QueryStory хочет, чтобы вы верили ИИ

QueryStory хочет, чтобы вы доверяли ответам ИИ

Компания QueryStory вышла из скрытого режима и представила платформу для анализа корпоративных баз данных с помощью ИИ. Компанию возглавляет бывший инженер Google Shapor Naghibzadeh. Она автоматически показывает SQL-запросы, связывает выводы с исходными данными и добавляет индикатор уверенности в результатах. В конце 2025 года QueryStory привлекла $6 млн при оценке в $60 млн от Brightmind Partners и New York Life Ventures. Платформа рассчитана на крупные компании, которым нужны проверяемые ответы ИИ без постоянного участия специалистов по данным.

От кибербезопасности к аналитике

В 2009 году Shapor Naghibzadeh работал инженером по эксплуатации систем в Google. Когда хакеры, связанные с Китаем, атаковали поисковый гигант в рамках операции Aurora, его вызвали в экстренный ситуационный центр. Там он должен был объяснить, что происходит с серверами компании.

Расследование кибератак в разрозненных сетях показало ему ценность проверенных знаний. Но такой процесс требовал много времени и ресурсов. Naghibzadeh решил, что большие языковые модели смогут выполнять похожую работу с базами данных разных типов значительно быстрее.

Следующие шесть лет он занимался пересечением данных и кибербезопасности. Используя ресурсы Google, Naghibzadeh создавал инструменты, с которыми аналитики по безопасности могли задавать вопросы сложным массивам данных. В 2016 году он вместе с партнёрами основал в лаборатории Google X компанию Chronicle, которая перенесла этот подход в другие компании.

В прошлом году, когда большие языковые модели стали активнее использоваться для анализа данных, Naghibzadeh решил применить наработки из кибербезопасности к более широкому кругу аналитических задач. Так появилась QueryStory. Вместе с ним компанию основали технический директор Stanley Yang, бывший коллега по Google и ведущий инженер EvolutionIQ, а также директор по продукту David Glusic, ранее работавший в Accenture.

Название QueryStory описывает последовательность работы: пользователь задаёт данным серию вопросов, а затем собирает ответы в связный рассказ. Такой рассказ должен опираться на проверяемые факты.

Платформа для корпоративных данных

В конце 2025 года QueryStory привлекла посевной раунд на $6 млн от Brightmind Partners и New York Life Ventures. Оценка компании составила $60 млн. После этого компания разрабатывала продукт и тестировала его вместе с заказчиками.

QueryStory ориентируется на крупные предприятия с большими закрытыми базами данных. Платформа объединяет анализ и проверку информации для отделов продаж, операционных руководителей и других сотрудников.

По словам Naghibzadeh, сервис должен закрыть разрыв между ответами ИИ и доверием к ним. Вместо найма специалистов и целых команд инженеров, работающих непосредственно у заказчика, компания превратила этот процесс в готовый продукт.

Инвестор New York Life Ventures Tim Del Bello руководил вложением в QueryStory. Его команда уже использует платформу, чтобы заменить работу нескольких сотрудников, которые готовили ежеквартальный обзор бизнеса. Теперь Del Bello рассчитывает превратить этот процесс в панель мониторинга, обновляемую в реальном времени.

Он отметил, что QueryStory создавалась для руководителей, которым нужно находить точные ответы в сложных и разрозненных источниках данных, но при этом у них нет собственной команды специалистов по анализу данных или бизнес-аналитике. Особенно актуальна эта задача для компаний из регулируемых отраслей.

Как QueryStory проверяет ответы

Для проверки сервиса TechCrunch передал ему базу данных о космической активности. Она помогает отслеживать, чем занимаются на орбите компании вроде SpaceX. QueryStory построила визуализацию за несколько часов. Похожий проект, который автор когда-то делал вместе с разработчиком, занял несколько недель.

Сервис создал подробные панели и аналитические материалы, а также вывел индикатор уверенности. Он показывал, почему агенты ИИ сочли свои выводы точными.

Интерфейс QueryStory с сеткой диаграмм и графиков по результатам запросов к данным.

Источник: techcrunch.com

Похожие задачи можно решать с помощью инструментов для совместной работы с данными, которые выпускают передовые лаборатории. Но их интерфейсы намеренно ограничены. QueryStory рассчитывает, что крупным компаниям при внедрении ИИ нужны более прозрачные, надёжные и управляемые процессы.

В качестве примера TechCrunch приводит руководителя технологической компании. Он рассказывал, что обращался к базе данных через Claude Cowork, а затем просил модель показать написанные ею SQL-запросы. Так он мог проверить их перед передачей аналитику на ручную проверку.

В QueryStory SQL-запросы появляются автоматически. Пользователь может отметить конкретный анализ для проверки коллегой, а результат такой проверки сохраняется внутри платформы.

Интерфейс QueryStory с разделами «Рассказ» и «Результаты», графиком и боковой лентой навигации.

Источник: techcrunch.com

Партнёр Brightmind Partners Tayler Sipperly считает, что ИИ менее надёжен, чем многие предполагают, когда речь идёт о создании долговечных систем, на которых работают крупные компании.

Naghibzadeh указывает и на другую проблему. Когда компания подключает свои данные к интерфейсу чата языковой модели, сотни или тысячи сотрудников начинают задавать вопросы и получать каждый свою версию ответа. Затем они переносят эти результаты в презентации и делятся ими, из-за чего возникает большое количество разрозненных материалов, не связанных с исходными данными в едином месте.

Экономика работы с моделями

Есть и финансовая сторона. QueryStory не привязана к конкретной модели, хотя сейчас в основном использует новейшие модели передовых лабораторий.

Компания конкурирует с передовыми лабораториями на уровне продукта, но Naghibzadeh считает, что клиентам будет удобнее работать с поставщиком, который не заинтересован в продаже как можно большего объёма вычислений, хранилища или токенов.

По его словам, QueryStory не строит бизнес на модели потребления вычислительных ресурсов. Специализированный инструмент может работать эффективнее и точнее универсального агента, если он лучше понимает и сохраняет контекст задачи.

Компания продаёт доверие к ответам и пользу для бизнеса. В частности, QueryStory должна дать финансовому директору возможность понять, во сколько обойдётся конкретная операция или проект.