QueryStory: Kể chuyện từ dữ liệu, xây dựng niềm tin cho AI doanh nghiệp

Shapor Naghibzadeh, cựu kỹ sư hệ thống tại Google, đã học được giá trị của một câu chuyện tốt vào năm 2009 khi phải giải thích về chiến dịch tấn công mạng Operation Aurora. Giờ đây, ông mang bài học đó vào QueryStory – một startup vừa rời khỏi chế độ stealth với tham vọng thay đổi cách doanh nghiệp tương tác với dữ liệu, biến những truy vấn AI rời rạc thành những câu chuyện mạch lạc và đáng tin cậy.

Hành trình từ an ninh mạng đến phân tích dữ liệu

Trong thời gian làm việc tại Google, Naghibzadeh đã dành sáu năm để xây dựng các công cụ cho phép nhà phân tích bảo mật truy vấn các hệ thống dữ liệu phức tạp. Đến năm 2016, ông đồng sáng lập Chronicle trong khuôn khổ Google X Labs để mang khả năng này đến với các công ty khác.

Bước ngoặt đến vào năm ngoái khi các mô hình ngôn ngữ lớn (LLM) bắt đầu đóng vai trò quan trọng hơn trong phân tích dữ liệu. Naghibzadeh nhận ra cơ hội áp dụng các kỹ thuật an ninh mạng vào lĩnh vực phân tích tổng quát. Ông đồng sáng lập QueryStory cùng CTO Stanley Yang (cựu đồng nghiệp Google) và CPO David Glusic (cựu chuyên gia Accenture).

"Bạn có một mô hình điều tra – đặt hàng loạt câu hỏi về dữ liệu, sau khi có đủ câu trả lời, bạn ghép chúng thành một câu chuyện. Đó là nguồn gốc của cái tên QueryStory – kể chuyện từ dữ liệu, xây dựng một câu chuyện dựa trên sự thật."

Giải pháp cho hệ thống AI "mong manh"

QueryStory huy động thành công 6 triệu USD trong vòng hạt giống cuối năm 2025 từ Brightmind Ventures và New York Life Ventures, với định giá 60 triệu USD. Sản phẩm nhắm đến các doanh nghiệp lớn sở hữu cơ sở dữ liệu độc quyền, phục vụ đội ngũ bán hàng hoặc quản lý vận hành.

Điểm khác biệt của QueryStory nằm ở chỉ số tin cậy (confidence indicator) – tính năng giải thích vì sao các tác nhân AI tin rằng phân tích của chúng là chính xác. Khi người dùng chia sẻ một cơ sở dữ liệu, nền tảng có thể tạo ra các trực quan hóa và bảng điều khiển phức tạp trong vài giờ – một công việc trước đây có thể mất nhiều tuần với lập trình viên.

Trực quan hóa các vệ tinh trên quỹ đạo Trái Đất

Điểm mấu chốt là tính minh bạch: các truy vấn SQL tự động hiển thị, người dùng có thể gắn cờ phân tích cho đồng nghiệp rà soát, và các đánh giá đó được lưu lại trên nền tảng. Điều này giải quyết một vấn đề lớn mà Naghibzadeh chỉ ra:

"Khi các công ty kết nối dữ liệu với giao diện chat của LLM, bạn có hàng trăm hoặc hàng nghìn người đặt câu hỏi và nhận phiên bản sự thật của riêng họ, đưa vào slide và chia sẻ – kết quả là một mớ hỗn độn nội dung không có nơi nào liên kết với dữ liệu gốc."

Bộ truy vấn được tạo từ dữ liệu không gian

Cạnh tranh với các phòng thí nghiệm AI hàng đầu

QueryStory được thiết kế không phụ thuộc vào mô hình cụ thể (model-agnostic), mặc dù hiện tại chủ yếu sử dụng các mô hình mới nhất từ các phòng thí nghiệm tiên phong. Naghibzadeh tin rằng khách hàng sẽ ưu tiên một nhà cung cấp dịch vụ không có động cơ bán càng nhiều "trí thông minh" càng tốt.

"Chúng tôi có nhiều lợi thế khi không phải là một trong những công ty xây dựng mô hình kinh doanh dựa trên tiêu thụ điện toán, lưu trữ hay token. Thứ chúng tôi bán là sự tin tưởng vào câu trả lời, là giá trị gia tăng cho doanh nghiệp, và mục tiêu của chúng tôi là giúp CFO hiểu được công cụ này sẽ tốn bao nhiêu."

Chỉ số tin cậy của QueryStory

Tim Del Bello, đối tác tại New York Life Ventures – một nhà đầu tư kiêm người dùng sớm, hiện sử dụng nền tảng để thay thế công việc của nhiều người trong việc tạo báo cáo kinh doanh hàng quý, với tham vọng biến nó thành bảng điều khiển thời gian thực.

"Sản phẩm được xây dựng cho những người như tôi: các nhà ra quyết định tìm kiếm sự thật căn bản, làm việc với các nguồn dữ liệu phức tạp nhưng không có đội ngũ khoa học dữ liệu hoặc BI – đặc biệt trong các ngành được quản lý chặt chẽ."

Với các doanh nghiệp Việt Nam đang trong quá trình chuyển đổi số, mô hình của QueryStory mang đến một bài học quan trọng: việc áp dụng AI không chỉ là công nghệ mà còn là xây dựng quy trình kiểm chứng và lòng tin. Khi thị trường AI trong nước ngày càng sôi động, những giải pháp nhấn mạnh vào tính minh bạch và khả năng giải trình sẽ có lợi thế cạnh tranh đáng kể trong môi trường dữ liệu nhạy cảm của ngành tài chính, ngân hàng và viễn thông.