Arvind Jain: Why Now Is the Time to Solve Enterprise Search
45:06 Share

企业搜索一直是困扰公司的问题，自人们开始使用电脑工作以来就一直如此。现在，人工智能带来了解决方案。在本周的节目中，来自 Lightspeed 的主持人 Michael Mignano 与 Glean 的创始人兼首席执行官 Arvind Jain 坐下来讨论人工智能辅助企业搜索的演变。Arvind 分享了哪些见解帮助 Glean 在 2019 年开启了旅程，公司如何尽早利用基于 Transformer 的模型，以及 Glean 如何为该产品开拓市场。他们还讨论了竞争、跨 SaaS 平台集成 Glean 的技术方面以及 ChatGPT 对行业产生的巨大影响。剧集章节 (00:00) 简介 (01:15) Arvind 创建 Glean 以解决企业搜索问题的原因 (03:50) 技术基础：使用 Transformer 构建 Glean (09:04) 产品市场契合度和早期挑战 (12:16) ChatGPT 的影响和市场演变 (13:42) Glean 的架构和模型集成 (17:58) 人工智能在企业中的未来 (27:52) 领导力、竞争和公司文化 (35:48) 从 Rubrik 到 Glean 的反思和经验教训 (41:15) 快速问答和结束语保持联系： www.lsvp.com X： https://twitter.com/lightspeedvp LinkedIn： https://www.linkedin.com/company/lightspeed-venture-partners/ Instagram： https://www.instagram.com/lightspeedventurepartners/ 在您最喜欢的播客应用程序上订阅： generativenow.co 电子邮件： [email protected] 此处内容不构成税务、法律、商业或投资建议或提供此类建议的要约，不应解释为提倡购买或出售任何证券或投资或推荐任何公司，并且不是要约或要约邀请，用于购买或出售任何证券或投资产品。有关更多详细信息，请参阅 lsvp.com/legal。</context> <raw_text>0 你

大家好，欢迎收听 Generative Now。我是 Michael Magnano。我是 Lightspeed 的合伙人。企业人工智能正在改变公司的运作方式，很少有人比 Arvind Jain 更了解这场革命。作为 Glean 的创始人，Arvind 一直在构建最复杂的人工智能工作场所助理之一，这比 ChatGPT 成为家喻户晓的名字早了好几年。而现在，它已经成为一个在企业搜索领域占据主导地位的强大参与者。Arvind 在微软开始了他的职业生涯，然后在谷歌的早期担任工程师，

Arvind 共同创立了 Rubrik，并将这家公司在高风险的数据安全领域上市。Arvind 和我进行了一次很棒的谈话，谈论了他为什么喜欢竞争，技术创新如何影响产品战略，以及 Glean 如何找到产品市场契合点。请收听。嘿，Arvind。很高兴见到你。也很高兴见到你。Glean 在人工智能和生成式人工智能领域取得了明显的成功。

关于 Glean 有趣的一点是，它似乎在当前的生成式人工智能浪潮和我们自 ChatGPT 发布以来经历的人工智能爆炸之前就已经启动了。我认为一个好的起点是了解 Glean 的故事以及它如何在 2019 年启动的，从你在 Rubrik 的旅程到开始这一切，以及你在人工智能浪潮兴起之前看到了什么。

所以我们是在 2019 年初开始的。当时，我们对人工智能将如何像今天这样接管世界并没有那么多的了解。但是，我们想要解决的问题是一个重要的问题。我们开始时有一个愿景，那就是构建一个功能强大的平台

为企业中的人们在工作生活中提供搜索体验。在 Glean 之前，我是 Rubrik 的创始人之一，Rubrik 是一家企业数据安全公司。

其中一件事是，像在那家公司一样，我们发展得非常快，非常成功。但是随着公司的发展，就像当我们员工数量超过一千人时，我们开始看到我们所有不同团队的生产力大幅下降，对吧？

部分原因是，你认为理所当然的是，是的，随着事情的发展，随着公司规模的扩大，事情变得更加复杂和缓慢。但我认为还有更多原因。我们实际上看到了生产力的非常、非常大幅度的下降

我认为部分原因是公司拥有如此多的知识、如此多的数据，分散在如此多的不同系统中。而且随着公司快速发展，人们的角色并不总是明确的，谁负责什么工作，谁是专家，谁可以在任何给定主题上帮助我。这些实际上是我们员工满意度调查中最大的抱怨，

人们抱怨这些。人们说，我无法胜任。由于这些问题，我无法完成我的工作。因此，作为一名搜索工程师，在 Rubrik 之前，我花了十多年的时间在谷歌搜索上工作。

就像，人们抱怨找不到东西，好吧，我们应该去购买一款搜索产品，它可以连接我们分散在所有这些不同系统中的企业数据，以便人们可以轻松地找到东西。而且人们也可以轻松地找到可以帮助他们完成工作的人。

