Por Canuto  

QueryStory, una startup fundada por exingenieros de Google, salió del sigilo con una plataforma que busca hacer más transparentes, trazables y confiables las respuestas de IA sobre bases de datos empresariales.
***

  • QueryStory fue cofundada por Shapor Naghibzadeh, Stanley Yang y David Glusic, con experiencia previa en Google, EvolutionIQ y Accenture.
  • La compañía captó USD $6 millones en una ronda semilla de 2025, con una valoración de USD $60 millones.
  • Su plataforma muestra las consultas SQL, permite revisión humana y añade indicadores para explicar la confianza de sus análisis.

QueryStory salió del sigilo con una propuesta centrada en uno de los problemas más delicados de la inteligencia artificial empresarial: cómo saber si una respuesta generada a partir de datos complejos merece confianza. La startup busca que grandes compañías puedan consultar bases de datos propietarias, revisar el razonamiento técnico y convertir los resultados en narrativas útiles para tomar decisiones. Su apuesta no consiste únicamente en entregar una respuesta rápida, sino en mostrar de dónde proviene, qué consultas la sustentan y qué nivel de certeza le asigna el sistema.

La empresa fue cofundada por Shapor Naghibzadeh, Stanley Yang y David Glusic. El equipo comenzó a desarrollar el producto después de identificar una oportunidad para trasladar a distintas áreas de análisis las técnicas que Naghibzadeh había utilizado durante años en ciberseguridad. QueryStory apunta principalmente a organizaciones grandes que administran conjuntos de datos extensos, fragmentados y sujetos a controles internos o regulatorios.

Una experiencia nacida en la ciberseguridad

Naghibzadeh aprendió el valor de una historia bien construida en 2009, cuando trabajaba en Google. Durante la operación conocida como Aurora, fue convocado a una sala de crisis para explicar qué ocurría en los servidores de la compañía. Rastrear los ataques a través de redes distintas le mostró la importancia de reunir conocimiento verificado, aunque también reveló que hacerlo exigía mucho tiempo y recursos.

Durante los años siguientes, el ejecutivo se concentró en la relación entre datos y ciberseguridad, utilizando recursos de Google para construir herramientas con las que los analistas pudieran consultar información compleja. En 2016 cofundó Chronicle, una startup surgida de Google Labs que llevó capacidades similares a otras empresas. Esa experiencia sirve ahora como base conceptual para QueryStory, aunque su objetivo se extiende más allá de la seguridad informática.

El cambio de enfoque ocurrió cuando los modelos de lenguaje de gran escala empezaron a desempeñar un papel más importante en el análisis de datos. Naghibzadeh observó que una investigación normalmente avanza mediante una cadena de preguntas, cuyas respuestas luego se integran en una explicación más amplia. Según su descripción, ese patrón dio origen al nombre QueryStory: construir historias con datos, pero con una narrativa anclada en información verificable.

La plataforma intenta convertir ese proceso en un flujo de trabajo para equipos comerciales, operativos y directivos. En lugar de dejar cada consulta aislada en una interfaz conversacional, QueryStory conserva el contexto, reúne los análisis y facilita que otras personas revisen las conclusiones. La intención es reducir la distancia entre una respuesta producida por IA y una decisión empresarial que puede tener consecuencias financieras, operativas o regulatorias.

Financiamiento y primeros usos empresariales

QueryStory recaudó USD $6 millones en una ronda semilla cerrada a finales de 2025, con Brightmind Ventures y New York Life Ventures entre sus inversionistas. La operación valoró la compañía en USD $60 millones, según la información publicada por TechCrunch. Durante el periodo posterior, la startup desarrolló y probó su producto con clientes antes de anunciar públicamente su salida del sigilo.

La participación de New York Life Ventures también se relaciona con un uso concreto de la herramienta. Tim Del Bello, socio de esa firma, explicó que emplea QueryStory para sustituir el trabajo de varias personas en la elaboración de una revisión empresarial trimestral. Su objetivo es convertir ese informe periódico en un panel de control actualizado en tiempo real, una transición que ilustra el tipo de eficiencia que la compañía quiere vender a los responsables de decisiones.

Del Bello describió el producto como una herramienta dirigida a ejecutivos que necesitan encontrar la realidad subyacente en fuentes de datos complejas y dispersas, pero que no cuentan con un equipo propio de ciencia de datos o inteligencia empresarial. También destacó su utilidad potencial en industrias altamente reguladas, donde una respuesta sin trazabilidad puede resultar insuficiente incluso si parece correcta. En esos entornos, revisar el camino que llevó a una conclusión forma parte del valor de la información.

