Arvind Jain: Why Now Is the Time to Solve Enterprise Search (Encore)
44:57 Share

嘿，大家好，欢迎收听 Generative Now。我是迈克尔·马尼亚诺，Lightspeed 的合伙人，本周我们将重温几个月前与 Glean 创始人兼首席执行官阿文德·贾恩的对话。Glean 是最先进的 AI 工作场所助理之一，现在已成为企业搜索领域的巨头。阿文德是微软和谷歌的校友，他之前是 Rubrik 的联合创始人，该公司

在他进入高风险的数据安全领域后上市。阿文德和我进行了一次很棒的对话，内容涵盖 Glean 的早期发展、他对 AI 未来如何改变我们工作方式的看法以及该公司的未来规划。请查看一下。嘿，阿文德。很高兴见到你。也很高兴见到你。Glean 在 AI 和生成式 AI 领域取得了显著成功。

关于 Glean 有趣的一点是，它似乎在当前生成式 AI 热潮和自 ChatGPT 发布以来席卷全球的 AI 爆发之前就已经启动了。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，也就是从你在 Rubrik 的经历到创立这家公司，以及你在 AI 热潮兴起之前看到了什么别人没有看到的东西。

我们在 2019 年初启动。当时，我们对 AI 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，那就是为人们在工作中的生活打造一种真正强大的

企业内部搜索体验。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。

其中一件事情是，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，我们开始看到所有不同团队的生产力大幅下降。

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，这些知识和数据分散在许多不同的系统中。

而且，随着公司快速发展，人们的角色并不总是很清楚谁负责什么，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 Rubrik 的脉搏调查中看到的最大抱怨。人们抱怨这些，人们说：“我没有得到授权，我无法完成我的工作，因为存在这些问题。”

所以作为一名搜索工程师，在 Rubrik 之前，我花了十多年的时间从事谷歌搜索的构建工作，我说，人们抱怨找不到东西，那么我们应该去购买一个搜索产品，它可以连接我们分散在所有这些不同系统中的企业数据，这样人们就可以轻松地找到东西。而且，人们很容易找到可以帮助他们完成工作的人。

因此，我们决定，这就是我们试图在公司内部解决问题的起源。那时我意识到，我们无法购买到好的搜索产品。所以我们想解决这个问题。有趣的是，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，例如已经存在的 BERT 系列模型。在谷歌搜索中，我们看到如何利用

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。这是一个非常棒的见解。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规模更大的公司，我们出现在这家大公司，有数千名员工，而我们缺少所有这些背景信息。你可以在 Slack、电子邮件、Google Drive 或许多其他系统（Confluence、Okta）中获取它，

但它们都是断开的，而且无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 LLM 的机遇即将到来，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技术方法是什么？是的。

是的。因此，如果你考虑搜索堆栈，首先，为了能够搜索信息，你需要访问该信息。如果你查看现代企业，大多数系统（其知识和数据所在之处）是 SaaS（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，例如

Confluence、Jira、Google Drive、SharePoint 等产品。所有这些集成都是使用这些系统向我们公开的已发布 API 构建的。你们应该连接这些系统。你可以看到其中的所有数据，然后你可以将它们整合到一个通用的搜索系统中。构建这项技术的第一个步骤是构建这些集成。

但是你必须了解，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，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，你必须实际构建安全版本的搜索。你实际上不能开始向人们泄露信息。

来自搜索体验。因此，你必须以不同的方式考虑这个问题，你必须弄清楚如何实际解决搜索结果中的安全权限感知访问问题。因此，我们必须构建许多安全基础设施来实际处理这个问题。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。

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

到 Confluence 或 Google Drive 中的那些文档，而不是进行脆弱的基于关键字的搜索。这是一项伟大的技术，而且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使用的模型。