因此，我们决定，这就是我们尝试在公司内部解决问题的起源。那时我意识到，我们买不到好的搜索产品。所以我们想解决这个问题。有趣的一点是，在 2018 年，

在搜索行业，在搜索工程师中，我们已经看到了基于 Transformer 的神经网络和这些模型的强大功能。有一些语言模型。它们很小，就像已经存在的 BERT 系列模型一样。在谷歌搜索中，我们看到了如何利用

搜索技术的每个组件，你可以使用这些基于 Transformer 的模型构建一个新系统，并且它们的性能实际上会比过去 15 年构建的上一代模型更好。所以我们知道

Transformer 将彻底改变搜索的工作方式。你实际上可以在更概念化和语义化的层面进行搜索。因此，这也是一个利用并构建行业中真正优秀产品的机会。这就是我们开始的方式。事实上，我相信 Glean 是第一家将 Transformer 技术引入企业领域的公司。

太酷了。这是一个非常好的见解。我的意思是，即使与我自己的经验相关，我也在建立一家小型创业公司，员工人数达到几十人，然后我们将其出售给一家更大的公司，我们出现在这家大公司，有数千名员工，我们错过了所有这些背景信息。你可以在 Slack、电子邮件、谷歌云端硬盘或任何其他系统（Confluence、Okta）中获取它，

但它们都是断开的，而且没有办法将它们整合在一起。听起来这就是你看到的机遇。我的意思是，即使你看到这种机会即将到来，用于大型语言模型，但我认为你们并非从第一天起就在产品中利用它们。那么，你如何将我刚才提到的所有这些系统联系在一起呢？实际连接所有这些端点的方法是什么？是的。

是的。所以，如果你考虑一下搜索堆栈，首先，为了能够搜索信息，你需要访问这些信息。如果你看看现代企业，他们的大部分系统（他们的知识和数据所在的地方）是 SaaS，即云托管系统。通常，SaaS 系统彼此之间可以很好地互操作。它们有良好的 API 可供使用。我们开始构建这些集成，与

Confluence、Jira 和谷歌云端硬盘等产品，SharePoint 等，对吧？所有这些集成都是使用这些系统向我们公开发布的 API 构建的。所以你们应该连接这些系统。你可以看到里面的所有数据，然后你可以将它们整合到一个通用的搜索系统中。这是构建技术的第一步，即构建这些集成。

但是你必须也理解，企业搜索与网络搜索非常不同。在互联网上，我们都可以访问所有信息。一切信息都对我们开放。在企业中，信息是特权的。它是安全的。你可以访问某些文档，但还有许多其他文档你无法访问。因此，当你实际构建搜索产品时，你必须实际构建一个安全的搜索版本。你不能开始将信息泄露给网上的人。

来自这种搜索体验。因此，你必须以不同的方式考虑这个问题，你必须弄清楚你将如何解决安全、权限感知的访问问题，在搜索结果中。因此，我们必须构建许多安全基础设施来处理这个问题。但是，关于 Transformer 的问题，实际上 Transformer 模型是我们产品的第一版的一部分。从第一天开始就是这样。是的，从第一天开始。这真的很酷。是的。

因为，技术摆在我们面前，我们看到这些模型如此强大，你可以构建更智能的搜索。你实际上可以进来，你可以用自然语言提问，我们可以以更概念化和语义化的方式进行匹配，

到 Confluence 或谷歌云端硬盘中的那些文档，而不是进行脆弱的基于关键字的搜索。所以这是一个伟大的技术，它对我们来说是可用的。所以我们所做的是，我们使用了 BERT，这是一个谷歌为我们这样的初创公司公开提供的模型。

然后我们将使用该模型，对于我们的每个企业客户，我们都会实际构建一个定制的模型，我们会实际训练，我们会实际训练，重新训练这些模型

在企业语料库上，在安全可靠的方式下，以便模型开始理解你的公司、你的术语、你的代号、首字母缩写词等等，然后

在我们的核心搜索堆栈中，我们将使用传统的搜索技术来确定给定问题后要返回哪些最佳信息，但我们还将使用这种基于 Transformer 的语义匹配技术。所以这是我们从第一天起就构建的混合搜索堆栈。那么，找到这种产品市场契合点是什么样的呢？我认为所有在过去几年推出的初创公司，当您第一次体验它们时，它们几乎都有这种

真正神奇的体验，因为人工智能非常强大，对吧？就像你第一次使用 ChatGPT 或第一次使用这些图像生成器一样。回到 2019 年或 2020 年你开始进入市场的时候，Transformer 的概念对于所有这些企业公司来说一定是非常新的。你是否也发现了同样的

