QueryStory вышла из скрытого режима с платформой для проверки ответов AI в корпоративных данных
Стартап QueryStory привлек $6 млн посевного финансирования и предлагает крупным компаниям инструмент, который объединяет анализ данных и проверку результатов AI
Один основной источник · Как мы проверяем новости
Что произошло
QueryStory объявила о выходе из скрытого режима после периода разработки и пилотирования продукта с клиентами. Стартап был основан Shapor Naghibzadeh, который занимает пост CEO, CTO Stanley Yang, бывшим коллегой Naghibzadeh по Google и ведущим инженером EvolutionIQ, а также CPO David Glusic, ранее работавшим в Accenture.
В конце 2025 года компания привлекла $6 млн посевного финансирования от Brightmind Ventures и New York Life Ventures. Оценка QueryStory в рамках раунда составила $60 млн.
Как работает идея QueryStory
Naghibzadeh описывает подход QueryStory как процесс расследования: пользователь задает данным серию вопросов, а затем ответы собираются в связный нарратив. По его словам, название QueryStory связано с идеей рассказывать истории с помощью данных и строить объяснение, основанное на правде.
Платформа рассчитана на крупные компании, которые управляют большими проприетарными базами данных. QueryStory должна объединять анализ данных и их проверку для пользователей вроде отделов продаж или операционных менеджеров.
От кибербезопасности к аналитике
Опыт Naghibzadeh связан с кибербезопасностью и анализом сложных данных. В 2009 году, когда хакеры, поддерживаемые Китаем, нацелились на Google в рамках Operation Aurora, его привлекли к работе, чтобы объяснить происходящее на серверах компании.
Отслеживание кибератак через разрозненные сети показало Naghibzadeh ценность проверенного знания, но такая работа была дорогой и занимала много времени. Позднее он занимался на стыке данных и кибербезопасности в Google и строил инструменты, которые позволяли аналитикам безопасности запрашивать сложные данные. В 2016 году он стал сооснователем Chronicle в Google’s X Labs.
Почему это важно
QueryStory пытается решить одну из ключевых проблем корпоративного внедрения AI — доверие к ответам моделей при работе с разрозненными и сложными источниками данных. Naghibzadeh считает, что LLMs могут перенести функции, разработанные для кибербезопасности, на базы данных разных типов и делать это быстрее.
Партнер New York Life Ventures Tim Del Bello, инвестировавший в компанию, использует платформу для подготовки квартального бизнес-обзора вместо работы нескольких человек и надеется превратить этот процесс в панель данных в реальном времени. Он заявил TechCrunch, что продукт предназначен для лиц, принимающих решения, которым нужна фактическая основа при работе со сложными и разрозненными источниками данных без собственной команды data science или BI.
Источники
Один основной источник. Как мы проверяем новости
