QueryStory：AIの回答をより信頼できるものに——600万ドルの資金調達を発表

AI生成コンテンツの信頼性は、大規模言語モデルの実用化における最大の課題の一つになりつつある。このほど、QueryStoryというスタートアップがステルスモードから姿を現し、600万ドルのシードラウンド調達を発表するとともに、AIが伝える情報をより一貫性があり、より信頼できるものにするというビジョンを公開した。

「生成」から「信頼性」へのステップアップ

大規模言語モデルの驚異的なパフォーマンスの裏側には、絶えず発生する「ハルシネーション」問題がある——モデルは真剣な口ぶりで事実を捏造したり、コンテキストの欠落により前後矛盾した回答を返したりする。企業ユーザーにとって、こうした不確実性は致命的だ。QueryStoryのコアとなる考え方は、LLMの強力な生成能力を活用しつつ、サイバーセキュリティ分野の脅威インテリジェンス分析手法を重ね合わせることで、クエリのプロセスに「構造的なガバナンス」を施し、論理的に整合性があり、根拠を示せる結果を出力するというものだ。

「私たちはもう一つのチャットボットを作るのではなく、AIの対話に『信頼できるインフラ』を構築しているのです。」——QueryStoryチームは資金調達発表の中でこのように述べた。

600万ドルのシードラウンド：資本がAIガバナンス市場に注目

今回のシードラウンドは、エンタープライズサービスおよびサイバーセキュリティに特化した複数の投資機関から調達された。QueryStoryは具体的な投資家リストを公表していないが、関係者によると、元米国家安全保障局（NSA）出身者や著名なセキュリティ企業の技術者もエンジェルラウンドに参加したという。これは驚くことではない——QueryStoryの創業チーム自体がインテリジェンスとセキュリティの深い経歴を持っており、「情報源」と「論理の連鎖」が意思決定にいかに重要かを熟知しているからだ。

QueryStoryは調達資金を主に三方面に充てる計画だ。一つ目はエンジニアリングチームの拡充、特にLLMのファインチューニングと知識グラフの経験を持つエンジニアの採用。二つ目は金融・法律・医療など規制の厳しい業界を対象としたエンタープライズ向け製品プロトタイプの開発。三つ目は「クエリ信頼性評価」のテストベンチマークの構築で、業界に定量化可能な基準を提供することを目指している。

技術的アプローチ：LLMに「考えながら調べさせる」

公式に開示された情報によると、QueryStoryの技術は従来のRAG（Retrieval-Augmented Generation：検索拡張生成）の単純な改良ではない。同社のプラットフォームはユーザーの質問を受け取ると、自動的に複数のサブクエリに分解し、複数の独立したデータソースを呼び出してクロスバリデーションを行う。各結論には「証拠チェーン」が生成され、ユーザーはインターフェース上でAIがなぜその回答を導いたか、根拠はどこから来ているか、途中にどのような推論ステップがあったかを展開して確認できる。この設計はサイバー脅威インテリジェンス分析における「ダイヤモンドモデル」と「キルチェーン」の考え方を参考にしており、AIの回答を「一方向的な出力」から「追跡可能な論証プロセス」へと変換する。

さらにQueryStoryは対抗的テスト機構も導入している。システムは自らが生成した回答を能動的に「攻撃」し、論理的な欠陥や情報の矛盾を見つけ出そうとする。疑わしい点が発見された場合は、その回答の信頼性スコアを引き下げ、より多くのデータや人間の介入が必要であることをユーザーに警告する。

編集後記：AIの信頼性問題は、まだ解決されていない

QueryStoryの方向性は評価に値するが、同時に冷静に認識しておくべきことがある。現在あらゆるAI信頼性技術は、「確率」の範囲内での取り組みに過ぎない。LLMの本質は統計的確率モデルであり、いわゆる「証拠チェーン」も既存データの再構成に過ぎない。真の論理的一貫性を実現するには、より強力な常識推論と因果モデルの支援が依然として必要だ。

一方、企業がこうしたソリューションを採用する意欲は、規制圧力の大きさに左右される。EUの「AI法」はすでに高リスクAIシステムのトレーサビリティを義務要件として定めており、米国の各州でもAI責任法案が相次いで提出されている。こうした規制は企業にAIの出力に対する監査ログの整備を促し、QueryStoryのようなスタートアップはまさにこの隙間に参入しようとしている。

もちろん、600万ドルのシードラウンドは第一歩に過ぎない。QueryStoryが将来AIガバナンス分野の重要なプレーヤーになれるかどうかは、技術革新を維持しながら、実際に対価を支払う顧客を獲得できるかにかかっている。結局のところ、急速に変化するAIの競争環境において、「信頼性」があるだけでは不十分であり、「実用性」と「手頃なコスト」も実現しなければならない。

本稿はTechCrunchより編集・翻訳