Стартап QueryStory вышел из тени: ИИ-платформа для анализа данных с проверкой достоверности

Шапор Нагибзаде осознал ценность хорошей истории в 2009 году, работая инженером в Google. Когда хакеры, поддерживаемые Китаем, атаковали поискового гиганта в рамках операции Aurora, его вызвали в импровизированный штаб, чтобы объяснить, что происходит на серверах компании.

Отслеживание кибератак через разрозненные сети научило Нагибзаде ценить проверенные знания. Но это была дорогостоящая и трудоемкая задача. Он считает, что большие языковые модели (LLM) могут привнести ту же функциональность в базы данных любого типа за гораздо меньшее время.

Следующие шесть лет Нагибзаде посвятил связи данных и кибербезопасности, используя ресурсы Google для создания инструментов, позволяющих аналитикам безопасности запрашивать сложные данные. В 2016 году он стал соучредителем стартапа Chronicle в X Labs компании Google, который принес эту функциональность другим компаниям.

В прошлом году, когда большие языковые модели стали играть большую роль в анализе данных, Нагибзаде увидел новую возможность применить свои техники из кибербезопасности к различным видам аналитики. Он стал соучредителем компании QueryStory, где занимает пост генерального директора, вместе с техническим директором Стэнли Янгом, бывшим коллегой по Google и ведущим инженером EvolutionIQ, и директором по продукту Дэвидом Глузичем, ветераном Accenture. Стартап вышел из тени сегодня.

«Вы получаете эту картину расследования — вы задаете множество вопросов данным, и после того, как вы смогли задать ряд вопросов, вы собираете все это в повествование, — сказал Нагибзаде. — Это стало основой для названия QueryStory. Речь идет о том, чтобы рассказывать истории с помощью данных, верно? Собирать повествование, основанное на истине».

QueryStory привлекла 6 миллионов долларов (~480 млн рублей) начального раунда финансирования в конце 2025 года от Brightmind Ventures и New York Life Ventures при оценке в 60 миллионов долларов (~4,8 млрд рублей) и провела это время, разрабатывая и тестируя продукт с клиентами. QueryStory нацелена на крупные предприятия, управляющие большими проприетарными базами данных; платформа объединяет анализ данных и проверку для таких пользователей, как отделы продаж или операционные менеджеры.

«Мы устраняем разрыв доверия к ИИ, чтобы давать предприятиям ответы, на которые они могут положиться, — сказал Нагибзаде. — Вместо того чтобы арендовать человеческое суждение и армии инженеров, мы превратили это в продукт».

Тим Дель Белло, партнер New York Life Ventures, инвестировал в компанию. Он также использует платформу, чтобы заменить работу нескольких сотрудников и создать ежеквартальный бизнес-обзор, который теперь надеется превратить в панель мониторинга в реальном времени.

«Продукт создан для таких людей, как я: лиц, принимающих решения, которые ищут истину, работают со сложными разрозненными источниками данных, но не имеют в своем распоряжении команды по науке о данных или BI, особенно при работе в строго регулируемой отрасли», — рассказал он TechCrunch.

Решение проблемы хрупких ИИ-систем

Редакция TechCrunch поделилась базой данных космической активности, полезной для понимания того, что компании вроде SpaceX делают на орбите. QueryStory создала визуализацию этих данных за несколько часов — проект, который ранее занял бы несколько недель работы с разработчиком. Платформа создала сложные информационные панели и анализ и, что наиболее примечательно, выделила индикатор уверенности, показывающий, почему ИИ-агенты считают анализ точным.

Визуализация спутников на орбите Земли.
Источник изображения:QueryStory / QueryStory

Набор запросов, полученных из космических данных.
Источник изображения:QueryStory / QueryStory

Интерфейс QueryStory.
Источник изображения:QueryStory / QueryStory

Индикатор уверенности QueryStory.
Источник изображения:QueryStory / QueryStory

Такую работу можно выполнять с помощью инструментов совместной работы, созданных ведущими лабораториями, но эти инструменты намеренно ограничены в пользовательском опыте. Часть ставки QueryStory заключается в том, что пользователи, особенно в крупных компаниях, хотят большей прозрачности, надежности и контроля при интеграции ИИ в свои рабочие процессы.

Например, руководитель технологической компании недавно рассказал TechCrunch о том, как он запрашивал корпоративную базу данных с помощью Claude Cowork, а затем просил модель показать написанные SQL-запросы, чтобы убедиться в их корректности перед отправкой аналитику для проверки. В QueryStory эти SQL-запросы отображаются автоматически, и пользователи могут помечать анализы для проверки коллегами, при этом эти проверки записываются на платформе.

«ИИ более хрупок, чем люди думают, когда речь идет о создании долговечных вещей, на которые полагаются крупные предприятия», — рассказал TechCrunch Тайлер Сипперли, партнер 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 свою версию истины, вставляют это в презентацию и делятся ею — в итоге получается огромный разброс контента, и нет реального места, где этот контент был бы связан с данными».

Есть также вопросы экономики. QueryStory создана для работы с любыми моделями, хотя сейчас в основном использует новейшие модели от ведущих лабораторий. Хотя его компания конкурирует с ведущими лабораториями на уровне продукта, Нагибзаде считает, что клиенты предпочтут работать с поставщиком услуг, который не заинтересован в продаже как можно большего объема вычислений.

«У нас есть много преимуществ в том, что мы не являемся одной из тех компаний, которые построили свой бизнес на модели потребления вычислений, хранилищ или токенов», — сказал Нагибзаде. Он утверждает, что специализированный инструмент, такой как QueryStory, может быть более эффективным и точным, чем универсальный агент, благодаря пониманию и сохранению контекста.

«То, что мы продаем, — это доверие к ответам, верно? — сказал он. — Мы продаем ценность, которую приносим бизнесу, и наша главная цель — дать финансовому директору возможность понять: "Сколько это будет стоить?"»