QueryStory привлёк $6 млн на доверие к искусственному интеллекту: каждый ответ получит цепочку доказательств

Откуда взялась проблема доверия к ИИ?

Основатель QueryStory Шапор Нагибзаде начинал в 2009 году инженером Google SysOps (инженер, который следит за работой серверов и сетей). Его вызвали в экстренный штаб, когда китайские хакеры атаковали Google в ходе операции, известной как Operation Aurora. Расследование кибератак научило его главному: любой вывод ценен, только если можно проследить, на каких данных он построен.

Следующие шесть лет Нагибзаде строил внутри Google инструменты, позволяющие аналитикам безопасности делать запросы к сложным базам. В 2016 году он стал сооснователем Chronicle, стартапа внутри лаборатории Google X, который вынес эту функциональность за периметр Google.

В прошлом году, когда большие языковые модели (LLM, модели вроде ChatGPT, которые генерируют текст и анализируют данные) стали активно применяться в аналитике, Нагибзаде увидел возможность перенести кибербезопасные техники на любые корпоративные базы. Так появился QueryStory. Сооснователи: технический директор Стэнли Янг, бывший коллега по Google и ведущий инженер EvolutionIQ, и директор по продукту Дэвид Глусич, выходец из Accenture. Стартап вышел из скрытого режима в день публикации источника.

Аргументы за: зачем бизнесу отдельная платформа доверия?

Прозрачность запросов. Когда сотрудник задаёт вопрос корпоративной базе через обычный чат с LLM, он получает ответ, но не видит, какие именно SQL-запросы (команды к базе данных) модель написала. В QueryStory эти запросы всплывают автоматически, и любой анализ можно отправить коллеге на проверку. Результат проверки сохраняется на платформе.

Индикатор уверенности. Журналист TechCrunch Дёрден Этвуд протестировал платформу на базе данных космической активности. QueryStory за несколько часов выдал визуализацию, на которую раньше у разработчика уходило несколько недель. Ключевая деталь: система показала индикатор уверенности, объясняющий, почему ИИ-агенты (автономные программы, выполняющие аналитические задачи) считают результат корректным.

Экономическая модель без конфликта интересов. QueryStory не привязана к одному поставщику моделей и не зарабатывает на продаже токенов (единиц потребления вычислений). Нагибзаде подчёркивает: фронтирные лаборатории заинтересованы продавать как можно больше вычислений, а QueryStory продаёт доверие к ответам.

«То, что мы продаём, это доверие к ответам. Наша цель, чтобы финансовый директор мог понять: сколько это будет стоить?» : Шапор Нагибзаде, CEO QueryStory

Аргументы против: почему скепсис обоснован?

Фронтирные лаборатории догоняют. Инструменты совместной работы от OpenAI, Anthropic и Google уже позволяют делать запросы к базам. Пример из источника: один из руководителей технологической компании использовал Claude Cowork для запроса к корпоративной базе, а затем вручную проверял SQL-запросы. Это громоздко, но работает без отдельной платформы.

Хрупкость не лечится надстройкой. Тейлер Сипперли, партнёр фонда Brightmind Partners, прямо сказал TechCrunch:

«ИИ более хрупок, чем люди думают, когда речь идёт о построении систем, на которые должен опираться крупный бизнес.» : Тейлер Сипперли, партнёр Brightmind Partners

Иными словами, даже с индикатором уверенности базовая модель может ошибиться, и сам индикатор станет ложным успокоением, если пользователь перестанет проверять.

Масштаб пока не доказан. Seed-раунд в 6 миллионов долларов при оценке в 60 миллионов долларов (по данным TechCrunch) говорит об амбициях инвесторов Brightmind Partners и New York Life Ventures, но продукт только вышел из пилотного режима. Сколько компаний реально платят за подписку, источник не сообщает.

Что с этим делать прямо сейчас, по ролям?

Автору Дзена и копирайтеру. Доверие к искусственному интеллекту станет темой, которая будет набирать поисковый спрос. Если вы пишете обзоры ИИ-сервисов, фиксируйте, показывает ли инструмент источник каждого вывода. Для аудитории это уже критерий выбора.

Маркетологу и аналитику. Проверьте, как именно ваша команда использует чат-интерфейсы LLM для работы с внутренними данными. Если каждый сотрудник задаёт вопросы и получает «свою версию правды» без логирования, вы воспроизводите проблему, которую описывает Нагибзаде: десятки слайдов с противоречивыми цифрами.

Предпринимателю в РФ и СНГ. QueryStory пока работает с англоязычными корпоративными клиентами, доступность в России источник не упоминает. Из доступных в РФ инструментов для проверки аналитики на основе ИИ можно посмотреть на решения YandexGPT и GigaChat, интегрированные с корпоративными хранилищами, хотя встроенного индикатора уверенности у них пока нет. Стоит следить за тем, появится ли подобная функция у российских платформ.

Рынок корпоративной ИИ-аналитики в 2025 году разделится не по мощности моделей, а по способности доказать, что ответ верен. QueryStory сделала на это первую публичную ставку с деньгами инвесторов. Если через год у платформы появятся десятки платящих клиентов с кейсами в регулируемых отраслях (финансы, страхование, фарма), концепция «продаём доверие, а не токены» станет стандартом, за которым потянутся и фронтирные лаборатории.