facts

2025년 말, 600만 달러의 시드 투자를 유치하며 스텔스 모드를 종료한 QueryStory가 기업용 데이터 분석 플랫폼을 공개했다. 이번 투자에는 Brightmind Ventures와 New York Life Ventures가 참여했으며, 기업 가치는 6,000만 달러로 책정됐다. 구글의 시스템 운영 엔지니어 출신인 샤포르 나기브자데(Shapor Naghibzadeh)가 CEO를 맡았으며, 구글 동료였던 스탠리 양(Stanley Yang) CTO와 액센츄어 베테랑 데이비드 글루식(David Glusic) CPO가 합류했다.

대규모 전용 데이터베이스를 운영하는 대기업을 주요 타깃으로 삼는다. 영업 팀이나 운영 관리자가 복잡한 데이터 분석과 검토를 통합해서 수행할 수 있도록 돕는 것이 핵심이다. 단순히 질문에 답하는 수준을 넘어, 데이터에서 도출된 사실을 바탕으로 하나의 완결된 서사(Narrative)를 구성하는 기능을 제공한다. 실제로 우주 활동 데이터베이스를 활용한 테스트에서 개발자와 수주가 걸렸던 시각화 및 분석 작업을 단 몇 시간 만에 완료하는 성능을 보였다.

market-flow

프런티어 랩(Frontier Labs, 최첨단 AI 모델 개발사)의 협업 도구와 차별화되는 지점은 투명성과 제어권이다. 기존의 범용 AI 도구들은 사용자 경험을 의도적으로 제한하는 경향이 있지만, QueryStory는 AI가 분석을 위해 작성한 SQL 쿼리를 자동으로 표면에 드러낸다. 사용자는 이 쿼리를 직접 확인해 논리적 타당성을 검증하고, 필요한 경우 동료에게 검토를 요청해 그 기록을 플랫폼에 남길 수 있다.

토큰이나 컴퓨팅 자원 소비량을 기준으로 수익을 내는 기존 AI 기업들의 '소비 모델'에서 벗어나려는 투자 흐름도 읽힌다. 나기브자데 CEO는 서비스 제공자가 지능(Intelligence)을 최대한 많이 팔려는 유인책을 가질 때 발생할 수 있는 비효율을 지적한다. 대신 비즈니스에 추가되는 실제 가치와 CFO가 납득할 수 있는 비용 구조를 제안하며, 범용 에이전트보다 문맥 보존 능력이 뛰어난 목적 기반 도구로서의 경쟁력을 강조한다.

단순한 채팅 인터페이스(Chat UI)를 통한 데이터 연결이 가진 한계도 공략한다. 조직 내 수천 명의 사용자가 각자의 방식으로 질문하고 서로 다른 '진실'을 슬라이드에 담아 공유할 때 발생하는 콘텐츠의 파편화 문제를 해결하겠다는 전략이다. 데이터에 근거한 단일한 진실을 서사 형태로 고정해 공유함으로써 기업 내 정보 불일치 리스크를 줄이는 방향으로 채택 흐름을 유도하고 있다.

reader-impact

실무자가 가장 먼저 체감하는 변화는 AI가 내놓은 결과값의 근거를 추적하는 방식이다. 분석 결과와 함께 제공되는 '신뢰도 지표(Confidence Indicator)'는 AI 에이전트가 왜 이 분석이 정확하다고 판단했는지 이유를 설명한다. 이는 AI의 환각(Hallucination) 가능성을 염두에 둔 기업 사용자가 분석 결과를 그대로 믿을지, 아니면 추가 검증을 거칠지 결정하는 판단 기준이 된다.

데이터 과학 팀이나 BI(Business Intelligence) 팀의 지원을 받기 어려운 의사결정권자들에게는 도입 시점의 진입 장벽이 낮아지는 효과가 있다. 복잡하고 이질적인 데이터 소스를 다루면서도 전문 인력 없이 실시간 대시보드를 구축하거나 분기별 비즈니스 리뷰(QBR) 보고서를 생성할 수 있기 때문이다. 특히 규제가 엄격한 산업군일수록 AI의 판단 과정이 투명하게 기록되는 '인간 참여형(Human-in-the-loop)' 검토 기능이 채택의 핵심 변수가 될 것으로 보인다.

한국의 AI 도입 기업들은 단순한 챗봇 형태의 데이터 분석을 넘어, SQL 쿼리 수준의 투명성과 분석 결과의 신뢰도 지표가 제품에 포함되어 있는지 확인해야 한다. AI가 생성한 분석 결과가 기업 내에서 공식적인 문서로 활용되기 위해서는 '누가, 어떤 쿼리로, 어떻게 검증했는가'에 대한 이력 관리가 필수적이기 때문이다.