QueryStory sale del anonimato para generar confianza en la IA
La startup QueryStory salió hoy del modo sigiloso con una misión clara: ayudar a las grandes empresas a convertir datos complejos en respuestas fiables. Detrás del proyecto está Shapor Naghibzadeh, su CEO, quien aplicó su experiencia en ciberseguridad para crear una plataforma que aprovecha los modelos de lenguaje de gran escala (LLM).

La historia de QueryStory se remonta a 2009, cuando Naghibzadeh trabajaba como ingeniero de operaciones de sistemas en Google. En ese entonces, un grupo de hackers respaldados por China atacó la compañía en el marco de la Operación Aurora, y él fue convocado a una sala de guerra improvisada para explicar qué estaba ocurriendo en los servidores.
Rastrear ciberataques a través de redes dispares le enseñó el valor del conocimiento verificado, aunque era una tarea costosa y lenta. Con la llegada de los LLM, Naghibzadeh vio la posibilidad de llevar esa misma funcionalidad a bases de datos de todo tipo en una fracción del tiempo.
De Google X Labs a la creación de QueryStory
Durante los seis años siguientes, Naghibzadeh se centró en la intersección entre datos y ciberseguridad. Con los recursos de Google desarrolló herramientas para que los analistas de seguridad pudieran consultar datos complejos. En 2016 cofundó Chronicle, una startup nacida en los Google X Labs.
El año pasado, con los modelos de lenguaje asumiendo un papel más relevante en el análisis de datos, Naghibzadeh decidió trasladar las técnicas aprendidas en ciberseguridad al terreno de la analítica general. Así cofundó QueryStory, donde actúa como CEO, junto al CTO Stanley Yang, exprofesional de Google y exingeniero principal de EvolutionIQ, y al CPO David Glusic, un veterano de Accenture.
| Rol | Responsable |
|---|---|
| CEO | Shapor Naghibzadeh |
| CTO | Stanley Yang |
| CPO | David Glusic |
“Se produce este patrón de investigación: haces una serie de preguntas a los datos y, después de poder hacer varias, las reúnes en una narrativa. Ese fue el origen del nombre QueryStory. Se trata de contar historias con datos, de construir una narrativa basada en la verdad”, explicó Naghibzadeh.
Una ronda semilla de US$6 millones y una valoración de US$60 millones
- Ronda: semilla
- Monto: US$6 millones
- Valoración: US$60 millones
- Inversores: Brightmind Ventures y New York Life Ventures
- Cierre: finales de 2025
La compañía ha utilizado los meses posteriores al cierre para desarrollar el producto y realizar pruebas piloto con clientes. QueryStory está dirigida a grandes empresas que gestionan bases de datos propias y ofrece una plataforma que une el análisis de datos con la revisión de resultados para equipos como ventas o gerentes de operaciones.
“Lo que hacemos es cerrar la brecha de confianza para que la IA dé a las empresas respuestas sobre las que puedan actuar. En lugar de alquilar juicio humano y ejércitos de ingenieros especializados, lo convertimos en un producto”, afirmó Naghibzadeh.
Del papel a la práctica: revisiones trimestrales y datos espaciales
Uno de los inversores, Tim Del Bello, socio de New York Life Ventures, ya usa la plataforma. Según explicó, le permite reemplazar el trabajo de varias personas y producir una revisión trimestral de negocio que espera convertir en un panel de control en tiempo real.
“El producto fue creado para personas como yo: responsables de la toma de decisiones que buscan la verdad de los hechos y necesitan trabajar con fuentes de datos complejas y dispares, sin contar con un equipo de ciencia de datos o de inteligencia de negocio, sobre todo cuando operan en una industria altamente regulada”, señaló Del Bello.
En una de las pruebas realizadas con la plataforma, se compartió una base de datos de actividad espacial útil para entender lo que empresas como SpaceX hacen en órbita. QueryStory produjo una visualización en pocas horas, un proyecto que antes había tomado semanas con un desarrollador. También generó paneles de control y análisis sofisticados, además de un indicador de confianza que mostraba por qué los agentes de IA consideraban precisos los resultados.
Transparencia, control y revisión humana frente a la IA
Este tipo de trabajo también puede hacerse con las herramientas colaborativas de los laboratorios de IA de vanguardia, pero esas opciones tienen experiencias de usuario intencionalmente limitadas. La apuesta de QueryStory es que los usuarios, especialmente en grandes empresas, quieren más transparencia, fiabilidad y control al integrar la IA en sus flujos de trabajo.
Un ejemplo reciente en una empresa tecnológica ilustra esta necesidad: un ejecutivo consultó la base de datos de su compañía mediante Claude Cowork y luego pidió al modelo que le mostrara las consultas SQL que había escrito para asegurarse de que tuvieran sentido antes de enviarlas a un analista de datos. En QueryStory, esas consultas SQL aparecen automáticamente y los usuarios pueden marcar análisis para que sus colegas los revisen. Esas revisiones quedan registradas en la plataforma.
“La IA es más frágil de lo que la gente cree cuando se trata de construir cosas duraderas de las que dependan empresas a gran escala”, apuntó Tayler Sipperly, de Brightmind Partners.
El desafío de los datos conectados a un chat de IA
Naghibzadeh advierte que conectar los datos de una empresa a una interfaz de chat basada en LLM puede generar que cientos o miles de personas dentro de una organización hagan preguntas, obtengan su propia versión de la verdad y la compartan en presentaciones. “Terminas con una enorme dispersión de contenido y no hay un lugar real donde colgarlo que lo conecte de nuevo con los datos”.
También existe una dimensión económica. QueryStory está construida para ser agnóstica en cuanto al modelo de IA, aunque por ahora usa principalmente los modelos más recientes de los laboratorios de vanguardia. La compañía compite con esos laboratorios en el plano del producto, pero Naghibzadeh cree que los clientes preferirán trabajar con un proveedor que no tenga el incentivo de vender la mayor cantidad de inteligencia posible.

“Tenemos mucho a nuestro favor por no ser una de esas compañías que construyeron su negocio en torno al modelo de consumo de cómputo, almacenamiento o tokens. Lo que vendemos es la confianza en las respuestas y el valor que aportamos al negocio”, concluyó Naghibzadeh.
El objetivo final, según el CEO, es claro: dar al director financiero la capacidad de entender cuánto va a costar esto y confiar en las respuestas que recibe.