QueryStory 呼籲謹慎對待 AI 生成的內容
2009 年,沙波爾·納吉布扎德(Shapor Naghibzadeh)在擔任 Google 系統運維工程師期間,發現了引人入勝的故事敘述所蘊含的力量。 在「極光行動」(Operation Aurora)期間,當受國家資助的駭客鎖定這家科技巨頭時,他被緊急召至危機應變室釐清伺服器活動狀況,並親身領悟到:要追蹤分散於各處網路中的網路攻擊,經過驗證的知識至關重要——而他發現這個過程不僅耗費鉅資,進度也十分緩慢。他相信,大型語言模型能在極短時間內,於各類資料庫中複製這種驗證能力。
接下來的六年裡,納吉布扎德專注於整合數據與網路安全,利用 Google 的基礎設施開發工具,讓安全分析師能夠查詢複雜的數據集。2016 年,他共同創辦了 Chronicle——一家隸屬於 Google X 實驗室的初創公司——旨在將這些能力擴展至外部企業。
去年,納吉布扎德意識到大型語言模型在數據分析中扮演的角色日益重要,因而發現了一個機會,可將其網路安全技術應用於更廣泛的分析領域。 他與技術長史丹利·楊(Stanley Yang)——一位前 Google 同事兼 EvolutionIQ 的首席工程師——以及產品長大衛·格盧西克(David Glusic)——一位埃森哲(Accenture)資深人士——共同創辦了 QueryStory,該公司今日正式結束隱密開發階段並正式推出。
「調查工作遵循一種模式:你向數據提出一系列問題,然後將這些答案整合成一個連貫的故事,」納吉布扎德解釋道。「這個概念啟發了『QueryStory』這個名稱。它旨在構建真實、以數據為驅動的故事。」
QueryStory 於 2025 年底從 Brightmind Ventures 和 New York Life Ventures 獲得 600 萬美元種子輪融資,公司估值達 6,000 萬美元。在此期間,這家新創公司透過客戶試點計畫不斷優化其產品。 QueryStory 鎖定擁有龐大專屬資料庫的大型企業,作為數據分析與審查的統一平台,支援銷售和營運等團隊。
「我們透過為企業提供可操作且可靠的解答,彌合了人工智慧中的信任鴻溝,」納吉布扎德表示。「與其依賴人類判斷或動用大批工程師,我們已將這項專業知識產品化。」
紐約人壽創投(New York Life Ventures)合夥人提姆·德爾·貝洛(Tim Del Bello)對該公司進行了投資,並已開始使用該平台取代手動報表流程,旨在將季度業務審查轉變為即時儀表板。
「這款產品專為那些需要從複雜且分散的資料來源中獲取真實資訊,卻缺乏專職資料科學或商業智慧團隊的決策者而設計,特別是在高度受監管的產業中,」他向 TechCrunch 表示。
解決脆弱的人工智慧系統問題
我分享了一個追蹤太空活動的資料庫,用以協助理解 SpaceX 等公司的軌道運作。QueryStory 在數小時內便針對這份資料生成視覺化圖表——這項任務過去需要一名開發人員耗費數週才能完成。該平台不僅產出精緻的儀表板,更值得注意的是,還包含一個信心指標,用以解釋 AI 代理為何認定這些分析結果是準確的。

