Шапор Нагибзаде понял ценность проверенных данных ещё в 2009 году, работая инженером Google. Когда хакеры, связанные с Китаем, атаковали компанию в рамках операции Aurora, его срочно вызвали объяснять происходящее в серверах.
Расследование кибератак через разрозненные сети научило его ценить верифицированное знание — но процесс был дорогим и долгим. Он решил, что LLM способны дать базам данных ту же функциональность гораздо быстрее.
Следующие шесть лет Нагибзаде занимался пересечением данных и кибербезопасности в Google, создавая инструменты для аналитиков. В 2016 году он стал сооснователем стартапа Chronicle в рамках Google X Labs.
В прошлом году, видя растущую роль больших языковых моделей в аналитике данных, он решил применить наработки из кибербезопасности к более широкому кругу задач. Так появился стартап QueryStory.
Сооснователями стали технический директор Стэнли Янг, бывший коллега по Google и ведущий инженер EvolutionIQ, и директор по продукту Дэвид Глюсик, ветеран Accenture. Сегодня компания вышла из режима stealth.
«Возникает паттерн расследования — задаёшь вопросы данным, а после серии вопросов складываешь их в единый нарратив», — говорит Нагибзаде. Отсюда и название: истории, основанные на правде.
QueryStory привлекла $6 млн посевных инвестиций в конце 2025 года от Brightmind Ventures и New York Life Ventures при оценке в $60 млн. Это время ушло на разработку и пилотные запуски с клиентами.
Продукт нацелен на крупные предприятия с большими собственными базами данных — он объединяет анализ и проверку данных для отделов продаж и операционных менеджеров.
«Мы наводим мосты доверия для ИИ, чтобы дать бизнесу ответы, на основе которых можно действовать. Вместо аренды человеческого суждения и армий инженеров мы это продуктизировали», — отметил Нагибзаде.
Тим Дель Белло, партнёр New York Life Ventures и инвестор компании, уже использует платформу вместо нескольких сотрудников для подготовки квартального отчёта, который надеется превратить в дашборд реального времени.
«Продукт создан для таких, как я — руководителей, которым нужна достоверная картина по сложным разрозненным источникам данных, но нет своей команды дата-сайентистов, особенно в жёстко регулируемой отрасли», — рассказал он TechCrunch.
В демонстрации с базой данных о космической активности QueryStory за несколько часов построила визуализацию, на которую раньше уходили недели работы разработчика — с продвинутыми дашбордами и индикатором уверенности в точности анализа.
Подобные задачи решают и инструменты от ведущих ИИ-лабораторий, но их пользовательский опыт намеренно ограничен. QueryStory делает ставку на прозрачность, надёжность и контроль, особенно важные для крупных компаний.
Например, при использовании Claude Cowork для запросов к базе данных один из руководителей просил модель показать написанный SQL-код перед отправкой аналитику. В QueryStory такие запросы отображаются автоматически, а анализы можно направлять коллегам на проверку с фиксацией результата.
«ИИ гораздо более хрупок, чем принято думать, когда речь идёт о создании надёжных систем, на которые опирается крупный бизнес», — отметила Тейлор Сипперли, партнёр Brightmind Partners.
Нагибзаде указывает: когда компании подключают данные к чат-интерфейсу LLM, сотни или тысячи сотрудников получают свои версии истины и превращают их в презентации — данные расползаются, теряя связь с первоисточником.
Есть и экономический аспект. QueryStory агностична к моделям, хотя пока в основном использует последние разработки ведущих лабораторий. Конкурируя с ними, Нагибзаде уверен: клиенты предпочтут поставщика, не заинтересованного в максимизации продаж вычислений.
«У нас есть преимущество — мы не строим бизнес на модели потребления вычислений, хранилища или токенов», — сказал он, добавив, что узкоспециализированный инструмент эффективнее сохраняет контекст, чем универсальный агент.
«Мы продаём доверие к ответам и ценность, которую добавляем бизнесу. Наша цель — дать финансовому директору понимание: сколько это будет стоить?» — заключил Нагибзаде.