QueryStory: Startup giúp doanh nghiệp tin tưởng vào câu trả lời từ AI

Shapor Naghibzadeh đã học được giá trị của một câu chuyện hay vào năm 2009 khi còn là kỹ sư vận hành hệ thống (sysops engineer) tại Google. Khi các hacker được Trung Quốc hậu thuẫn nhắm mục tiêu vào gã khổng lồ tìm kiếm này trong một chiến dịch có tên Operation Aurora, ông đã được triệu tập vào một phòng tác chiến được thiết lập vội vã để giải thích chính xác những gì đang diễn ra trong các máy chủ của công ty.

Việc truy vết các cuộc tấn công mạng qua những mạng lưới rời rạc đã dạy cho Naghibzadeh giá trị của kiến thức đã được xác thực. Tuy nhiên, đó là một công việc tốn kém và mất thời gian. Ông tin rằng các mô hình ngôn ngữ lớn (LLM) có thể mang lại chức năng tương tự cho mọi loại cơ sở dữ liệu trong thời gian ngắn hơn nhiều.

Naghibzadeh đã dành sáu năm tiếp theo tập trung vào mối liên hệ giữa dữ liệu và an ninh mạng, sử dụng các nguồn lực của Google để xây dựng những công cụ cho phép các chuyên gia phân tích bảo mật truy vấn dữ liệu phức tạp. Năm 2016, ông đồng sáng lập một startup trong X Labs của Google có tên là Chronicle, nhằm mang chức năng tương tự đến cho các công ty khác.

Năm ngoái, khi các mô hình ngôn ngữ lớn đóng vai trò ngày càng quan trọng trong phân tích dữ liệu, Naghibzadeh đã nhìn thấy cơ hội mới để áp dụng các kỹ thuật mà ông phát triển cho an ninh mạng vào nhiều lĩnh vực phân tích khác nhau. Ông đồng sáng lập QueryStory và giữ vai trò CEO, cùng với CTO Stanley Yang – một đồng nghiệp cũ tại Google và là kỹ sư trưởng tại EvolutionIQ, cùng CPO David Glusic – một chuyên gia kỳ cựu từ Accenture. Startup này đã chính thức lộ diện sau thời gian hoạt động bí mật vào hôm nay.

“Bạn có được mô hình điều tra này — bạn đặt ra hàng loạt câu hỏi về dữ liệu, và sau khi đã đặt được một số câu hỏi, bạn tập hợp chúng lại thành một câu chuyện,” Naghibzadeh nói. “Đó chính là nguồn gốc của cái tên QueryStory. Vấn đề là kể chuyện bằng dữ liệu, đúng không? Xây dựng một câu chuyện dựa trên sự thật.”

QueryStory đã huy động được 6 triệu USD trong vòng gọi vốn hạt giống vào cuối năm 2025 từ Brightmind Ventures và New York Life Ventures với mức định giá 60 triệu USD, và đã dành thời gian sau đó để phát triển cũng như thử nghiệm sản phẩm với khách hàng. QueryStory nhắm trực tiếp vào các doanh nghiệp lớn quản lý các cơ sở dữ liệu lớn và độc quyền; nó đóng vai trò là nền tảng hợp nhất việc phân tích và đánh giá dữ liệu cho người dùng như các đội ngũ kinh doanh hoặc quản lý vận hành.

“Những gì chúng tôi đang làm là thu hẹp khoảng cách niềm tin để AI cung cấp cho doanh nghiệp những câu trả lời mà họ có thể hành động dựa trên đó,” Naghibzadeh cho biết. “Thay vì phải thuê mướn sự phán đoán của con người và cả đội ngũ kỹ sư triển khai tại chỗ, chúng tôi đã biến điều đó thành sản phẩm.”

Tim Del Bello, một đối tác tại New York Life Ventures, đã đầu tư vào công ty. Ông cũng đang sử dụng nền tảng này để thay thế công việc của nhiều nhân sự và tạo ra báo cáo đánh giá kinh doanh hàng quý, điều mà ông hy vọng sẽ sớm trở thành một bảng điều khiển (dashboard) theo thời gian thực.

“Sản phẩm này được xây dựng cho những người như tôi: những người ra quyết định đang tìm kiếm sự thật cốt lõi, cần làm việc với các nguồn dữ liệu phức tạp, rời rạc nhưng không có sẵn đội ngũ khoa học dữ liệu hay BI, đặc biệt là khi hoạt động trong một ngành có quy định nghiêm ngặt,” ông chia sẻ với TechCrunch.