地球軌道上衛星的可視化圖像。圖片來源:QueryStory / QueryStory

一套源自太空資料的查詢。圖片來源:QueryStory / QueryStory

QueryStory 示意圖。圖片來源:QueryStory / QueryStory

QueryStory 的信心指標。圖片來源:QueryStory / QueryStory
雖然前沿實驗室提供協作工具,但這些工具在使用者體驗方面是刻意受到限制的。QueryStory 的策略基於這樣的假設:企業使用者在將 AI 整合到其工作流程時,需要更高的透明度、可靠性和控制權。
舉例來說,一位科技高管最近描述了使用 Claude Cowork 查詢公司資料庫的過程:先由系統生成 SQL 查詢,再由人工驗證這些查詢,最後才將其送交資料分析師審閱。在 QueryStory 中,這些 SQL 查詢會自動顯示,使用者可以標記分析結果以供人工審查,所有回饋都會直接記錄在平台上。
「在建構大型企業所依賴的穩健系統時,AI 的脆弱性遠超人們的想像,」Brightmind Partners 合夥人泰勒·西珀利(Tayler Sipperly)向 TechCrunch 表示。
Naghibzadeh 指出,將企業資料連接到大型語言模型(LLM)的聊天介面後,往往會導致數百甚至數千名員工提出問題,進而產生相互矛盾的資訊版本,並生成缺乏集中式資料來源、難以管理的試算表。
經濟因素也扮演著重要角色。儘管 QueryStory 具有模型中立性,且目前採用前沿實驗室的最新模型,但納吉布扎德認為,客戶更傾向於選擇那些沒有激勵機制去最大化智慧資源消耗的服務提供商。
「我們的一大優勢在於,業務模式並非圍繞消耗運算資源、儲存空間或代幣而建,」納吉布扎德表示。他主張,像 QueryStory 這樣專為特定目的打造的工具,透過保留上下文脈絡,能比通用型代理程式實現更高的效率與準確性。
「我們販售的是對答案的信任,」他指出。「我們透過賦能財務長(CFO),使其能精確掌握這些解決方案的成本,從而創造商業價值。」
相關文章
法國初創公司ZML推出免費工具,加速跨多晶片的AI推理
Nvidia 不受制約的市場主導地位時代可能正在走向終結,然而競爭對手和替代方案正從各個角度湧現。由圖靈獎得主楊立昆(Yann LeCun)支援的法國知名 AI 初創公司 ZML,推出了一款推理效能軟體,使各種開源大語言模型能夠在包括 Nvidia、AMD、Google TPUs、Apple Metal 和 Intel Arc 在內的多種硬體上執行。據 ZML 創始人 Steeve Morin 介紹,透過其新推出的 LLM 推理伺服器 ZML/LLMD,該公司旨在打破現有的壁壘,並最大化不同
Anthropic 推出備受爭議的內容生成器 Opus 4.6
Anthropic 針對 Claude 制定的通用使用標準,禁止該模型生成色情內容,包括描繪或要求性交或性行為、生成與性癖好或性幻想相關的內容,或進行色情聊天。 然而,這並未阻止 Anthropic 今年稍早推出的模型「Claude Opus 4.6」,輕易地參與其安全機制本應防止的色情角色扮演情境。在 TechCrunch 的測試中,Opus 4.6 甚至無需過多慫恿,便能突破對色情內容的限制。
由馬克·貝尼奧夫支援的初創公司旨在解決人工智慧部署挑戰
大型企業在部署可靠的人工智慧工具時面臨如此嚴峻的挑戰,以至於整個前沿部署工程師團隊——這些嵌入在客戶公司內部以將人工智慧系統投入運營的專業人員——正在湧現,以彌合這一差距。“矛盾的是,人工智慧推高了專業服務的需求,”前 Salesforce 高管、新成立的 June 公司創始人 Efrat Rapoport 週一宣佈該公司結束秘密運營狀態時指出。“行業解決人工智慧整合問題的方法只是僱傭越來越多的人。”Rapoport 與她的三位聯合創始人——Ohad Hen、Barak Goldstein
相關專題推薦
評論 (0)
0/500
2009 年,沙波爾·納吉布扎德(Shapor Naghibzadeh)在擔任 Google 系統運維工程師期間,發現了引人入勝的故事敘述所蘊含的力量。 在「極光行動」(Operation Aurora)期間,當受國家資助的駭客鎖定這家科技巨頭時,他被緊急召至危機應變室釐清伺服器活動狀況,並親身領悟到:要追蹤分散於各處網路中的網路攻擊,經過驗證的知識至關重要——而他發現這個過程不僅耗費鉅資,進度也十分緩慢。他相信,大型語言模型能在極短時間內,於各類資料庫中複製這種驗證能力。
接下來的六年裡,納吉布扎德專注於整合數據與網路安全,利用 Google 的基礎設施開發工具,讓安全分析師能夠查詢複雜的數據集。2016 年,他共同創辦了 Chronicle——一家隸屬於 Google X 實驗室的初創公司——旨在將這些能力擴展至外部企業。
去年,納吉布扎德意識到大型語言模型在數據分析中扮演的角色日益重要,因而發現了一個機會,可將其網路安全技術應用於更廣泛的分析領域。 他與技術長史丹利·楊(Stanley Yang)——一位前 Google 同事兼 EvolutionIQ 的首席工程師——以及產品長大衛·格盧西克(David Glusic)——一位埃森哲(Accenture)資深人士——共同創辦了 QueryStory,該公司今日正式結束隱密開發階段並正式推出。
「調查工作遵循一種模式:你向數據提出一系列問題,然後將這些答案整合成一個連貫的故事,」納吉布扎德解釋道。「這個概念啟發了『QueryStory』這個名稱。它旨在構建真實、以數據為驅動的故事。」
QueryStory 於 2025 年底從 Brightmind Ventures 和 New York Life Ventures 獲得 600 萬美元種子輪融資,公司估值達 6,000 萬美元。在此期間,這家新創公司透過客戶試點計畫不斷優化其產品。 QueryStory 鎖定擁有龐大專屬資料庫的大型企業,作為數據分析與審查的統一平台,支援銷售和營運等團隊。
「我們透過為企業提供可操作且可靠的解答,彌合了人工智慧中的信任鴻溝,」納吉布扎德表示。「與其依賴人類判斷或動用大批工程師,我們已將這項專業知識產品化。」
紐約人壽創投(New York Life Ventures)合夥人提姆·德爾·貝洛(Tim Del Bello)對該公司進行了投資,並已開始使用該平台取代手動報表流程,旨在將季度業務審查轉變為即時儀表板。
「這款產品專為那些需要從複雜且分散的資料來源中獲取真實資訊,卻缺乏專職資料科學或商業智慧團隊的決策者而設計,特別是在高度受監管的產業中,」他向 TechCrunch 表示。
解決脆弱的人工智慧系統問題
我分享了一個追蹤太空活動的資料庫,用以協助理解 SpaceX 等公司的軌道運作。QueryStory 在數小時內便針對這份資料生成視覺化圖表——這項任務過去需要一名開發人員耗費數週才能完成。該平台不僅產出精緻的儀表板,更值得注意的是,還包含一個信心指標,用以解釋 AI 代理為何認定這些分析結果是準確的。