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。我们将实际训练，我们将实际训练，重新训练这些模型

在企业语料库上，以安全可靠的方式处理这些数据，以便模型开始了解你的公司、你的行话、你的代号、首字母缩写词等等。然后

嗯，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，但我们还将使用基于 Transformer 的语义匹配技术，因此这是一个混合搜索堆栈，我们从第一天起就构建了它，那么什么是为之找到产品市场契合点的呢？我的意思是，我考虑了过去几年启动的所有初创公司，它们第一次体验时几乎都有这种

真正神奇的体验，因为 AI 太强大了，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，并像人类一样将其返回给他们。”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，我们并没有将 Transformer 作为一件很酷的事情来谈论。它并不是热门话题，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。

这可以说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了。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，每个人都会喜欢，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，但是，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，我们有一个比你购买的更好的产品。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。这需要我们一些时间。我们必须进行大量的宣传。我们必须谈论为什么它很重要。例如，它可以减少挫败感。它能让你的员工更快乐。他们三分之一的时间都花在寻找信息上。因此，你将节省大量时间。因此，在我们开始获得这种吸引力和口碑之前，我们需要一些时间，例如，

我们开始获得这种吸引力和口碑，这来自我们最初的客户。——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？还是某个关键客户或某个关键的产品解锁？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。一个是当我们实际拥有一个时，

大约 30 家左右的公司，我们最初专注于科技行业。因此，我们获得了大多数像最具代表性的科技公司，他们开始大规模使用我们的产品，口碑从那时起开始传播，这在某种程度上创造了进一步的势头和内向的，例如，对我们公司更多兴趣。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。它可以执行 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，

那么，如果在我的公司内部有这样的东西，它了解我的所有员工、我的内部数据，并且可以使用所有这些数据来回答我的问题，那将是多么令人着迷的事情，对吧？所以，这实际上开始创造了这种有机需求，这是一波对我们来说势头强劲的第二波浪潮。

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工作。没错。但你之前一直在从事的所有工作，例如安全性和安全性，以及你提到的不同用户之间的权限分配，显然对于将这项技术引入企业至关重要。这太吸引人了。你前面提到你开始使用的是 BERT，这是你使用的第一个基于 Transformer 的模型。

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

是的，更多的是后者。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，你提问。

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 GPD、Cloud、Gemini、X 或其他任何东西时，模型本身的方式，

你知道，DeepSeek 等等。这些模型都没有在你的企业信息上进行训练。因此，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，让这些模型使用你公司内部的数据和知识来回答问题呢？该架构是 RAG，你实际使用的是一个两步过程，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从公司内部收集一些相关信息。然后我们将所有这些信息提供给模型，以便模型可以实际对其进行推理，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以这种 RAG 架构构建的，其中搜索是第一阶段。我的意思是，不是搜索或检索，无论你称之为什幺。然后模型推理是第二部分。

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，这些小型模型，我认为现在行业称之为 SLM。因此，我们实际上仍然在你的企业语料库上训练模型，但这主要用于实际对人们的任务与你的企业知识进行语义匹配。它用于该任务，即

检索任务，但对于推理和生成，我们使用的是形成模型。我们的架构是，我们不依赖于一个特定的模型。我们现在在行业中看到的是，有很多模型提供商。所有模型都在不同的方面变得更好。例如，现在你会听到很多人说，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。因此，所有这些模型都在不同的方面变得更好。我们的目标是在 Glean，确保对于我们的企业客户来说，我们可以将行业中发生的所有令人惊叹的创新带给我们的客户，他们不必选择使用哪个模型。因此，这就是架构背后的情况，在下面，我们有

访问所有这些不同模型的权限，并且给定任务，我们可以实际帮助企业选择适合该任务的正确模型。是的，是的，而真正酷的是，随着这些模型不断改进，而且，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一样，

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得到改进，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，并且它们从个体信息检索转向更

顺序导向的任务，诸如此类。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，而且这些功能实际上正在到来

每天，就像，你知道，就像，你知道，你上个月看到的，例如，运算符，就像，你知道，这是一件新事物，它实际上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 AI 及其对企业的影响的一个重要方面是，