神奇的体验，你就像，“嘿，企业，让我们向你展示你如何现在可以对你的整个组织进行语义提示，并让它像人类一样返回给你。”我的意思是，这对他们来说一定非常、非常强大。

是的，实际上，你知道，有趣的是，我们并没有真正谈论 Transformer 作为一件很酷的事情。这并不是一件难事。人们并没有谈论它。我认为他们关心的是你能用它做什么，那就是，在 Glean 中，你可以用自然语言提问，它会在概念上将信息与你的问题匹配。你不必记住确切的关键词。

这就是上一代搜索系统的一个主要痛点，那就是，我知道我在寻找这封电子邮件，它在我的 Outlook 中，但我仍然无法访问它，因为我不记得确切的词语。所以我认为它吸引了人们，但你提出了一个非常有趣的问题。我认为我们很长时间都没有找到产品市场契合点，因为

不知何故，行业认为搜索是维生素而不是止痛药。就像，是的，每个人都会说，他们会，他们会，

是的，我们有一个问题。我们有很多信息。它分散在许多不同的系统中。人们确实难以查找信息，但最终他们找到了，我想事情对我们来说是有效的。而且他们并没有真正购买产品。他们没有购买搜索产品。

我们会说，“嘿，你看，我们有一个比你买的更好的产品。”他们购买这种技术的概念不存在。所以我们必须创造一个市场。这花了一些时间。我们必须进行大量的宣传。我们必须谈论为什么它很重要。它减少了挫败感。它让你的员工更快乐。他们三分之一的时间都花在寻找信息上。所以你会节省很多时间。所以我们花了一些时间，然后

我们开始获得这种吸引力并获得口碑，从我们的初始客户那里。——是什么让这一切都发生了转变？仅仅是因为，你达到了一定的时刻，有足够多的人在市场上谈论它，以至于它从那时起就滚雪球般发展了吗？或者是一个关键客户或一个关键的产品解锁？是什么真正做到了这一点？——是的，我会说有两个，我会说有两个不同的时刻。一个是当我们实际上拥有一个，

大约 30 家左右的公司，我们首先关注科技行业。所以我们得到了大多数像，你知道，最具标志性的科技公司，他们开始大规模使用我们的产品，口碑从那时起开始发生，这在某种程度上创造了，你知道，进一步的势头和内向，你知道，对我们来说，就公司而言，更多兴趣。然后

然后是另一个重要的时刻，那就是 ChatGPT。在某种程度上，你可以将 Glean 视为 ChatGPT 的企业版本。它执行 ChatGPT 执行的所有操作，但它使用的是你公司的知识和背景信息。当世界看到 ChatGPT 及其强大的功能时，作为企业领导者，你正在考虑，好吧，

如果，你知道，我在我的公司内部拥有这样的东西，一些了解我的所有内容的东西，我的员工，我的内部数据，它还可以使用所有这些来回答我的问题，那将是令人着迷的，对吧？所以，这实际上，你知道，开始创造了这种，你知道，有机，你知道，需求，这是一波第二波，你知道，对我们来说是巨大的动力。

是的，这真的很、很有趣。这几乎就像 ChatGPT 为你做了很多外部营销。没错。但你之前一直在做的事情，比如安全和，你知道，安全，就像你提到的那样，不同用户之间的权限分配，显然非常重要，可以将这项技术带入企业。所以这很有趣。你前面提到，你知道，你开始使用的第一个基于 Transformer 的模型是 Bird。

从那时起，你的情况如何？你如何管理产品的模型组件？你现在训练你自己的模型了吗？你是，你知道，在幕后在 OpenAI、Anthropic 等之间热交换东西吗？这一切是如何运作的？

是的，更多的是后者。所以让我解释一下这个架构。我们不是基础模型公司。我们不训练这些超大型模型。当你考虑产品时，Glean 实际上是如何工作的？它看起来和感觉都像 ChatGPT，对吧？你进来，你问问题。

Glean 将实际使用世界上所有的知识和背景信息来回答你的问题，或者它将实际使用你公司内部的数据和知识来回答你的问题。现在，当你考虑 GPT 或 Cloud 或 Gemini 或 X 或

DeepSeek 等时，这些模型都没有在你公司的企业信息上进行训练。所以他们对你的公司内部的工作方式一无所知。那么你如何实际回答问题，让这些模型回答问题

知道使用你公司内部的数据和知识，你知道，架构是这样的，你知道，拖拽，你实际上，你知道，这是一个两步过程，你知道，给定用户提出的任何任务或任何问题，首先我们使用我们的代码检索和搜索技术来组装一些来自公司内部的相关信息片段，然后我们将所有这些信息提供给模型，以便模型可以实际推理它，并

实际生成适当的答案或回复给你。这就是架构。这是典型的。大多数企业代理或应用程序都是在这个机架式架构中构建的，其中搜索是第一阶段。我的意思是，不是搜索或检索，无论你称之为什么是第二部分。