地球軌道上衛星的可視化圖像。圖片來源:QueryStory / QueryStory

一套源自太空資料的查詢。圖片來源:QueryStory / QueryStory

QueryStory 示意圖。圖片來源:QueryStory / QueryStory

QueryStory 的信心指標。圖片來源:QueryStory / QueryStory
雖然前沿實驗室提供協作工具,但這些工具在使用者體驗方面是刻意受到限制的。QueryStory 的策略基於這樣的假設:企業使用者在將 AI 整合到其工作流程時,需要更高的透明度、可靠性和控制權。
舉例來說,一位科技高管最近描述了使用 Claude Cowork 查詢公司資料庫的過程:先由系統生成 SQL 查詢,再由人工驗證這些查詢,最後才將其送交資料分析師審閱。在 QueryStory 中,這些 SQL 查詢會自動顯示,使用者可以標記分析結果以供人工審查,所有回饋都會直接記錄在平台上。
「在建構大型企業所依賴的穩健系統時,AI 的脆弱性遠超人們的想像,」Brightmind Partners 合夥人泰勒·西珀利(Tayler Sipperly)向 TechCrunch 表示。
Naghibzadeh 指出,將企業資料連接到大型語言模型(LLM)的聊天介面後,往往會導致數百甚至數千名員工提出問題,進而產生相互矛盾的資訊版本,並生成缺乏集中式資料來源、難以管理的試算表。
經濟因素也扮演著重要角色。儘管 QueryStory 具有模型中立性,且目前採用前沿實驗室的最新模型,但納吉布扎德認為,客戶更傾向於選擇那些沒有激勵機制去最大化智慧資源消耗的服務提供商。
「我們的一大優勢在於,業務模式並非圍繞消耗運算資源、儲存空間或代幣而建,」納吉布扎德表示。他主張,像 QueryStory 這樣專為特定目的打造的工具,透過保留上下文脈絡,能比通用型代理程式實現更高的效率與準確性。
「我們販售的是對答案的信任,」他指出。「我們透過賦能財務長(CFO),使其能精確掌握這些解決方案的成本,從而創造商業價值。」
法國初創公司ZML推出免費工具,加速跨多晶片的AI推理
Nvidia 不受制約的市場主導地位時代可能正在走向終結,然而競爭對手和替代方案正從各個角度湧現。由圖靈獎得主楊立昆(Yann LeCun)支援的法國知名 AI 初創公司 ZML,推出了一款推理效能軟體,使各種開源大語言模型能夠在包括 Nvidia、AMD、Google TPUs、Apple Metal 和 Intel Arc 在內的多種硬體上執行。據 ZML 創始人 Steeve Morin 介紹,透過其新推出的 LLM 推理伺服器 ZML/LLMD,該公司旨在打破現有的壁壘,並最大化不同
Anthropic 推出備受爭議的內容生成器 Opus 4.6
Anthropic 針對 Claude 制定的通用使用標準,禁止該模型生成色情內容,包括描繪或要求性交或性行為、生成與性癖好或性幻想相關的內容,或進行色情聊天。 然而,這並未阻止 Anthropic 今年稍早推出的模型「Claude Opus 4.6」,輕易地參與其安全機制本應防止的色情角色扮演情境。在 TechCrunch 的測試中,Opus 4.6 甚至無需過多慫恿,便能突破對色情內容的限制。
由馬克·貝尼奧夫支援的初創公司旨在解決人工智慧部署挑戰
大型企業在部署可靠的人工智慧工具時面臨如此嚴峻的挑戰,以至於整個前沿部署工程師團隊——這些嵌入在客戶公司內部以將人工智慧系統投入運營的專業人員——正在湧現,以彌合這一差距。“矛盾的是,人工智慧推高了專業服務的需求,”前 Salesforce 高管、新成立的 June 公司創始人 Efrat Rapoport 週一宣佈該公司結束秘密運營狀態時指出。“行業解決人工智慧整合問題的方法只是僱傭越來越多的人。”Rapoport 與她的三位聯合創始人——Ohad Hen、Barak Goldstein





首頁






