QueryStory хочет, чтобы вы верили тому, что говорит ИИ

Шапор Нагибзаде осознал ценность хорошей истории в 2009 году, работая инженером по системному администрированию в Google. Когда поддерживаемые Китаем хакеры выбрали своей целью поискового гиганта в рамках операции, получившей название «Аврора», его вызвали в наскоро собранный кризисный штаб, чтобы он объяснил, что именно происходит на серверах компании.

Отслеживание кибератак через разрозненные сети научило Нагибзаде ценить проверенные знания. Но это была дорогостоящая и занимавшая много времени задача. Он считает, что большие языковые модели могут обеспечить такую же функциональность для баз данных самых разных типов за долю этого времени.

Следующие шесть лет Нагибзаде посвятил изучению взаимосвязи данных и кибербезопасности, используя ресурсы Google для создания инструментов, позволявших аналитикам по безопасности делать запросы к сложным данным. В 2016 году он стал сооснователем стартапа Chronicle в лаборатории X Labs компании Google, который должен был предоставить такую же функциональность другим компаниям.

В прошлом году, когда большие языковые модели стали играть более значительную роль в анализе данных, Нагибзаде увидел новую возможность применить методы, разработанные им для кибербезопасности, к самым разным видам аналитики. Он стал сооснователем QueryStory, где занимает должность генерального директора, вместе с техническим директором Стэнли Янгом, бывшим коллегой по Google и ведущим инженером в EvolutionIQ, а также директором по продукту Дэвидом Глусиком, ветераном Accenture. Сегодня стартап вышел из режима скрытой разработки.

«Вы получаете такую структуру расследования: задаёте данным множество вопросов, а после того, как смогли задать достаточное их количество, собираете всё это в повествование, — сказал Нагибзаде. — Это и стало источником названия QueryStory. Речь о том, чтобы рассказывать истории с помощью данных, верно? Составлять повествование, основанное на истине».

В конце 2025 года QueryStory привлекла посевной раунд на $6 млн от Brightmind Ventures и New York Life Ventures при оценке в $60 млн, а всё последующее время разрабатывала и тестировала свой продукт вместе с клиентами. QueryStory ориентирована прежде всего на крупные предприятия, работающие с большими закрытыми базами данных; платформа объединяет анализ и проверку данных для таких пользователей, как отделы продаж или операционные менеджеры.

«Мы делаем то, что помогает устранить пробел в доверии к ИИ и предоставить предприятиям ответы, на основе которых они могут действовать, — сказал Нагибзаде. — Вместо того чтобы, знаете, арендовать человеческое суждение и армии инженеров, работающих непосредственно с клиентами, мы превратили это в продукт».

Тим Дель Белло, партнёр New York Life Ventures, инвестировал в компанию. Он также использует платформу, чтобы заменить работу нескольких людей и подготовить ежеквартальный обзор бизнеса, который, как он теперь надеется, со временем превратится в информационную панель в реальном времени.

«Продукт создан для таких людей, как я: лиц, принимающих решения и стремящихся получить достоверную картину, которым необходимо работать со сложными разрозненными источниками данных, но у которых нет собственной команды специалистов по анализу данных или бизнес-аналитике, особенно при работе в строго регулируемой отрасли», — сказал он TechCrunch.

Решение проблемы хрупких систем ИИ

Я предоставил базе данных информацию о космической активности, которая полезна для понимания того, чем занимаются на орбите такие компании, как SpaceX. QueryStory за несколько часов создала визуализацию этих данных — на аналогичный проект, который я когда-то делал с разработчиком, ушло несколько недель. Платформа создала сложные информационные панели и аналитические материалы и, что, возможно, наиболее примечательно, вывела показатель уровня уверенности, показывающий, почему ИИ-агенты считают результаты анализа точными.

Такую работу можно выполнять с помощью инструментов для совместной работы, созданных передовыми лабораториями, однако пользовательский интерфейс этих инструментов намеренно ограничен. Часть ставки QueryStory заключается в том, что пользователи, особенно в крупных компаниях, хотят большей прозрачности, надёжности и контроля при интеграции ИИ в свои рабочие процессы.

Например, недавно руководитель технологической компании рассказал TechCrunch, что делал запрос к базе данных компании с помощью Claude Cowork, а затем просил модель показать написанные ею SQL-запросы, чтобы убедиться в их корректности, прежде чем отправить их аналитику данных на проверку человеком. В QueryStory эти SQL-запросы отображаются автоматически, а пользователи могут помечать результаты анализа для проверки коллегами, после чего результаты таких проверок сохраняются на платформе.

«ИИ более хрупок, чем люди думают, когда речь идёт о создании вещей, которые должны быть долговечными и на которые опирается крупный бизнес», — сказала TechCrunch Тейлер Сипперли, партнёр Brightmind Partners.

Нагибзаде отмечает, что, когда компании подключают свои данные к чат-интерфейсу LLM, «вы получаете сотни или тысячи людей внутри организации, которые задают свои вопросы, получают каждый свою версию истины, помещают её в презентацию и делятся ею — в итоге возникает огромное содержательное нагромождение, и не существует настоящего места, где можно было бы хранить этот контент со связью с исходными данными».

Есть и экономические факторы, которые необходимо учитывать. QueryStory создана как платформа, не зависящая от конкретной модели, хотя пока в основном использует новейшие модели, предоставляемые передовыми лабораториями. Хотя её компания конкурирует с передовыми лабораториями на уровне продуктов, Нагибзаде считает, что клиенты предпочтут работать с поставщиком услуг, не заинтересованным в том, чтобы продавать как можно больше вычислительных ресурсов.

«У нас есть немало преимуществ именно благодаря тому, что мы не относимся к компаниям, построившим свой бизнес вокруг модели потребления вычислительных ресурсов, хранилища или токенов, — сказал Нагибзаде. — Он утверждает, что специализированный инструмент вроде QueryStory может быть эффективнее и точнее универсального агента, поскольку понимает и сохраняет контекст.

«Мы продаём доверие к ответам, верно? — сказал он. — Мы продаём им ценность, которую добавляем бизнесу, и наша главная цель — дать финансовому директору возможность понять: „Во сколько обойдётся эта вещь?“»