现在，我们的架构是，我们确实构建了模型，它们仍然基于 BERT 或现代 BERT，我认为这些是 SLM，这就是行业现在对它们的称呼。所以我们实际上仍然在你的企业语料库上训练模型，但这主要用于实际进行人们的任务与你的企业知识的语义匹配。它用于该任务，你知道，

检索任务，但对于推理和生成，我们使用基础模型。我们的架构不依赖于任何特定模型。我们在行业中看到的是，有很多模型提供商。他们都在不同的模型上，并且在不同方面做得越来越好。例如，这些天你会听到很多人说，对于代码生成，Cloud 实际上比任何其他模型都更好，对于推理，GPT

比其他模型更好。所以他们都是，所有这些模型都在不同方面做得越来越好。我们的目标是，在 Glean，确保我们的企业客户能够获得行业中发生的所有令人惊叹的创新，他们不必选择使用哪个模型。所以，这就是，这就是架构背后的情况，在下面，我们有

访问所有这些不同的模型，并且给定，你知道，给定任务，我们可以实际帮助企业选择哪个模型适合该任务。是的。是的。而真正酷的是，随着这些模型不断改进，你知道，我知道，我相信观众中的每个人都知道，感觉就像每周这些东西都在改进。

你的产品也会因此变得越来越好，对吧？这些模型可以做的任何事情，你都可以提供给你的客户，你的企业客户。那一定是什么样的感觉？因为我必须想象，随着这些模型在能力上不断改进，它们可能会为你解锁全新的功能集。你知道，我一直对 Glean 思考的一件事是，随着这些模型变得真正自主，并且它们从，你知道，它们从单个信息检索转向更多

面向顺序任务的事情，就像那样。这必须为 Glean 和你的客户打开一个巨大的服务领域。你是这样想的吗？——绝对是这样。我的意思是，我认为，这些功能实际上每天都在出现，就像，你知道，就像，你知道，就像，你知道，你上个月看到的，你知道，操作符，就像，你知道，是一件新事物，它实际上，就像，真正解锁了我们与许多、许多更多企业应用程序一起工作的能力。我认为人工智能及其对企业的影响的一个重要方面是，

如果我是一个商业用户，我有一个问题或一个任务，需要我使用或处理我企业内部的一些数据，人工智能应该让我非常轻松地做到这一点。就像，你知道，就像，我们不会再生活在一个我们知道数据存在但访问它很困难的世界里了。人工智能将使它变得非常容易。我们通过我们的集成做了很多事情。

但我们也可以通过这些新的大型语言模型功能来做到这一点，比如计算机使用，操作符，你甚至不需要这些系统拥有 API。你仍然可以驱动浏览器并获取你需要处理的数据。

用于你的代理。因此，创新将继续以快节奏发生。Glean 的战略始终非常明确。云超大规模公司提供的所有模型提供商、所有技术，我们基本上不与他们竞争。我们利用这项技术，并

我们做剩下的部分，就像，你知道，你如何使访问这项技术变得容易，并使其在你的企业数据上工作。你可以用 Glean 做的第三件事是，我们有类似谷歌的搜索，我们有一个类似 ChatGPT 的人工智能助理，但我们还有一个代理构建平台。因此，你实际上可以使用人工智能来构建各种代理来转换你的业务流程。事实上，我认为人工智能最好的事情是

它实际上将这种力量带给了每个商业用户。你不再需要成为开发人员才能构建复杂或有趣的东西。你不再需要开发人员来做所有事情。你可以通过用自然语言表达业务流程来构建许多代理。

做人工智能，然后人工智能就像，你知道，就像，你知道，你不会，你不会做推理，就像，她获取业务流程，它会创建一个多步骤工作流程，然后你可以去审查和执行。所以，所以我认为，是的，我们肯定，你知道，走向一个世界，很多像，你知道，如何，就像工作发生的方式将从根本上改变。是的。

是的，所以这个代理构建器，你提到的，它需要模型做什么才能工作？这是否需要能够推理或能够像操作符或计算机使用那样浏览网络的模型？

或者 Glean 实际上是使能够将这些大型语言模型以某种方式组合在一起的产品和系统，以便它们实际上代表你的企业执行任务？是的，这是一个组合。就像今天，如果你只使用大型语言模型，这对你来说还不够，无法实际构建代理并使用它来自动化业务流程。

你知道，你需要，你知道，还需要做一些工作，在它之上。例如，你需要弄清楚如何实际将你企业中的正确数据带入这些模型。随着时间的推移，你会从大型语言模型提供商那里获得越来越多的功能。例如，计算机使用非常重要。

就是一个例子。这是一个功能。这并不是模型，但它是大型语言模型公司实际为你提供的功能。这是一种将更多数据带入模型、带入大型语言模型推理的机制。事情的发展方式是，今天，我认为你仍然需要