企业是，如果我是一个商业用户，我有一个问题，或者我有一个任务需要我使用或处理我的企业内部的一些数据，那么 AI 应该让我非常轻松地做到这一点。就像，你知道，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。AI 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 LLM 功能（例如计算机使用、运算符）来做到这一点，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。

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

我们做剩下的部分，例如，如何使访问这项技术变得容易，并使其在你的企业数据上运行。你可以使用 Glean 做的第三件事是，我们有 Google 搜索，我们有 ChatGPT，像 AI 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 AI 来构建各种代理来转换你的业务流程。事实上，我认为 AI 最好的一点是

它实际上正在将这种力量带给每个商业用户。你不必再成为开发人员才能构建复杂或有趣的东西，例如，你不再需要开发人员来做所有事情了。例如，有很多代理你可以通过用自然语言向 AI 表达业务流程来构建。然后 AI 就像，你知道，就像，

你不进行推理，它实际上会获取业务流程，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，我认为是的，我们肯定正在走向一个世界，在这个世界里，很多像，你知道，像，这是工作发生的方式将从根本上改变，并且是的

是的，所以你提到的这个代理构建器，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运算符或计算机使用那样浏览网络的模型？

或者 Glean 实际上是能够将这些 LLM 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 LLM，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，你需要做更多工作，需要在它上面做更多工作。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 LLM 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。这并不是真正的模型，但它是 LLM 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 LLM 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，这些框架和平台将实际位于 LLM 之上。我们帮助客户构建代理的方式是，你将获得这个代理构建器 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，再次提到这些模型变得越来越自主，而且似乎许多大型模型提供商（OpenAI、Anthropic 等）越来越倾向于企业产品，提供越来越多的方法来连接你的业务的不同部分。当你考虑竞争格局时，你如何看待这个问题，我知道你的许多竞争对手都在模型之上构建应用程序层。现在还有这个，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。然后你基本上拥有像代理构建和

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 AI 助理和代理来完成，这些助理和代理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

以思考为导向，并且，你知道，基础层的工作与数据一起工作，进行研究分析，例如，模型实际上可以为我们完成很多工作。因此，我们的绝大多数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使用 AI 自动化。因此，我认为需要完成的工作量，

与真正从事这项工作的公司相比，两者之间存在巨大差异。两者之间存在很大的差距。你知道，空白领域巨大。而且，如果我们所有人，你知道，都非常努力地工作，那么，你知道，我们明年也只能完成需要完成工作的1%。现在不是参与者太多，而需要解决的问题又不够多的时候，你知道，恰恰相反，你知道，

情况可能正好相反。是的。因此，我们并不觉得，你知道，对竞争有任何担忧。你知道，我们的战略将保持现状，那就是我们将继续与所有这些参与者合作。我们将继续与语言模型公司、云超大规模公司合作，我们将充分利用他们提供的全部创新。

因为他们无法完成需要完成工作的10%以上。因此，我们有足够的工作要做。所以我们不能，所以基本上可以把我们想象成坐在这些参与者的核心技术之上，因为他们构建得越多，我们也会随之提升，并且，你知道，我们开始构建我们尚未构建的其他东西。

因此，我们将所有这些公司更多地视为我们的合作伙伴，而不是我们的竞争对手。但是，实际上，如果您作为客户考虑，您会收到来自300个不同供应商的代理商的推销。你选谁？你选择谁？

我认为Glean拥有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。当您真正考虑您的AI堆栈时，无论如何您都必须与语言模型公司合作，您可以通过我们或直接与他们合作，我们将发现这两种选择都有效。

但我们正在做的是，我们为客户提供了一个水平的AI平台，一个连接到您所有企业信息和数据知识的平台。因此，您可以实际使用它作为整合AI工作的一种方式，而不是购买AI产品。

