QueryStory用AI讲可信数据故事

在人工智能日益渗透企业决策的今天，如何确保AI输出的信息真实可靠，成为一大挑战。由前Google系统运维工程师Shapor Naghibzadeh联合创立的初创公司QueryStory，正试图解决这一“信任缺口”问题。

Naghibzadeh早在2009年就深刻体会到“可信知识”的价值。当时，作为Google的系统运维工程师，他亲历了著名的“极光行动”（Operation Aurora）网络攻击事件。在紧急组建的作战室中，他需要快速梳理跨网络的数据痕迹，向高层解释攻击路径。这段经历让他意识到：从海量异构数据中提炼真相，既关键又耗时。

此后六年，他专注于数据与网络安全的交叉领域，利用Google内部资源开发工具，帮助安全分析师高效查询复杂数据集。2016年，他在Google X实验室共同创立了Chronicle，将这一能力产品化并推向外部企业。

随着大语言模型（LLM）在数据分析中的作用日益凸显，Naghibzadeh看到了新的机会。2025年，他与前Google同事、EvolutionIQ首席工程师Stanley Yang，以及Accenture资深人士David Glusic共同创立QueryStory，并于近期结束隐身状态正式亮相。

QueryStory的核心理念源于Naghibzadeh对调查过程的观察：“你会对数据提出一系列问题，当问题积累到一定程度，就能拼凑出一个连贯的叙事。” 正是这种“通过查询构建故事”的模式，催生了公司名称——QueryStory。其目标是让数据讲述基于事实的可信故事。

公司已于2025年底完成600万美元种子轮融资，由Brightmind Ventures和New York Life Ventures领投，投后估值达6000万美元。目前，QueryStory正专注于服务拥有大型私有数据库的大型企业，为销售、运营等非技术部门提供统一的数据分析与审查平台。

“我们正在弥合AI的信任鸿沟，为企业提供可付诸行动的答案，” Naghibzadeh表示，“不再需要依赖大量人工判断或派驻工程师团队，我们将这一能力产品化了。”

New York Life Ventures合伙人Tim Del Bello不仅是投资者，也是早期用户。他利用QueryStory平台替代了原本需要多人协作完成的季度业务回顾工作，并希望将其升级为实时仪表盘。“这款产品就是为我这样的人打造的：需要在高度监管的行业中，从复杂、分散的数据源中获取真相，却又没有数据科学或BI团队支持的决策者。”

QueryStory的出现，直指当前AI应用中的一个核心痛点：脆性系统（brittle AI systems）——即AI在面对复杂、非结构化或跨源数据时容易产生幻觉或错误结论。通过将LLM的自然语言理解能力与严谨的数据溯源机制结合，QueryStory旨在确保每一个AI生成的“故事”都扎根于真实数据，从而提升企业对AI输出的信任度和行动力。