e metriche, configurare filtri, disporre il layout e pubblicare il risultato. Nessuno di questi passaggi è particolarmente inusuale per un analista, ma insieme restano una barriera sostanziale per tutti gli altri.

Le Claude Dashboards portano questi passaggi in un'interazione in linguaggio naturale. Un utente potrebbe chiedere:

Analizza l'andamento dei nostri ricavi negli ultimi sei mesi, suddividilo per regione e mostrami la parte dell'attività che cresce più velocemente.

Claude può generare le query e i grafici dai dati collegati. Supporta piattaforme come Snowflake, BigQuery, Redshift, Databricks e ClickHouse, e i connettori possono importare dati da sistemi aziendali come Salesforce.

Due scelte di progettazione mi hanno colpito.

Una dashboard diventa un oggetto di analisi che continua a evolvere

La dashboard non è soltanto una presentazione finale. Un utente può continuare a chiedere a Claude di cambiare un grafico, aggiungere un filtro o indagare un'altra dimensione senza ricostruire la dashboard a mano.

L'SQL dietro ogni grafico resta visibile

Gli utenti possono ispezionare non solo il risultato ma anche come è stato calcolato. L'AI può abbassare la barriera all'analisi, ma non dovrebbe trasformarla in una scatola nera non ispezionabile.

2. Cosa confermano le Claude Dashboards?

Ho mantenuto un'idea per tutto lo sviluppo di DuckLocal:

Una dashboard non dovrebbe essere una pagina statica alla fine di un flusso di lavoro BI. Dovrebbe essere uno spazio di lavoro in cui persone e agenti AI analizzano i dati insieme.

La BI tradizionale di solito vede un analista creare una dashboard e consegnarla agli utenti business. Quando qualcuno mette in dubbio una metrica, torna dall'analista, che aggiorna l'SQL o aggiunge un altro grafico.

Un agente AI può cambiare quel ciclo. Una persona fa una domanda; l'agente esplora i dati e crea una dashboard. Quando la persona nota qualcosa di inatteso, chiede all'agente di modificare la query o di indagare più a fondo.

La dashboard passa dal reporting unidirezionale a un'interazione analitica bidirezionale. Le Claude Dashboards mi hanno reso più fiducioso che questa direzione meriti di essere esplorata.

Una grande azienda che entra in uno spazio non dimostra da sola una domanda commerciale. Mostra però che l'analisi in linguaggio naturale, l'SQL e le dashboard sono diventati un'area di investimento attiva per i prodotti AI. Gli utenti potrebbero non aver bisogno di più grafici tanto quanto di un percorso più rapido verso risposte affidabili.

3. Due lezioni che ho tratto dalle Claude Dashboards

DuckLocal v0.2.1 introduce due capacità legate a questa direzione.

Lasciare che persone e agenti collaborino intorno a un grafico

La prima sono i commenti alle dashboard. Una persona può lasciare una domanda direttamente su un grafico di DuckLocal:

Perché il tasso di errore è aumentato in questo periodo? Per favore, indaga.

Un agente può leggere il commento tramite la CLI di DuckLocal, analizzare il problema e rispondere. La persona può continuare la discussione o chiudere il thread quando la domanda è risolta. I commenti vivono accanto alla dashboard in un file .dash.comments.json, così il flusso di lavoro non richiede un servizio di collaborazione cloud.

Grafico Orders per day di DuckLocal con il pannello dei commenti aperto, pronto a inviare una domanda a un agente AI
Un commento è allegato al grafico e salvato accanto al file .dash, dove un agente può leggerlo e rispondere con ducklocal comments.

Il modello che voglio stabilire è:

La persona fa domande ed esprime giudizi. L'agente esegue l'analisi. La dashboard è il loro contesto condiviso.

Un'analisi utile raramente arriva in un solo passaggio. Emerge attraverso domande, verifiche e correzioni.

Rendere l'SQL la base ispezionabile dell'analisi

La seconda capacità è l'ispezione dell'SQL dei grafici. DuckLocal v0.2.1 può mostrare l'ultimo SQL effettivamente eseguito per ogni grafico della dashboard, con le fonti dati e i valori correnti dei filtri espansi. L'utente può copiare quell'SQL o aprirlo in una scheda di query per modificarlo ed eseguirlo.

Pannello SQL di DuckLocal che mostra la fonte CSV orders espansa, il filtro, il raggruppamento e l'ordinamento dietro un grafico Orders per day
Il pannello SQL mostra la query che è stata effettivamente eseguita, inclusa la fonte CSV espansa e il filtro corrente, con azioni per copiarla o aprirla in una scheda di query.

Un grafico generato dall'AI può sembrare corretto mentre il suo calcolo è sbagliato. Una metrica di crescita può usare l'intervallo temporale errato o omettere parte dell'attività. Mostrare solo l'immagine finale rende quegli errori difficili da cogliere.

Esporre l'SQL rende l'analisi più trasparente. In particolare per il lavoro finanziario, di audit e di sicurezza, un risultato dovrebbe essere ispezionabile e riproducibile, non solo facile da capire.

Documentazione correlata: Rivedere una dashboard con i commenti · Leggere e rispondere ai commenti dalla CLI

4. In cosa le Claude Dashboards e DuckLocal sono diverse?

Entrambi i prodotti mirano ad abbassare la barriera all'analisi dei dati e a rendere le dashboard qualcosa che le persone possono continuare a esplorare, ispezionare e modificare. Il loro posizionamento e i loro modelli operativi sono comunque diversi.

