Отслеживание кибератак через разрозненные сети научило Нагибзаде ценить проверенные знания. Но это была дорогостоящая и трудоёмкая 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 изучению пересечения данных и кибербезопасности, используя ресурсы Google для создания инструментов, позволяющих аналитикам безопасности запрашивать сложные данные. В 2016 году он стал сооснователем стартапа Chronicle в Google X Labs, который должен был предоставить ту же функциональность другим компаниям.
В прошлом году, когда большие языковые модели стали играть более важную роль в анализе данных, Нагибзаде увидел новую возможность применить разработанные им для кибербезопасности методы к различным аналитическим задачам. Он стал сооснователем компании QueryStory, где занимает пост CEO, 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 режима скрытности сегодня.
«Получается такая схема расследования — вы задаёте данные, а затем, после того как задали несколько вопросов, собираете всё это в единое повествование, — говорит Нагибзаде. — Это и стало основой для названия QueryStory. Речь идёт о том, чтобы рассказывать истории с помощью данных, верно? Собирать повествование, основанное на истине».
QueryStory привлёк $6 млн в рамках посевного раунда в конце 2025 года от Brightmind Ventures и New York Life Ventures при оценке в $60 млн, и всё это время компания разрабатывала и тестировала свой продукт с клиентами. QueryStory нацелен на крупные предприятия, управляющие большими собственными базами данных; это платформа, объединяющая анализ данных и их проверку для таких пользователей, как отделы продаж или операционные менеджеры.
«Мы устраняем разрыв доверия к ИИ, чтобы предприятия получали ответы, на которые можно полагаться, — объясняет Нагибзаде. — Вместо того чтобы арендовать человеческое суждение и целые армии инженеров на местах, мы превратили это в продукт».
Тим Дель Белло, партнёр New York Life Ventures, инвестировал в компанию. Он также использует платформу, чтобы заменить работу нескольких человек и подготовить ежеквартальный бизнес-обзор, который теперь надеется превратить в дашборд в реальном времени.
«Продукт создан для таких людей, как я: лиц, принимающих решения, которым нужна объективная истина, работающих со сложными, разрозненными источниками данных, но не имеющих в распоряжении команды data science или BI, особенно в строго регулируемой отрасли», — рассказал он TechCrunch.
Решение проблемы хрупких систем ИИ
Я поделился базой данных о космической активности, которая полезна для понимания того, чем занимаются на орбите такие компании, как SpaceX. QueryStory за несколько часов создал визуализацию этих данных — проект, который я когда-то делал с разработчиком и который занял несколько недель. Платформа сгенерировала сложные дашборды и анализ, и, что особенно примечательно, вывела индикатор уверенности, показывающий, почему агенты ИИ считают анализ точным.
Подобную работу можно выполнять с помощью инструментов совместной работы, созданных ведущими лабораториями, но в этих инструментах намеренно ограничен пользовательский опыт. Отчасти ставка QueryStory на то, что пользователи, особенно в крупных компаниях, хотят большей прозрачности, надёжности и контроля при интеграции ИИ в свои рабочие процессы.
Например, недавно один руководитель технологической компании рассказал TechCrunch, как он запрашивал корпоративную базу данных с помощью Claude Cowork, а затем просил модель показать написанные ею SQL-запросы, чтобы убедиться в их корректности, прежде чем отправить аналитику данных на проверку. В QueryStory эти SQL-запросы отображаются автоматически, и пользователи могут отмечать анализы для проверки коллегами, причём эти проверки фиксируются на платформе.
«ИИ более хрупок, чем люди думают, когда речь идёт о создании систем, которые должны быть долговечными и на которые полагаются крупные предприятия», — рассказал TechCrunch Тейлер Сипперли, партнёр Brightmind Partners.
Нагибзаде отмечает, что когда компании подключают свои данные к интерфейсу чата LLM, «сотни или тысячи людей в организации задают свои вопросы, получают свою версию истины, помещают её в слайды и делятся ими — в итоге получается огромный разброс контента, и нет реального места, где можно было бы привязать этот контент обратно к данным».
Есть и экономические вопросы. QueryStory построена как модель-агностик, хотя на данный момент 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 количества интеллекта.
«У нас есть много преимуществ в том, что мы не принадлежим к числу компаний, построивших свой бизнес на потреблении вычислительных мощностей, хранилищ или токенов», — говорит Нагибзаде. Он утверждает, что специализированный инструмент, такой как QueryStory, может быть более эффективным и точным, чем агент общего назначения, благодаря пониманию и сохранению контекста.
«То, что мы продаём, — это доверие к ответам, верно? — говорит он. — То, что мы продаём, — это ценность, которую мы добавляем бизнесу, и наша главная цель — дать финансовому директору возможность понять: „Сколько это будет стоить?“»
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Tim Fernholz