La plataforma también fue evaluada con una base de datos sobre actividad espacial, útil para analizar qué compañías operan en órbita, incluidas empresas como SpaceX. QueryStory generó en pocas horas una visualización con paneles y análisis sofisticados, mientras que un proyecto similar realizado junto con un desarrollador había requerido varias semanas. Entre los elementos más relevantes apareció un indicador de confianza que explicaba por qué la IA consideraba precisos sus resultados.

El desafío de las respuestas frágiles

Las herramientas de colaboración ofrecidas por los laboratorios que desarrollan modelos avanzados también pueden consultar datos y producir análisis, pero QueryStory considera que sus experiencias de usuario fueron diseñadas con límites deliberados. La startup sostiene que las grandes empresas necesitan mayor transparencia, confiabilidad y control al incorporar IA en sus procesos. Esa diferencia se vuelve especialmente importante cuando varias áreas dependen de la misma base de datos para preparar informes o justificar decisiones.

Un ejemplo citado en la información de origen muestra a un ejecutivo que utilizó Claude Cowork para consultar una base de datos corporativa. Antes de remitir el resultado a un analista, le pidió al modelo que revelara las consultas SQL utilizadas, con el propósito de verificar si tenían sentido. En QueryStory, esas consultas aparecen automáticamente y los usuarios pueden marcar determinados análisis para que sus compañeros los revisen, mientras las revisiones quedan registradas dentro de la plataforma.

Tayler Sipperly, socio de Brightmind Partners, advirtió que la IA puede ser más frágil de lo que muchas personas creen cuando se trata de construir sistemas duraderos sobre los que dependen negocios de gran escala. El problema no se limita a una respuesta incorrecta, porque también incluye la dificultad de detectar el error, reconstruir el proceso y establecer quién aprobó el resultado. Por eso, los registros de consultas y las revisiones humanas funcionan como mecanismos de control, no solamente como funciones adicionales.

Naghibzadeh señaló que conectar directamente los datos de una compañía a una interfaz conversacional puede producir cientos o miles de respuestas distintas dentro de una organización. Cada empleado podría obtener su propia versión de la verdad, incorporarla en una presentación y compartirla sin un espacio común que la vincule nuevamente con los datos originales. QueryStory pretende resolver esa dispersión al conservar las consultas, los análisis y las narrativas dentro de una estructura consultable.

Modelo neutral y control del costo

QueryStory fue diseñada para operar con independencia del modelo específico, aunque por ahora utiliza principalmente los modelos más recientes de los laboratorios líderes. Esa posición la coloca en competencia con esos mismos laboratorios en el nivel de producto, pero Naghibzadeh sostiene que las empresas pueden preferir un proveedor que no dependa de vender la mayor cantidad posible de cómputo, almacenamiento o tokens. La discusión combina confiabilidad técnica con previsibilidad económica.

El ejecutivo argumenta que una herramienta construida para un propósito concreto puede ser más eficiente y precisa que un agente de propósito general, porque conserva el contexto necesario para interpretar cada consulta. En una organización grande, esa continuidad puede evitar que los usuarios repitan preguntas, mezclen definiciones o produzcan informes incompatibles entre sí. La propuesta busca que la plataforma agregue valor empresarial medible, en vez de limitarse a aumentar el consumo de infraestructura de IA.

La promesa comercial se resume en la confianza depositada en las respuestas y en la capacidad de convertir esa confianza en una decisión informada. Naghibzadeh quiere que un director financiero pueda entender cuánto costará una determinada iniciativa, qué datos respaldan la estimación y qué partes todavía requieren juicio humano. Para conseguirlo, QueryStory debe demostrar que sus indicadores de confianza ayudan a evaluar el análisis y no se convierten simplemente en otra cifra opaca dentro del panel.

El siguiente desafío será ampliar los pilotos y mantener la trazabilidad cuando crezca el número de usuarios, fuentes y modelos conectados. La empresa intenta ocupar un espacio intermedio entre las interfaces generales de IA y los equipos humanos especializados que tradicionalmente revisan los datos. Su éxito dependerá de si las compañías consideran que una narrativa verificable justifica adoptar una nueva plataforma para gobernar sus análisis.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados