شاپور ناغیب زادہ نے 2009 میں گوگل سیسوپس انجینئر کے طور پر ایک اچھی کہانی کی قدر سیکھی۔ جب چین کے حمایت یافتہ ہیکرز نے آپریشن ارورہ کے نام سے ایک کوشش کے حصے کے طور پر سرچ دیو پر اپنی نگاہیں جمائیں تو اسے کمپنی کے سرورز میں واقعتاً کیا ہو رہا ہے اس کی وضاحت کرنے کے لیے عجلت میں جمع وار روم میں بلایا گیا۔ مختلف نیٹ ورکس کے ذریعے سائبر حملوں کا سراغ لگانا ناغیب زادہ کو تصدیق شدہ علم کی قدر سکھاتا ہے۔ لیکن یہ ایک مہنگا اور وقت طلب کام تھا۔ وہ سوچتا ہے کہ LLMs وقت کے ایک حصے میں ہر قسم کے ڈیٹا بیس میں وہی فعالیت لا سکتے ہیں۔

مختلف نیٹ ورکس کے ذریعے سائبر حملوں کا سراغ لگانا ناغیب زادہ کو تصدیق شدہ علم کی قدر سکھاتا ہے۔ لیکن یہ ایک مہنگا اور وقت طلب کام تھا۔ وہ سوچتا ہے کہ LLMs وقت کے ایک حصے میں ہر قسم کے ڈیٹا بیس میں وہی فعالیت لا سکتے ہیں۔

نجیب زادہ اگلے چھ سال ڈیٹا اور سائبرسیکیوریٹی کے گٹھ جوڑ پر مرکوز کرتے ہوئے گزارے گا، گوگل کے وسائل کا استعمال کرتے ہوئے ایسے ٹولز بنائے گا جو سیکیورٹی تجزیہ کاروں کو پیچیدہ ڈیٹا سے استفسار کرنے کی اجازت دیتے ہیں۔ 2016 میں، اس نے گوگل کے ایکس لیبز میں کرونیکل کے نام سے ایک اسٹارٹ اپ کی مشترکہ بنیاد رکھی جو دوسری کمپنیوں میں وہی فعالیت لائے گی۔

پچھلے سال، جیسا کہ بڑے زبان کے ماڈلز نے ڈیٹا کے تجزیہ میں بڑا کردار ادا کیا، ناغیب زادہ نے سائبر سیکیورٹی کے لیے اپنی تیار کردہ تکنیکوں کو لینے اور انہیں مختلف قسم کے تجزیات پر لاگو کرنے کا ایک نیا موقع دیکھا۔ اس نے QueryStory کی مشترکہ بنیاد رکھی، جہاں وہ CTO Stanley Yang کے ساتھ، EvolutionIQ میں گوگل کے سابق ساتھی اور لیڈ انجینئر، اور CPO ڈیوڈ گلوسک، ایکسینچر کے تجربہ کار ہیں۔ اسٹارٹ اپ آج اسٹیلتھ سے ابھرا۔

ناغیب زادہ نے کہا، "آپ کو تفتیش کا یہ نمونہ ملتا ہے - آپ ڈیٹا کے سوالات کا ایک گروپ پوچھتے ہیں، اور جب آپ متعدد سوالات پوچھنے کے قابل ہو جاتے ہیں، تو آپ ان کو ایک بیانیہ میں جمع کر لیتے ہیں۔" "یہ QueryStory نام کی ابتداء بن گئی۔ یہ اعداد و شمار کے ساتھ کہانیاں سنانے کے بارے میں ہے، ٹھیک ہے؟ ایک داستان کو ایک ساتھ رکھنا جو حقیقت پر مبنی ہو۔"

QueryStory نے 2025 کے آخر میں Brightmind Ventures اور New York Life Ventures سے $60 ملین کی قیمت کے ساتھ $6 ملین سیڈ راؤنڈ اکٹھا کیا، اور اس نے درمیانی وقت گاہکوں کے ساتھ اپنی مصنوعات کو تیار کرنے اور پائلٹ کرنے میں صرف کیا۔ QueryStory کا مقصد بڑے کاروباری اداروں پر ہے جو بڑے، ملکیتی ڈیٹا بیس کا انتظام کرتے ہیں۔ یہ سیلز ٹیموں یا آپریشن مینیجرز جیسے صارفین کے لیے ڈیٹا کے تجزیہ اور جائزہ کو متحد کرنے کے لیے ایک پلیٹ فارم کے طور پر کام کرتا ہے۔

ناغیب زادہ نے کہا کہ "ہم جو کچھ کر رہے ہیں وہ AI کے لیے اعتماد کے خلا کو ختم کرنا ہے تاکہ کاروباری اداروں کو ایسے جوابات دیے جائیں جن پر وہ عمل کر سکیں،" ناغیبزادہ نے کہا۔ "اس کے بجائے، آپ جانتے ہیں، جیسے انسانی فیصلے اور فارورڈ تعینات انجینئروں کی فوجیں کرایہ پر لینا، ہم نے اس کی پیداوار کی۔"

نیو یارک لائف وینچرز کے ایک پارٹنر ٹم ڈیل بیلو نے کمپنی میں سرمایہ کاری کی۔ وہ کئی لوگوں کے کام کو تبدیل کرنے اور سہ ماہی کاروباری جائزہ تیار کرنے کے لیے بھی پلیٹ فارم کا استعمال کر رہا ہے، جس کی اب اسے امید ہے کہ یہ ایک حقیقی وقت کا ڈیش بورڈ بن جائے گا۔

"یہ پروڈکٹ میرے جیسے لوگوں کے لیے بنایا گیا تھا: وہ فیصلہ ساز جو زمینی سچائی کی تلاش میں ہیں جنہیں پیچیدہ، مختلف ڈیٹا کے ذرائع کے ساتھ کام کرنے کی ضرورت ہے لیکن ان کے اختیار میں ڈیٹا سائنس یا BI ٹیم نہیں ہے، خاص طور پر جب ایک انتہائی ریگولیٹڈ انڈسٹری میں کام کر رہے ہوں،" اس نے TechCrunch کو بتایا۔

میں نے خلائی سرگرمی کا ایک ڈیٹا بیس شیئر کیا ہے جو یہ سمجھنے کے لیے مفید ہے کہ SpaceX جیسی کمپنیاں مدار میں کیا کر رہی ہیں۔ QueryStory نے چند گھنٹوں میں اس ڈیٹا کا تصور تیار کیا، ایک پروجیکٹ جو میں نے ایک بار ایک ڈویلپر کے ساتھ کیا تھا جس میں کئی ہفتے لگے تھے۔ اس نے نفیس ڈیش بورڈز اور تجزیہ تیار کیا، اور شاید سب سے خاص طور پر، اعتماد کا ایک اشارے نکالا جس سے پتہ چلتا ہے کہ AI ایجنٹوں کا خیال ہے کہ تجزیے درست تھے۔

اس قسم کا کام فرنٹیئر لیبز کے ذریعے بنائے گئے کو-ورکنگ ٹولز کے ساتھ کیا جا سکتا ہے، لیکن وہ ٹولز جان بوجھ کر اپنے صارف کے تجربات میں محدود ہیں۔ QueryStory جو شرط لگا رہی ہے اس کا ایک حصہ یہ ہے کہ صارفین، خاص طور پر بڑی کمپنیوں میں، زیادہ شفافیت، وشوسنییتا اور کنٹرول چاہتے ہیں کیونکہ وہ AI کو اپنے ورک فلو میں ضم کرتے ہیں۔