代理构建框架和平台，它们实际上将位于大型语言模型之上。我们帮助客户构建代理的方式是，你获得了这个代理构建器 UI，你可以在其中用自然语言进行对话，与 Glean 一起构建代理。在幕后，我们正在使用我们基于 API 的集成到企业数据源，但整体编排是由我们完成的。

明白了。这很有道理。说到计算机使用，以及这些模型变得越来越自主，而且事实似乎是许多大型模型提供商，OpenAI、Anthropic 等，他们随着时间的推移越来越倾向于企业产品，提供越来越多的方法来连接你业务的不同部分，你如何看待竞争格局，你知道，我相信你的许多竞争对手都在大型语言模型之上构建类似于

应用程序层。现在还有一个，我不知道，来自模型层的新前沿，他们也在这样做。当你的竞争来自各个角度时，你如何保持产品的竞争力？——是的，这是真的。从技术堆栈的角度来看，整体代理架构，你将拥有

位于基础级别的 LLM 和模型功能。你将拥有一个数据连接层和一个检索和搜索系统。然后你基本上有，你知道，整体像代理构建和

你知道，你将在其之上构建的推理流程。首先，我要断言这一点。未来 5 到 10 年，很多关于工作的事情都会发生变化。我们今天做的绝大多数工作，我们以后都不会再做了。它将由人工智能助理和代理来完成，他们将帮助我们执行这些任务。我们的工作不会消失。它只会发生一些变化。它可能会变得更有创造力，更多地

面向思考，而基础层的工作是处理数据，对其进行一些研究分析。模型实际上可以为我们完成很多工作。因此，我们的大部分工作将改变组织的构建方式、业务流程，大多数这些业务流程实际上也将通过人工智能实现自动化。所以我觉得需要完成的工作量

与实际完成这项工作的公司相比。两者之间存在很大的差距。空白空间巨大。而且，如果我们所有人努力工作，我们仍然只完成了 1% 的工作，在未来一年中需要完成的工作。现在不是有很多参与者，而且没有足够的问题需要解决的时候，而是相反，你知道，

这可能正好相反。是的。因此，我们并不觉得，你知道，有任何担忧，比如，你知道，与竞争。你知道，我们的策略将保持，你知道，今天的状态，那就是我们将继续与所有这些，你知道，参与者合作。我们将继续与语言模型公司、云超大规模公司合作，我们将，你知道，充分利用，你知道，他们正在做的所有创新。

因为，就像他们无法覆盖超过 10% 的需要完成的工作一样。而且，而且我们有足够，你知道，让我们去做的事情。所以我们不能，所以基本上把我们想象成，你知道，坐在这些参与者的核心技术之上，因为，你知道，随着他们的发展，我们也随之发展，就像，你知道，我们开始构建，你知道，我们还没有构建的其他东西一样。

所以我们认为所有这些公司更像是我们的合作伙伴，而不是我们的竞争对手。但是现在，实际上，如果你作为一个客户来考虑，你会收到来自 300 个不同供应商的代理商的推销。你选择谁？你选择谁？

我认为 Glean 拥有非常独特的架构和市场地位，我们告诉我们的供应商，我们不是 LLM 公司。因此，当你真正考虑你的 AI 堆栈时，无论如何你都必须与语言模型公司合作，你可以通过我们或直接与他们合作。我们对这两种选择都没问题。

但我们正在做的是，你知道，我们正在为，你知道，我们的客户提供一个水平的 AI 平台。一个连接到，你知道，所有企业信息和数据知识的平台。因此，你可以实际使用它作为一种整合你的 AI 工作的方式，而不是购买 AI 产品。

代理商，比如，按功能、按产品工作。如果你使用 1000 个 SaaS 应用程序，你可能会使用，你知道，你将来会在你的公司拥有 10,000 个代理商。所以一种模式是，你实际上会变得非常，你知道，功能化，你会得到很多这些垂直代理商，其他的方法是，你选择我们作为水平的 AI 层，然后使用我们作为中心平台来构建许多这些代理商。

所以，我认为现在我们与其他供应商在企业中看到的任何其他方法相比，都是独一无二的。并且，这些代理商中有多少将建立在一个像我们这样的水平平台上，而不是完全专用的垂直代理解决方案，还有待观察。

是的，这有点像那句经典名言，软件中唯一能赚钱的就是捆绑和解绑。你正在获取现有的解绑 SaaS 产品和所有不同的模型，并将它们捆绑到一个体验中，这非常有意义。说到竞争，你真的很喜欢竞争。跟我们谈谈这个吧。这如何影响你的管理、你的团队领导力，以及你对竞争的热爱？

好吧，作为一个工程师，……

我知道很多工程师的灵感来自于他们在外部看到的令人惊叹的技术。你想要真正去匹配那些技术，你想要真正去超越那些技术并构建更好的产品。我认为竞争实际上总是在推动任何企业的研发引擎方面发挥着非常重要的作用。

