QueryStory привлекла $6 млн на ИИ-анализ данных с проверкой выводов
Стартап QueryStory вышел из скрытого режима и сообщил о посевном раунде в $6 млн при оценке $60 млн. Компания, основанная бывшим инженером Google Шапором Нагибзаде, техническим директором Стэнли Янгом и директором по продукту Дэвидом Глусиком, создаёт платформу для анализа крупных корпоративных баз данных с помощью ИИ и проверки полученных выводов.
Раунд был закрыт в конце 2025 года при участии Brightmind Ventures и New York Life Ventures. После привлечения средств команда разрабатывала продукт и проводила пилоты с заказчиками. Целевой сегмент QueryStory — крупные организации с большими закрытыми массивами данных; среди пользователей компания называет отделы продаж и операционных менеджеров.
От расследований инцидентов к корпоративной аналитике
Нагибзаде связывает идею сервиса с опытом работы в Google. В 2009 году, во время расследования кампании Operation Aurora, он участвовал в анализе событий в разрозненных сетях компании. Позднее он шесть лет создавал в Google инструменты, позволяющие специалистам по безопасности запрашивать сложные данные, а в 2016 году стал сооснователем Chronicle в Google X Labs.
В QueryStory этот подход перенесён из кибербезопасности в аналитику. Пользователь задаёт последовательность вопросов к данным, а платформа собирает результаты в повествование, привязанное к исходным данным. Компания позиционирует продукт как способ сократить разрыв между ответом языковой модели и решением, которое предприятие готово принять.
SQL, индикатор уверенности и проверка коллегами
Ключевая часть продукта — возможность проверить основания вывода. QueryStory автоматически показывает SQL-запросы, сформированные ИИ-агентами, и выводит индикатор уверенности с объяснением того, почему анализ признан точным. Результаты можно помечать для проверки сотрудниками, а сами проверки сохраняются в системе.
Такой механизм призван решить проблему, которую Нагибзаде описывает как распространение множества несвязанных трактовок данных: сотрудники могут задавать модели похожие вопросы, получать разные ответы и переносить их в презентации без единого места, где выводы связаны с базой данных. Партнёр Brightmind Partners Тейлер Сипперли также отметил, что ИИ-системы могут оказаться менее устойчивыми, чем ожидают компании, если на них опираются масштабные бизнес-процессы.
Проверка на данных о космической активности
В демонстрации на базе данных о космической активности QueryStory за несколько часов подготовила визуализацию, дашборды и анализ. По описанию TechCrunch, аналогичный проект ранее потребовал нескольких недель работы с разработчиком. Платформа не привязана к одной модели, хотя сейчас в основном использует актуальные модели лабораторий, работающих с передовыми ИИ-системами.
Инвестор New York Life Ventures Тим Дель Белло использует продукт для подготовки квартального бизнес-обзора вместо работы нескольких сотрудников и рассчитывает превратить этот процесс в дашборд реального времени. Для бизнеса практический смысл подхода состоит не только в автоматизации анализа: перед использованием результата важно видеть сформированные запросы, основания уверенности и историю человеческой проверки.