DimensioneClaude DashboardsDuckLocal
PosizionamentoAnalisi e dashboard guidate dall'AISpazio di lavoro dati desktop local-first
RuntimeProdotto cloud ClaudeApplicazione desktop locale
Accesso ai datiConnettori verso piattaforme dati e sistemi aziendaliEsecuzione locale di DuckDB, con connessioni esterne esplicite quando necessario
Modello di dashboardGenerata e modificata tramite linguaggio naturaleFile di testo dichiarativi con flussi di lavoro CLI e agenti
Collaborazione AIPrincipalmente tramite una conversazione con ClaudeTramite la CLI e commenti allegati ai grafici
Trasparenza SQLVisualizzare l'SQL dietro un graficoVisualizzare, copiare e aprire l'SQL effettivamente eseguito
Modello di codiceProdotto commerciale chiusoOpen source con licenza Apache-2.0
Privacy e controlloServizio cloud e modello di permessi dei connettoriEsecuzione locale con controllo esplicito su archiviazione e accesso alla rete

DuckLocal non deve competere con le Claude Dashboards funzionalità per funzionalità. I punti di forza maggiori di Claude sono il modello stesso e la sua integrazione con fonti dati aziendali e altri strumenti. Per un'azienda che usa già Claude e piattaforme dati cloud, quell'esperienza è una scelta naturale.

Ma resta un'altra classe di esigenze: non ogni dataset appartiene a un servizio AI, e non ogni analisi richiede una piattaforma dati cloud.

Esplorare un CSV locale, verificare un dataset finanziario esportato o indagare log di sicurezza che contengono informazioni sensibili può richiedere nient'altro che un ambiente di analisi locale. DuckLocal è local-first perché questi lavori possano avvenire sul dispositivo dell'utente.

Il software locale non soddisfa automaticamente ogni requisito di conformità. Dà però agli utenti un controllo più diretto su dove sono archiviati i dati, dove vengono eseguite le query e quando viene usata la rete.

La privacy deve essere comportamento del prodotto, non una promessa nel README

Nella v0.2.1 ho cambiato il modo in cui vengono installate le estensioni di DuckDB. In precedenza un certo SQL poteva indurre DuckDB a scaricare automaticamente un'estensione dalla rete. DuckLocal non lo fa più per impostazione predefinita; l'utente deve installare un'estensione deliberatamente dalla pagina Extensions. Anche i controlli automatici degli aggiornamenti sono disattivati per impostazione predefinita.

Per un prodotto local-first, la privacy non può fermarsi a una riga nel README. Deve comparire nelle impostazioni predefinite.

L'open source è un'altra distinzione importante. Gli utenti possono ispezionare il codice e la logica di gestione dei dati, poi modificare il prodotto per le proprie esigenze. Per lavori con vincoli esigenti di privacy e sicurezza, quell'ispezionabilità e quel controllo possono diventare un vantaggio duraturo.

5. Prossimo passo: rendere la dashboard un vero spazio di lavoro per persone e agenti

Le dashboard di DuckLocal ora hanno configurazione dichiarativa, query SQL, visualizzazioni e commenti ai grafici. Sono ancora lontane dall'ambiente di analisi per persone e agenti che ho in mente.

Una persona indica un picco su un grafico di una dashboard mentre l'anatra di DuckLocal e un agente AI elaborano la query e restituiscono un grafico corretto
Il flusso di lavoro verso cui si sta muovendo DuckLocal: una domanda sollevata su un grafico, indagata da un agente e risolta con SQL e modifiche che la persona può rivedere.

La mia prossima priorità non è aggiungere quanti più tipi di grafico possibile. È collegare i passaggi dell'analisi:

  • Una persona pone una domanda su un grafico; l'agente comprende i dati e l'SQL del grafico e prosegue l'indagine.
  • L'agente non si limita a rispondere: propone modifiche alla dashboard in base a ciò che ha trovato.
  • La persona ispeziona l'SQL, il ragionamento e le modifiche prima di decidere se accettarle.
  • La dashboard registra non solo il risultato finale, ma anche le domande, i risultati e le decisioni che l'hanno prodotto.

Voglio che DuckLocal diventi più di una GUI per DuckDB e più di uno strumento BI: uno spazio di lavoro locale sui dati in cui persone e agenti AI possono continuare a lavorare insieme sugli stessi dati.

6. Considerazioni finali

Le Claude Dashboards indicano una convergenza più profonda tra linguaggio naturale, SQL e visualizzazione dei dati.

Le dashboard generate dall'AI sono il primo passo. La collaborazione continuativa tra persone e AI intorno ai dati è il problema più interessante.

Claude si sta espandendo da assistente AI verso uno spazio di lavoro per l'analisi dei dati. DuckLocal parte dalla direzione opposta: uno strumento dati locale che aggiunge gradualmente la collaborazione con gli agenti. Le loro origini e i loro percorsi sono diversi, ma si stanno avvicinando ad alcune delle stesse domande.

Voglio che DuckLocal resti ancorata a tre principi:

Local-firstOpen SourceCollaborazione tra persone e agenti

Gli utenti dovrebbero controllare i propri dati. L'analisi dovrebbe essere trasparente. L'AI dovrebbe collaborare con la persona che analizza i dati, non diventare una scatola nera che non può ispezionare. È per questo che continuo a costruire DuckLocal.

Link correlati

← Tutti gli articoli