Transcription
[掌声] 各位听众，大家好，欢迎收听 No Priors。本周我们采访的是 Glean 的首席执行官兼联合创始人 Arvin Jane。Glean 是一个由人工智能驱动的企业搜索和知识管理平台，它不仅能让你访问公司可能拥有的所有不同的内部文档、Slack 消息和其他内容，还能通过使用不同的应用程序来提高工作场所的生产力。
除此之外，在加入 Glean 之前，Arvin 拥有非常辉煌的职业生涯。他联合创办了 Rubric。他早期在 Google 工作，在那里从事搜索工作，以及其他一些项目。因此，我们今天非常高兴能请到他。Arvin，欢迎来到 No Priors。
谢谢你们的邀请。
我对此感到非常兴奋。嗯，我认识你很多年了，而 All 认识你可能比我还要早 15 年。嗯，你是一位非常出色的连续创业者，在 Rubric 和 Glean 都取得了成功。嗯，我想从问你关于搜索开始。嗯，你一直是搜索领域的专家，你知道，在它变得流行之前。很长一段时间，感觉它没有被解决，但也没有那么有活力。
嗯，由于 LLM 的出现，搜索在多大程度上发生了变化？
我从事搜索工作已经将近 30 年了。很长很长的时间。范式已经完全转变了。我想说，搜索很长一段时间以来一直是静态的。它是一种基于关键词的范式，你知道，人们提问，你找到词语，然后在文档中查找它们，然后将它们呈现给用户。
但是 LLM 完全改变了它，你知道，它实际上对搜索做的最重要的事情是，它让我们能够真正深入地理解用户提出的问题，同样，它也让我们能够非常深入地理解一个文档是关于什么的，你实际上可以概念上地将人们的问题与正确的信息匹配起来，这给了我们更多的力量，它不再脆弱了。我认为它已经成为一项基础性技术，真正将搜索发展到你现在看到的这些新体验，你知道，你可以远远超出仅仅为最终用户提供一些链接，而是真正深入理解他们的问题，并利用你拥有的知识直接为他们解答。
如果我没记错的话，Glean 最初是在更传统的搜索领域起步的，然后随着这些基础模型和 LLM 的出现，你真的改变了你对所提供功能集以及你处理事物方式的看法。你能多谈谈你是如何开始构建这些系统的，以及它是如何转变的，然后你又是如何将新的用例映射到其中的，因为你现在实际上是一个非常有趣的平台，可以在组织内部以各种方式使用，围绕他们拥有的信息语料库。但我只是想听听技术转型，你是怎么想的？它是什么时候发生的？我认为你真的以一种非常有意义的方式经历了它。
我想说我们时机很好。所以，你知道，我们开始考虑在 2018 年底构建 Glean，并在 2019 年初创办了公司。有趣的是，那时 Transformer 技术已经出现，全世界还没有谈论它，但在像 Google 这样的搜索团队中，我们看到了嵌入式技术的强大功能以及它如何从根本上改变搜索。所以我们有幸能够实际看到这一点。
我们产品的第一个版本实际上已经使用了 Transformer 进行语义匹配，你知道，我们还没有这些术语，没有人称之为向量搜索，你知道，我们还没有 RAG，这些术语还没有被发明出来，或者生成式 AI。所以，我们在内部称之为嵌入式搜索，这是我们开始时的一项核心核心技术。
所以你实际上非常早就开始使用了。是的，而且你知道，你看，当时的模型不像现在这么强大，你知道，我们开始使用 Google 开放在域中发布的 Bird 模型，该模型是在互联网的所有数据和知识上训练的。然后我们会采用这些模型，然后为我们的每个客户，我们会为他们的业务内容构建自定义嵌入，然后这将为搜索的语义部分提供动力。
但请记住，你知道，搜索作为一种技术，过去几年在嵌入式和向量搜索方面有很多关注，但那实际上只是构建一个好的搜索系统的一部分，因为你想到一个企业，想象一家已经存在了几十年的公司，他们有海量的信息分散在许多不同的系统中，很多信息已经过时了，你知道，因为它是很多年前写的。所以当你构建一个搜索产品时，仅仅说我将理解人们的问题，我将通过语义或概念上匹配用户正在询问的内容来匹配它，这还不够。你还需要解决其他问题。你必须实际选择今天正确的信息，最新的信息，具有一定的权威性，你知道，某个主题的专家写了这份文档。你必须做所有这些其他事情，才能真正挑选出正确的知识并将其带回给人们。