مثال کے طور پر، ایک ٹیک کمپنی کے ایک ایگزیکٹیو نے حال ہی میں TechCrunch کو Claude Cowork کا استعمال کرتے ہوئے کمپنی کے ڈیٹا بیس سے استفسار کرنے کے بارے میں بتایا، پھر ماڈل سے کہا کہ وہ اسے وہ SQL سوالات دکھائے جو اس نے لکھے ہیں تاکہ اس بات کو یقینی بنایا جا سکے کہ اس نے انہیں انسانی جائزہ کے لیے ڈیٹا تجزیہ کار کے پاس بھیجنے سے پہلے ان کا کوئی مطلب سمجھا۔ QueryStory میں، وہ SQL استفسارات خود بخود ظاہر ہو جاتے ہیں، اور صارف انسانی ساتھی کارکنوں کے لیے تجزیوں کو جھنڈا لگا سکتے ہیں، جس کے بعد ان جائزوں کو پلیٹ فارم میں ریکارڈ کیا جاتا ہے۔

برائٹ مائنڈ پارٹنرز کے ایک پارٹنر، ٹیلر سیپرلی نے TechCrunch کو بتایا، "AI اس سے کہیں زیادہ ٹوٹنے والا ہے جب لوگوں کو یہ محسوس ہوتا ہے کہ ایسی چیزیں بنانا پسند کرتے ہیں جو پائیدار ہوں اور بڑے پیمانے پر کاروبار ان پر انحصار کرتے ہوں۔"

ناغیب زادہ بتاتے ہیں کہ جب کمپنیاں اپنے ڈیٹا کو LLM کے چیٹ UI سے جوڑتی ہیں، "آپ کو ایک تنظیم کے اندر سینکڑوں یا ہزاروں لوگ ملتے ہیں، سبھی اپنے سوالات پوچھتے ہیں اور ان کی سچائی کا ورژن حاصل کرتے ہیں اور اسے ایک سلائیڈ ڈیک میں ڈالتے ہیں اور اس کا اشتراک کرتے ہیں — آپ مواد کے اس بہت بڑے پھیلاؤ کے ساتھ ختم ہوتے ہیں، اور اس ڈیٹا کو پیچھے کرنے کے لیے کوئی حقیقی جگہ نہیں ہے۔"

اس کے ساتھ مقابلہ کرنے کے لئے اقتصادیات بھی ہیں. QueryStory کو ماڈل ایگنوسٹک بنانے کے لیے بنایا گیا ہے، حالانکہ فی الحال یہ بنیادی طور پر فرنٹیئر لیبز کے فراہم کردہ جدید ترین ماڈلز کا استعمال کرتی ہے۔ جب کہ اس کی کمپنی فرنٹیئر لیبز کے ساتھ مصنوعات کی بنیاد پر مقابلہ کرتی ہے، ناغیب زادہ کا خیال ہے کہ صارفین ایسے سروس فراہم کنندہ کے ساتھ کام کرنے کو ترجیح دیں گے جو زیادہ سے زیادہ ذہانت کو فروخت کرنے کی ترغیب یافتہ نہ ہو۔

ناغیب زادہ نے کہا، "ہمارے لیے یہاں بہت سی چیزیں ہیں جو ان کمپنیوں میں سے ایک نہیں ہیں جنہوں نے کمپیوٹ یا اسٹوریج یا ٹوکنز کے استعمال کے اس ماڈل کے ارد گرد اپنا کاروبار بنایا"۔ اس کا استدلال ہے کہ QueryStory جیسا مقصد سے بنایا گیا ٹول سیاق و سباق کو سمجھ کر اور محفوظ کر کے عام مقصد کے ایجنٹ سے زیادہ موثر اور درست ہو سکتا ہے۔

"جو چیز ہم بیچ رہے ہیں وہ جوابات پر بھروسہ ہے، ٹھیک ہے؟" انہوں نے کہا. "وہ چیز جو ہم انہیں بیچ رہے ہیں وہ قیمت ہے جسے ہم کاروبار میں شامل کر رہے ہیں، اور ہمارا پورا مقصد CFO کو یہ سمجھنے کی صلاحیت فراہم کرنا ہے کہ 'اس چیز کی قیمت کیا ہوگی؟'"