代理商，例如按功能、按产品进行划分。如果您使用一千个SaaS应用程序，那么将来您的公司可能会有10,000个代理商。因此，一种模式是，您实际上会非常注重功能性，并获得许多这些垂直代理商。另一种方法是选择我们作为水平AI层，然后使用我们作为中心平台来构建许多这些代理商，对吧？

因此，我认为现在与您从企业中的其他供应商那里看到的任何其他方法相比，我们绝对是独一无二的。这些代理商中有多少将建立在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，这有点像一句经典名言，软件中唯一能赚钱的就是捆绑和解绑。您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，作为一名工程师，

我知道作为一名工程师，很多灵感都来自你在外面看到的令人惊叹的技术。你想去匹配那些技术。你想超越它们并构建更好的产品。因此，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。

嗯，我告诉你，仅从我们公司自身的角度来看，当我们开始使用我们的核心搜索时，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。我们是第一家真正采用Transformer并开始从事这些搜索和助理产品工作的公司，大约在六年前。所以很长一段时间，你知道，我们都是自己一个人。当你独自一人时，你知道，很难保持节奏。很难弄清楚你是否行动得足够快。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，你知道，你只是向前冲，没有任何明确的迹象表明，你知道，

你需要加快速度还是不需要？有时，你知道，实际上会变得自满，因为，你知道，你是最好的产品。而且，我认为，这就是竞争对你的影响，它不仅会创造这种紧迫感，而且

在你的团队中，因为现在你知道，如果你不快速创新，如果你不保持领先地位，那么你就会失败。因此，它会创造出这种紧迫感和速度。但同时，竞争也是一件好事，因为没有一家公司拥有

垄断所有想法，你知道，我们，我们无法想到所有伟大的事情，你知道，我们从其他人的想法中学到了很多东西，你知道，他们想出的想法，你知道，那些，那些，你知道，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，对我们所有人来说就越好。而且，最终，你知道，它也会让蛋糕变得更大，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ARR。这是一个非常令人印象深刻的数字。我相信这家公司的全球业务增长了三倍。

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，对该产品的热情和需求很高，但有哪些关键驱动因素使您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。我们感到幸运，你知道，我们在过去六年中所做的所有工作使我们能够创造出一款在市场上遥遥领先的产品，你知道，以一种非常显著的方式。因此，当人们现在正在寻找这款产品时，你知道，他们喜欢我们的产品，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，

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

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。毫无疑问。它将改变我们的世界。这一点也没有疑问。但它也很难使用。它就像一台机器，一台人们从未见过的机器。作为人类，当您使用机器时，您知道机器是可预测的。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。因此，有时人们会对这样的技术感到非常困惑，然后他们就放弃了。许多人在向ChatGPT提出一些问题并编造了一些东西后实际上放弃了。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。因此，如今CEO们的心中都在想，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能成为AI优先的员工。我希望他们能够完全舒适，你知道，弄清楚如何充分利用AI。Glean正在快速发展，这是因为公司认为，你知道，我们是您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，并使其成为他们工作生活的一部分。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？你如何培养这样的文化？

是的，这是一个很好的问题。我认为，你知道，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，你知道，我们也发现，你知道，人们不会自动地

将AI融入他们的日常工作中。你有一种特定的做事方式，你会一直这样做。因此，我们所做的一件事是，我个人对此感到沮丧。坦率地说，这很尴尬，因为我们正在向市场宣传AI，而我们却无法让自己的员工完全接受它。你知道，当然他们都接受Glean，但我们并没有使用更多其他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的兴趣。所以你必须，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，你知道，他们的当前工作等等。所以我说了，看，你知道，你知道，我希望，

每一位高管领导者都能想出一个用例。

在一个季度内，这可能是一个小的用例，我不在乎它的大小，但这是一个用例，你知道，你实际上将开始使用AI和LLM。我认为这是我们也向所有客户推荐的一件事，就像你知道，一些这种自上而下的举措来强制改变，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，