Giải quyết vấn đề của các hệ thống AI thiếu tính ổn định

Tôi đã chia sẻ một cơ sở dữ liệu về hoạt động không gian hữu ích cho việc tìm hiểu những gì các công ty như SpaceX đang thực hiện trên quỹ đạo. QueryStory đã tạo ra hình ảnh trực quan của dữ liệu đó chỉ trong vài giờ, một dự án mà trước đây tôi từng phải làm với một lập trình viên và mất tới vài tuần. Nó tạo ra các bảng điều khiển và phân tích tinh vi, và đáng chú ý nhất là đưa ra một chỉ số tin cậy cho thấy lý do tại sao các tác nhân AI tin rằng các phân tích đó là chính xác.

Loại công việc này có thể được thực hiện với các công cụ cộng tác do các phòng thí nghiệm tiên phong xây dựng, nhưng những công cụ đó bị hạn chế về trải nghiệm người dùng một cách có chủ đích. Một phần trong chiến lược của QueryStory là tin rằng người dùng, đặc biệt là tại các công ty lớn, muốn có sự minh bạch, độ tin cậy và quyền kiểm soát cao hơn khi họ tích hợp AI vào quy trình làm việc của mình.

Ví dụ, một giám đốc điều hành tại một công ty công nghệ gần đây đã kể với TechCrunch về việc truy vấn cơ sở dữ liệu công ty bằng Claude Cowork, sau đó yêu cầu mô hình hiển thị các truy vấn SQL mà nó đã viết để đảm bảo chúng hợp lý trước khi gửi cho chuyên gia phân tích dữ liệu xem xét. Trong QueryStory, các truy vấn SQL đó tự động hiển thị và người dùng có thể gắn cờ các phân tích để đồng nghiệp xem xét, với các đánh giá đó sau đó được ghi lại trên nền tảng.

“AI thiếu tính ổn định hơn mọi người nghĩ khi nói đến việc xây dựng những thứ cần sự bền bỉ và các doanh nghiệp quy mô lớn phải dựa vào chúng,” Tayler Sipperly, một đối tác tại Brightmind Partners, chia sẻ với TechCrunch.

Naghibzadeh chỉ ra rằng khi các công ty kết nối dữ liệu của họ với giao diện trò chuyện của LLM, “bạn sẽ có hàng trăm hoặc hàng nghìn người trong một tổ chức cùng đặt câu hỏi, nhận về phiên bản sự thật của riêng họ, đưa vào slide thuyết trình và chia sẻ — cuối cùng bạn chỉ nhận lại một đống nội dung hỗn độn, và không có nơi nào thực sự để lưu trữ nội dung đó một cách liên kết với dữ liệu gốc.”

Ngoài ra còn có các yếu tố kinh tế cần cân nhắc. QueryStory được xây dựng theo hướng không phụ thuộc vào mô hình (model-agnostic), mặc dù hiện tại nó chủ yếu sử dụng các mô hình mới nhất từ các phòng thí nghiệm tiên phong. Mặc dù công ty của ông cạnh tranh với các phòng thí nghiệm này về mặt sản phẩm, Naghibzadeh tin rằng khách hàng sẽ thích làm việc với một nhà cung cấp dịch vụ không bị thúc đẩy bởi mục tiêu bán càng nhiều tài nguyên trí tuệ càng tốt.

“Chúng tôi có nhiều lợi thế khi không phải là một trong những công ty xây dựng mô hình kinh doanh dựa trên việc tiêu thụ điện toán, lưu trữ hay token,” Naghibzadeh nói. Ông lập luận rằng một công cụ được xây dựng cho mục đích cụ thể như QueryStory có thể hiệu quả và chính xác hơn một tác nhân đa năng nhờ khả năng hiểu và bảo toàn ngữ cảnh.

“Thứ mà chúng tôi đang bán chính là niềm tin vào các câu trả lời, đúng không?” ông nói. “Thứ chúng tôi bán cho họ là giá trị gia tăng cho doanh nghiệp, và mục tiêu của chúng tôi là giúp CFO có khả năng hiểu được ‘thứ này sẽ tiêu tốn bao nhiêu chi phí?’”

Khi bạn mua hàng thông qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể nhận được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập trong biên tập của chúng tôi.