我会告诉你，就我们公司自身而言，当我们从核心搜索开始，在每个人都决定进入搜索和 AI 助理市场之前，我们很长时间都是孤军奋战。我们是第一家真正开始

真正采用 Transformer 并开始从事这些搜索和助理产品工作的公司，就像，你知道，六年前一样。所以很长一段时间，就像，你知道，我们都是独自一人。当你独自一人时，就像，你知道，很难保持节奏。很难真正弄清楚你是否行动得足够快。就像，你知道，因为没有比较，没有基准，你什么也看不到。所以你必须真的就像，你知道，你只是向前冲，没有任何明确的迹象表明，就像，你知道，

你是否需要更快地行动？有时，你知道，实际上会，你知道，变得自满，因为，你知道，你是最好的产品。而且，而且，而且我认为，这就是竞争对你所做的，它不仅实际上，你知道，创造了这种紧迫感，你知道，

在你的团队中，因为现在你知道，如果你不快速创新，你知道，如果你不保持领先，那么你就会失败。所以它创造了一种，你知道，那种紧迫感和速度。但同样，你知道，竞争是好的，因为没有一家公司拥有，

像垄断和所有想法一样，你知道，我们喜欢，我们无法想到所有伟大的事情，就像，你知道，我们从其他人的想法中学到了很多，就像，你知道，他们想出的想法，你知道，那些，那些，你知道，那些，那些，你知道，他们有，他们有新的思维方式，新的东西出现，然后我们从中汲取灵感，并以此为基础构建我们自己的研发路线图。所以，

所以我认为这在任何行业都是必不可少的，参与某个想法的人越多，对我们所有人来说实际上就越好。而且最终，就像，你知道，它也会让，你知道，蛋糕变得更大，就像，你知道，我们所有人都会从中受益。

是的，这完全说得通。我的意思是，它是一个紧迫感的驱动力，作为一家初创公司，你需要这个。就像你说的，我的意思是，它向你展示了关注的重点。而且看起来它很有效。你知道，我知道过去一年对你来说意义重大。最近宣布你刚刚突破了 1 亿美元的 ARR。这是一个非常非常令人印象深刻的数字。我相信业务增长了三倍。

在过去的一年里，这简直令人难以置信。你会把这归因于什么？显然，对该产品有很多兴奋和需求，但是否有一些关键驱动因素使你能够在过去一年中实现这种增长？我的意思是，这真的太棒了。

是的，我认为是这样。首先，我认为这完全是时机问题。所以我们感到幸运，就像，你知道，我们在过去六年中所做的所有工作，你知道，使我们能够创造出一款在市场上领先的产品，你知道，以一种非常显著的方式。所以当人们现在正在寻找这款产品时，就像，你知道，他们喜欢我们的，他们喜欢他们在 Glean 中看到的东西，并且他们正在接受和采用它。我还想提到的另一件事是市场本身，我认为，

当你考虑 AI 时，你也会听到这样的故事，好吧，我看到了所有这些很棒的演示，但是当我尝试在生产中部署 AI 时，它实际上并没有奏效。我觉得我只是在做实验，

而且我不知道，价值和投资回报率来自哪里。我去年看到的一个改变心态的事情是，人们也意识到，看，你知道，AI 技术是

非常强大的。对此毫无疑问。它将改变我们的世界。对此也毫无疑问。但它也很难使用。它是一台机器，一台没有人见过的机器。作为一个普通人，当你使用一台机器时，你知道一台机器是可预测的。它执行一项任务，并且以完全相同的方式执行。这就是“机器”一词的定义。

而 AI 改变了这一点。感觉不像那样。我们向它提问四次，它会给出四个不同的答案。所以有时人们会对这样的技术感到非常困惑，然后他们放弃了。很多人在 ChatGPT 中提出一些问题并编造了一些东西后就放弃了。他们说：“你知道吗？我不相信它。我不信任它。”所以你面临着这个难题。你面临着这个难题，

作为一名领导者，你知道 AI 将改变我的业务。我需要做好准备。我需要为此做好准备。但与此同时，这是一项艰巨的技术。那么，我该如何确保自己不会落后，因为我的员工放弃了呢？你必须在公司内部推动这种教育。所以，这些天 CEO 们最关心的事情之一就是，好吧，是的，我想要 AI 的投资回报率，但我也希望教育能够发生。

我希望，你知道，我公司里的每一位员工都成为 AI 第一员工。我希望他们能够完全舒适，你知道，弄清楚如何充分利用 AI。Lean 正在快速发展，这是因为公司觉得，你知道，我们是你可以实际提供给每位员工的最易访问的工具。