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中学到了什么，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。而且还有角色，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组建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，让他们做自己擅长的事情。

当人们感到自主、有代理权时，他们做得最好。在Glean的第一年或头两年，我觉得自己作为公司CEO的主要角色是招聘人员。只是带来，建立，组建最好的团队。这就是我们遵循的文化。我们过去遵循谷歌的模式，现在在Rupert，现在在Glean。我认为这为我们服务良好。我们拥有一支令人惊叹的团队，而这支令人惊叹的团队显然能够为我们打造出一款令人惊叹的产品和一家令人惊叹的企业。

就差异而言，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。我们开发了一款更好的产品，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。这是一个成熟的市场。

而且你不需要进行类别创建。与Glean相比，我们开发了一款产品，我们从第一天起就知道我们正在开发一款没有预算的产品。因此，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。你必须找到创造这些预算的方法。Rubrik和Glean之间的第二个主要区别是

我们是公司中每一个人都会使用的最终用户产品。在Rubrik中，你知道，这是一个很少有人使用并且你实际上与他们建立了关系的产品。所以，所以，你知道，在Rubrik中，它使我们能够实际

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建立了关系的人，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，因为每个人都在使用。因此，你必须改变市场营销策略。你必须真正将产品提升到一定的质量水平，并确保它让人感觉很棒。

在你真正扩大业务规模之前。你提到你在谷歌工作过，据我了解，你当时是那里的杰出工程师。你似乎是一位非常注重技术、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，尤其是在这场AI浪潮中。你认为这与我们看到的CEO有什么不同？也许上一波浪潮非常注重产品或非常注重业务或销售。也许，这如何增强Glean的实力？

这是一个很好的问题。我认为，你知道，在初创公司中，通常情况下，你知道，公司、工程师，你知道，是那些开始创业的人，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，就像总是那样，你知道，我感觉，你知道，即使在过去的20年里，你知道，第一家初创公司的CEO总是倾向于成为技术专家，对吧？

在某种程度上。而且，你知道，很快他们就意识到，好吧，CEO的角色比开发产品复杂得多。因此，你就会找到一个真正知道如何建立业务的人。我不知道，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，但最终建立业务，你知道，

你知道，是复杂的。而且，你知道，这确实需要你能够考虑竞争、客户、战略，有时，你知道，它们可能与工程师的思维方式不符，你知道，那就是，

好吧，我可以去开发产品。但就我个人而言，例如，我总是对公司不断发展壮大时，我能否应对这种复杂性感到怀疑。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。所以我相信你能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。那么，你使用Glean最喜欢的生产力技巧是什么？你使用Glean来提高生产力的一个真正有趣和有效的方法是什么？

我的意思是，我每天都会问自己所有问题。我实际上不会ping别人。我做的第一件事就是问Glean。我这么做有两个原因。不仅是因为对我来说获得答案会更快，因为我显然喜欢不断测试我们的产品，并且我想确保它实际上是有效的。

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这样做吗？”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？什么被低估了……

你知道，这些模型如此强大，你可以在当前模型技术的基础上进行如此多的工程设计。我们总是关注这一点，嘿，模型不够智能。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

力量，你知道，你知道，当前模型实际上提供的。不仅仅是前沿模型，你知道，还有其他所有较小的模型，你知道，在开放领域。所以有很多，你知道，随着时间的推移，我们会看到很多工作。当您将工程和努力与这些模型的强大功能相结合时，你知道，可以做更多的事情。是的。电影或科幻小说中你希望存在的一种技术是什么？

好吧，我，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，或者一个问题。在我甚至必须说或说话之前，我们就将答案反馈给了它。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，我没有精力去回答。

实际上，你知道，说出来或说出来。但是，你知道，我只是，我希望有一个系统，你知道，思想可以自动转换成答案，你知道，就是这样。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。谢谢你的邀请。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。您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是由Lightspeed与Pod People合作制作的。我是Michael McNano，我们下周再见。到时候见。