A QueryStory recomenda cautela em relação ao conteúdo gerado por IA

Em 2009, Shapor Naghibzadeh descobriu o poder de uma narrativa envolvente enquanto trabalhava como engenheiro de operações de sistemas no Google. Durante a Operação Aurora, quando hackers patrocinados por governos atacaram a gigante da tecnologia, ele foi chamado a uma sala de crise para esclarecer as atividades dos servidores, aprendendo em primeira mão que o conhecimento verificado é essencial para rastrear ataques cibernéticos em redes fragmentadas — um processo que ele considerou caro e lento. Ele acredita que grandes modelos de linguagem podem replicar essa capacidade de verificação em diversos bancos de dados em uma fração do tempo.

Nos seis anos seguintes, Naghibzadeh concentrou-se na integração de dados e segurança cibernética, aproveitando a infraestrutura do Google para criar ferramentas que permitissem aos analistas de segurança consultar conjuntos de dados complexos. Em 2016, ele cofundou a Chronicle, uma startup dentro do Google X Labs, para estender esses recursos a empresas externas.

No ano passado, reconhecendo o papel crescente dos grandes modelos de linguagem na análise de dados, Naghibzadeh identificou uma oportunidade de adaptar suas técnicas de segurança cibernética para aplicações analíticas mais amplas. Ele cofundou a QueryStory, que sai hoje do modo sigiloso, ao lado do diretor de tecnologia (CTO) Stanley Yang, um ex-colega do Google e engenheiro-chefe da EvolutionIQ, e do diretor de produtos (CPO) David Glusic, um veterano da Accenture.

“As investigações seguem um padrão: você faz uma série de perguntas aos dados e, em seguida, sintetiza essas respostas em uma narrativa coerente”, explicou Naghibzadeh. “Esse conceito inspirou o nome QueryStory. Trata-se de construir narrativas verdadeiras e baseadas em dados.”

A QueryStory fechou uma rodada de investimento inicial de US$ 6 milhões no final de 2025 com a Brightmind Ventures e a New York Life Ventures, avaliando a empresa em US$ 60 milhões. Durante esse período, a startup aprimorou seu produto por meio de testes-piloto com clientes. Voltada para grandes empresas com extensos bancos de dados próprios, a QueryStory atua como uma plataforma unificada para análise e revisão de dados, dando suporte a equipes como as de vendas e operações.

“Nós preenchemos a lacuna de confiança na IA, fornecendo às empresas respostas confiáveis e que podem ser colocadas em prática”, afirmou Naghibzadeh. “Em vez de depender do julgamento humano ou mobilizar exércitos de engenheiros, transformamos esse conhecimento especializado em um produto.”

Tim Del Bello, sócio da New York Life Ventures, investiu na empresa e já está utilizando a plataforma para substituir processos manuais de geração de relatórios, com o objetivo de transformar as revisões trimestrais de negócios em painéis em tempo real.

“Este produto foi projetado para tomadores de decisão que precisam de informações concretas a partir de fontes de dados complexas e díspares, mas não contam com equipes dedicadas à ciência de dados ou à inteligência de negócios, especialmente em setores altamente regulamentados”, disse ele ao TechCrunch.

Resolvendo o problema dos sistemas de IA frágeis

Compartilhei um banco de dados que acompanha a atividade espacial para ajudar a entender as operações orbitais de empresas como a SpaceX. A QueryStory gerou uma visualização desses dados em poucas horas — uma tarefa que antes exigia um desenvolvedor e várias semanas. A plataforma produziu painéis sofisticados e, notavelmente, incluiu um indicador de confiança explicando por que os agentes de IA consideraram as análises precisas.

Uma visualização de satélites em órbita ao redor da Terra. Créditos da imagem: QueryStory / QueryStory

Um conjunto de consultas derivadas dos dados espaciais. Créditos da imagem: QueryStory / QueryStory

Um QueryStory. Créditos da imagem: QueryStory / QueryStory

O indicador de confiança do QueryStory. Créditos da imagem: QueryStory / QueryStory

Embora os laboratórios de ponta ofereçam ferramentas de coworking, estas são intencionalmente restritas em termos de experiência do usuário. A estratégia do QueryStory parte do princípio de que os usuários corporativos exigem maior transparência, confiabilidade e controle ao integrar a IA em seus fluxos de trabalho.

Por exemplo, um executivo da área de tecnologia descreveu recentemente o uso do Claude Cowork para consultar um banco de dados da empresa e, em seguida, verificar manualmente as consultas SQL geradas antes de enviá-las a um analista de dados para revisão. No QueryStory, essas consultas SQL aparecem automaticamente, e os usuários podem sinalizar análises para revisão humana, com todo o feedback registrado diretamente na plataforma.

“A IA é mais frágil do que as pessoas imaginam ao construir sistemas duráveis dos quais empresas de grande porte dependem”, disse Tayler Sipperly, sócio da Brightmind Partners, ao TechCrunch.

Naghibzadeh observa que conectar dados corporativos à interface de chat de um LLM (modelo de linguagem de grande escala) muitas vezes resulta em centenas ou milhares de funcionários fazendo perguntas, gerando versões conflitantes da verdade e criando planilhas incontroláveis, sem uma fonte centralizada de registros.

Fatores econômicos também desempenham um papel importante. Embora o QueryStory seja independente de modelos e atualmente utilize os modelos mais recentes de laboratórios de ponta, Naghibzadeh acredita que os clientes preferem provedores de serviços que não sejam incentivados a maximizar o consumo de inteligência.

“Temos uma vantagem distinta por não basear nosso negócio no consumo de computação, armazenamento ou tokens”, disse Naghibzadeh. Ele argumenta que ferramentas desenvolvidas para fins específicos, como o QueryStory, podem alcançar maior eficiência e precisão do que agentes de uso geral, ao preservar o contexto.

“O que vendemos é confiança nas respostas”, disse ele. “Agregamos valor ao negócio ao capacitar os diretores financeiros a entender exatamente quanto essas soluções custarão.”