它实际上可以帮助他们完成日常工作，并让他们熟悉如何使用 AI 并将其融入他们的工作生活中。这对我们来说是一个巨大的催化剂。——你如何对你自己的团队做到这一点？我的意思是，是通过试用吗？是通过持续沟通吗？是通过某些 OKR 吗？你如何推动这样的文化？

是的，这是一个很好的问题。我认为，你知道，就像，你知道，人类是习惯的动物。即使在我们这样的 Gen AI 原生公司中，就像，你知道，我们发现，就像，你知道，人们不会自动地，就像，

在，你知道，将 AI 融入他们的日常工作中一样。就像，你知道，你有一种特定的做事方式，你会继续这样做。所以，所以我们做的一件事，就像，你知道，我个人对此感到沮丧。就像，你知道，坦白地说，这很尴尬，就像，你知道，我们正在向我们的市场宣传 AI，而我们却无法让自己的员工完全接受它一样。就像，你知道，当然他们都接受 Clean。

但我们没有使用更多其他 AI 工具。我们实际上也没有看到我们的团队对尝试并了解外部情况感兴趣。所以你实际上必须有一些自上而下的举措。我做的一件简单的事情是，因为每个人都很忙于他们目前的工作等等，所以我说了，看，我希望每位高管领导都能想出一个用例

在一个季度内，这可能是一个小的用例，我不在乎它有多大或多小，但这是一个用例，你知道，你实际上将开始使用 AI、LLM，所以我认为这是我们也向所有客户推荐的事情，就像，你知道，一些这种，你知道，自上而下的举措，以强制改变，否则人类就像，你知道，习惯的动物，正如我所说，是的，这是一个非常非常酷的想法，也许就此而言，就像

这是你创立的第二家初创公司。显然，我们非常简短地谈到了 Rubrik。这次经历与上次有什么不同？你知道吗？也许你做了哪些不同的事情，或者你在 Rubrik 学到了什么，你可以把它带到 Glean 的建设中？

是的，这完全不同，因为产品的性质和领域不同。还有角色，就像，你知道，对我个人来说，当然有很多教训。建立一家成功的初创公司，你能做的最重要的事情就是建立一支优秀的工程师团队。这很明显，每个人都会这么说，但是你必须带来最好的人，最好的工程师，最好的销售人员，最好的营销人员，然后让他们去做。就像，人们做得最好。

当他们感受到自主权、代理权时。在 Glean 的第一年或前两年，我觉得自己作为公司 CEO 的主要角色是招聘人员。就像，你知道，只是带来，你知道，建立，组建最好的团队。这就是我们遵循的文化，就像，你知道，我们过去遵循 Google，然后在 Rupert，现在在 Glean。我认为这为我们服务得很好。就像，你知道，我们有一支很棒的团队，而这支很棒的团队，你知道，显然我们能够

为我们和我们的业务创造出令人惊叹的产品。就，你知道，差异而言。所以其中一件事，你知道，我之前提到过，Rubrik 处于一个非常成熟的市场。人们正在购买像 Rubrik 这样的产品。我们去了，我们开发了一个更好的产品，我们可以去拜访我们的客户，并说，看，你们正在花费一百万美元用于数据保护，购买这项过时的技术，它没有与时俱进，从我们这里购买现代化的产品。所以这是一个成熟的市场。

而且你不需要进行类别创建。与 Glean 相反，我们来了，我们开发了一款产品，我们从第一天起就知道我们正在为一款没有预算的产品开发产品。所以这将是一种不同的情绪。没有竞争，但也没有预算。这将是一场漫长的拉锯战。你必须真正弄清楚如何创造这些预算。然后 Rubrik 和 Glean 之间的第二个主要区别是

我们是最终用户产品，公司里的每个人都会使用它。在 Rubrik，你知道，这是一个很少有人使用并且你实际上与他们有关系的产品。所以，就像，你知道，在 Rubrik，它使我们能够实际上，你知道，

加快上市速度，并在产品真正有效运行之前开始销售产品。因为你销售产品的所有人都是你与之有关系的人，你的接触点，他们愿意和你一起开发产品。在这里，你做不到这一点，因为我们不知道公司里使用 Glean 的所有人员，因为是每个人都在使用。所以你必须……

你知道，改变市场营销策略，你必须真正地建立，你知道，将产品提升到一定的质量水平，并且，你知道，确保它在人们使用之前感觉很棒，然后你才能真正释放，你知道，市场营销策略。所以，就像，你知道，我们在研发方面走了不同的道路，在我们真正，你知道，扩展业务之前，我们必须做多少研发。

你提到过，你知道，你在 Google 工作过，据我了解，你当时是那里的杰出工程师。你似乎是那种非常注重技术、非常注重技术的创始人兼 CEO。

我认为这在初创公司的 CEO 中越来越普遍，尤其是这场 AI 热潮。就像，你认为这与 CEO 有什么不同？也许我们看到了上一波浪潮，它非常注重产品或非常注重业务或销售。也许，就像，这如何增强 Glean 的实力？

