ما وراء جولة التمويل الأولية بقيمة 6 ملايين دولار
خرجت QueryStory من وضع التخفي. مادة TechCrunch حول هذا الأمر مؤرخة في 26 أغسطس 2026، والكاتب هو Tim Fernholz. جمعت الشركة 6 ملايين دولار في جولة تمويل أولية في نهاية عام 2025 بتقييم 60 مليون دولار. قاد الجولة Brightmind Partners وNew York Life Ventures.
استغرق التطوير والتجارب الأولية مع العملاء وقتًا بين الجولة والخروج من وضع التخفي.
الأدوار الرئيسية في الفريق:
- Shapor Naghibzadeh — شريك مؤسس والرئيس التنفيذي.
- Stanley Yang — المدير التقني، زميل سابق لـ Naghibzadeh في Google، ومهندس رئيسي في EvolutionIQ.
- David Glusic — مدير المنتجات، من قدامى Accenture.
قاد استثمار New York Life Ventures كل من Tim Del Bello، المدير الإداري للصندوق. يطبّق المستثمرون المنصة في المجالات التي كان فيها إعداد المراجعة الربعية للأعمال يتطلب عمل عدة أشخاص. يتوقع Del Bello أن يتحول هذا السيناريو إلى لوحة معلومات بتحديث في الوقت الفعلي.
«المنتج مصمم لأشخاص مثلي: لصانعي القرار الذين يحتاجون إلى صورة موثوقة، — يقول Del Bello. — يتعين عليهم العمل مع مصادر بيانات معقدة وغير متجانسة، دون فريق خاص لعلوم البيانات أو ذكاء الأعمال، خاصة في قطاع خاضع لتنظيم صارم».
المنصة موجهة للمؤسسات الكبيرة التي تمتلك قواعد بيانات ضخمة خاصة بها. من بين مستخدميها أقسام المبيعات ومديرو العمليات. المعيار العملي: المنتج منطقي حيث تكون هناك حاجة إلى نقطة تحليل موحدة والتحقق من الاستنتاجات بناءً على بيانات مؤسسية غير متجانسة.
من أين جاء مبدأ القابلية للتحقق
في عام 2009 كان Naghibzadeh يعمل مهندسًا في Google SysOps. هاجم قراصنة تدعمهم الصين عملاق البحث في إطار Operation Aurora. استُدعي إلى غرفة عمليات جُمعت على عجل — ليشرح ما كان يحدث على خوادم الشركة.
علّمه تتبع الهجمات عبر شبكات متفرقة قيمة المعرفة المُتحقق منها. لكن هذا العمل كان مكلفًا وطويلًا. يعتقد Naghibzadeh أن نماذج اللغة الكبيرة يمكن أن تجلب الوظائف نفسها إلى قواعد البيانات بجميع أنواعها في جزء بسيط من الوقت.
كرّس السنوات الست التالية لالتقاء البيانات والأمن السيبراني. استخدم موارد Google لإنشاء أدوات لمحللي الأمن. كانت تتيح الاستعلام عن بيانات معقدة. في عام 2016 شارك في تأسيس شركة ناشئة في Google's X Labs هي Chronicle. الهدف — جلب الوظائف نفسها إلى شركات أخرى.
في العام الماضي، أخذت نماذج اللغة الكبيرة دورًا كبيرًا في تحليل البيانات. رأى Naghibzadeh فرصة جديدة: تطبيق تقنيات من الأمن السيبراني على أنواع مختلفة من التحليلات.
الخلاصة: جوهر المنتج ليس سرعة توليد الإجابة، بل المسار القابل للتكرار نحو استنتاج مُتحقق منه.
كيف يعمل التحقق من الاستنتاجات
تُصدر المنصة لوحات معلومات وتحليلات متقنة. وبشكل منفصل تُخرج مؤشر ثقة. يوضح لماذا اعتبرت وكلاء الذكاء الاصطناعي تحليلاتهم دقيقة.
تظهر استعلامات SQL تلقائيًا. يمكن للمستخدمين وسم التحليلات ليراجعها الزملاء. تُسجَّل الملاحظات في المنصة.
مثال من المادة: طلب مدير في شركة تقنية قاعدة بيانات الشركة عبر Claude Cowork. ثم طلب من النموذج إظهار استعلامات SQL المكتوبة. فقط بعد ذلك تُرسَل الاستعلامات إلى محلل ليراجعها بشريًا.
| المعيار | واجهة محادثة عامة مع LLM | منصة متخصصة |
|---|---|---|
| استعلامات SQL | يطلبها المستخدم بشكل منفصل | تظهر تلقائيًا |
| مؤشر الثقة | لا يظهر في السيناريو الموصوف | يوضح تبرير الدقة |
| المراجعة البشرية | خارج نطاق المحادثة | يمكن وسم التحليلات، وتُحفظ الملاحظات في المنصة |
| تجربة المستخدم | محدودة عمدًا | يُعلَن عن الشفافية والموثوقية والتحكم |
الخلاصة: تتكوّن القابلية للتحقق من ثلاثة عناصر — SQL التلقائي، ومؤشر الثقة، وسجل المراجعات المسجَّل. المعيار العملي: النظر إلى ما إذا كان يمكن استعادة المسار من السؤال إلى الرقم.
الاستقلال عن النموذج والرفض لبيع الحوسبة
بُنيت QueryStory بحيث لا تعتمد على نموذج واحد. وهي حاليًا تستخدم في الأساس أحدث نماذج المختبرات الرائدة. ومعها تنافس الشركة على مستوى المنتج.
يعتقد Naghibzadeh أن العملاء سيفضلون مورّدًا غير مهتم ببيع أكبر قدر ممكن من «الذكاء». حجته: «لدينا مزايا كثيرة هنا في أننا لسنا واحدة من تلك الشركات التي بنت عملًا تجاريًا حول نموذج استهلاك الحوسبة أو التخزين أو الرموز».
قد تكون الأداة المتخصصة أكثر فعالية ودقة من الوكيل العام. السبب — أنها تفهم السياق وتحافظ عليه.
المعيار العملي: النظر إلى مصدر دخل المورّد. وفق منطق Naghibzadeh، يخلق نموذج بيع الرموز حافزًا يتعارض مع مصلحة العميل في الدقة.
هشاشة الذكاء الاصطناعي وتضخم نسخ الحقيقة
تحذّر Tayler Sipperly، partner في Brightmind Partners: «الذكاء الاصطناعي أكثر هشاشة مما يبدو عندما يتعلق الأمر بأشياء يجب أن تكون موثوقة وتبني عليها الشركات الكبيرة عملها».
يصف Naghibzadeh مشكلة أخرى. عندما تربط الشركات البيانات بواجهة محادثة LLM، يطرح مئات أو آلاف الموظفين أسئلة ويحصل كل منهم على نسخته الخاصة من الحقيقة. تنتقل هذه النسخ إلى الشرائح وتنتشر في المنظمة. يتضخم المحتوى، ولا يوجد مكان لتثبيته بحيث يعود إلى البيانات.
مثال عن السرعة: شارك صحفي قاعدة بيانات عن النشاط الفضائي. بنت QueryStory تصورًا في بضع ساعات. المشروع الذي كان الصحفي قد أنجزه سابقًا مع مطوّر استغرق عدة أسابيع.
الخلاصة: تنمو قيمة القابلية للتحقق مع عدد الأشخاص الذين يتخذون قرارات بناءً على البيانات. المعيار العملي: المنصة ضرورية حيث يجب أن تعتمد عدة فرق على نسخة واحدة من البيانات وتحفظ سجل التحقق منها.