这是一个很好的问题。我认为，就像，你知道，在初创公司中，就像通常，很多时候，你知道，公司、工程师，你知道，是那些开始，你知道，公司的人，你知道，因为他们喜欢，那是因为，你知道，他们有能力去创造一些东西，你知道，而且，而且，而且，所以，所以我认为就像总是像，你知道，我一直觉得，你知道，就像，你知道，即使在过去的 20 年里，就像，你知道，第一家初创公司的 CEO 总是倾向于成为技术专家，你

在某些方面。就像，你知道，就像他们很快意识到，好吧，就像 CEO 的角色比开发产品复杂得多一样。因此，你逐渐找到一个真正知道如何建立业务的人。我不知道，就像，你知道，有多少变化。我的意思是，我知道他们就像，你知道，创始人就像越来越长时间地担任这些职位一样，但最终建立业务，你知道，

你知道，是，你知道，很复杂的。而且，你知道，这确实需要你能够考虑，你知道，竞争，你知道，客户，你知道，战略，而且有时，你知道，它们可能与工程师的思维方式不一致，你知道，那就是关于

好吧，我可以去开发产品。但是我个人，例如，我一直对这个问题有疑问，随着公司规模不断扩大，我能否应对这种复杂性？是的，我想学习，希望我能继续发展壮大，但我不同意这种说法

工程师是更好的 CEO。我不这么认为。——是的，明白了。好吧，听起来你非常谦虚，而且它也很有效。所以我相信你可以处理每个额外的规模。我知道你时间紧迫，因为你今天有很多事情要做。我们将进行一个非常快速的闪电轮。所以我只是要问你一个快速的问题。随意回答你脑海中浮现的第一件事。所以也许你最喜欢的使用 Glean 的生产力技巧是什么？你使用 Glean 来提高生产力的真正有趣和有趣的方式是什么？

我的意思是，就像，我每天都会问每一个问题，就像，我实际上不会联系某人，就像，你知道，我做的第一件事实际上是问 Lean。我这么做有两个原因，就像，不仅仅是因为这将更快地让我得到答案，因为显然，就像，我喜欢不断测试我们的产品，并且我想确保它实际上正在运行。

但对我来说，最喜欢的事情是，当我过去与客户一起做演示时，他们总是问我关于“你这样做吗？Glean 做到这一点吗？”的所有这些问题。我意识到我实际上不再自己回答这些问题了。我实际上想把它们直接放在 Glean 中并进行现场演示。所以这就是我真正喜欢我们产品的地方。

我们能够如此轻松地向我们的客户展示它的强大功能。这真的很酷。感觉每天都有新的技术趋势或新的突破。你认为有什么东西正在暗中酝酿，是最被低估的技术或 AI 趋势？被低估的是……

你知道，这些模型如此强大，你可以在现有模型技术的基础上进行如此多的工程设计。就像我们总是关注这一点一样，嘿，就像模型不够聪明一样。他们不是，你知道，他们不能完全推理。而且，你知道，我们正在寻找 AGI 或接下来的进步。但我想说的是，我觉得我们现在可以使用一项令人惊叹的技术。我们甚至没有使用 1% 的

当前模型实际提供的功能。不仅是前沿模型，甚至是所有其他开放领域的较小模型。随着时间的推移，我们将看到很多工作。当你将工程和努力与这些模型的强大功能相结合时，可以做更多的事情。是的。你希望存在于电影或科幻小说中的技术是什么？

好吧，所以我喜欢这个概念，你知道，我的脑海中出现了一个想法，你知道，或者是一个问题。在我甚至不得不实际说出或说出之前，我们将答案反馈给了它。就像，你知道，就是这样。而且这将会发生。脑机接口。我喜欢这个概念，就像零摩擦一样。很多时候，你知道，我很好奇，我有这些问题，但是，就像，我没有精力去回答。

实际上，你知道，说出来或说出来。就像，但是我，你知道，我只是，我希望有一个系统，就像，你知道，思想就像转换成答案一样，就像，你知道，自动地。太棒了。也许，希望它将由 Glean 提供支持。Arvind，非常感谢你。这太棒了。真的，非常感谢你的时间。感谢你邀请我。这很有趣。是的，同样。再见。

非常感谢您收听 Generative Now。如果您喜欢您听到的内容，请对播客进行评分和评论。这确实很有帮助。当然，订阅播客，这样您每次发布新剧集时都会收到通知。如果您想了解更多信息，请在 YouTube、X 或 LinkedIn 上关注 Lightspeed at LightspeedVP。你可以在所有相同的地方关注我 McNano，M-I-G-N-A-N-O。如果您想了解更多信息，

Generative Now 由 Lightspeed 与 Pod People 合作制作。我是 Michael McNano，我们下周再见。到时候见。