所以，我们开始以那种形式和形态构建产品。它实际上是一个非常不同的产品，以前没有人真正将企业搜索作为一个问题来解决。事实上，我记得有趣的是，即使我刚从一家成功的公司（Rubric）出来，你知道，我们取得了很好的成功，我认为人们并不真正想投资于企业搜索，或者投资于我，因为这个问题并不令人兴奋。它传统上是一个非常糟糕的问题，对吧？
所以有所有这些搜索引擎，我记得早期 Google 时代，它有点像一个企业搜索引擎，我记得它似乎是基于挪威的。有很多尝试。很多尝试，但没有成功。你为什么认为它没有成功？因为它感觉像一个糟糕的市场。它就像一个墓地，你知道，所有尝试解决这个问题的公司都失败了。
部分原因在于，我认为在企业中搜索是一个难题，即使是获取你想要搜索的所有数据也是一个大问题。在 SaaS 出现之前，这是一个巨大的问题。你无法进入那些数据中心，弄清楚服务器在哪里，存储系统在哪里，尝试连接其中的信息。这是一个巨大的挑战。
所以 SaaS 实际上解决了这个问题。所以，你知道，像大多数搜索产品，大多数公司都始于 SaaS 出现之前，它们失败了，因为你就是无法构建一个即插即用的产品。但 SaaS 实际上允许你构建一些东西，你知道，我的见解是，你知道，企业世界已经改变了。我们现在有了这些 SaaS 系统，SaaS 系统没有版本，所有客户都拥有相同的版本，你知道，它们是开放的，可互操作的，你可以通过 API 访问它们并获取所有内容。我觉得最大的问题已经解决了，那就是我可以轻松地将所有企业信息和数据汇集到一个地方，并在其之上构建一个统一的搜索系统。所以那实际上是一个很大的突破。
所以这是这些连接器和 API 的兴起。所以你正在使用 Google Docs 而不是旧式系统，或者使用 Slack，或者使用这些现在提供数据访问或底层内容的新工具。你们一定还记得 Google Search Appliance。
那种需要持续将你的数据吸收到硬件设备中才能进行搜索的想法是荒谬的。那是一个挑战。你知道，搜索，顺便说一句，Glean 的起源是这样的，在 Rubric，你知道，我们遇到了这个问题，你知道，我们发展迅速。我们在 300 个不同的 SaaS 系统中拥有大量信息，但没有人能在公司里找到任何东西，人们在我们的脉搏调查中抱怨。我一直在我的初创公司中进行这些调查，所以这是一个向我提出的抱怨，我必须解决它。所以我试图购买一个搜索产品，我意识到没有什么可以买。我的意思是，这真的是 Glean 作为一家公司如何开始的起源。
所以那是一个大问题，你知道，SaaS 使连接你的企业数据和知识到搜索系统变得容易。所以这实际上使我们能够第一次构建一个即插即用的产品。但也有很多其他进步。你知道，一个就是，你知道，你看，你知道，企业拥有如此多的信息和数据。一个有趣的事实是，我们最大的客户之一拥有超过 10 亿份公司内部文档。
现在听着，你知道，当我和 El 在 2004 年在 Google 工作时，整个互联网实际上是 10 亿份文档。你知道，企业内部的内容爆炸式增长。所以你必须构建可扩展的系统，而在云时代之前你无法构建这样的系统。我会花所有时间来构建那个可扩展的分布式系统，你知道，我们现在不必这样做了，这要归功于所有伟大的云技术。
当然还有 Transformer，你知道，那是我们拥有的真正的大突破，你知道，那就是我们可以更深入地理解企业信息，而且在企业中比在网络上更有必要。在网络上，即使你没有很好的语义理解，你也可以从人们的行为中学到很多东西，因为你知道，你有十亿人来使用你的产品。在企业中，你没有这种奢侈。所以你必须通过其他技术来弥补用户信号的不足，而 Transformer 就是其中之一。
听起来你觉得结合了更传统的 IR 和搜索技术以及嵌入式技术是很相关的。你认为这会持续下去吗？你想要定制的基础设施或信号，比如新鲜度和权威性，或者模型最终会做什么？
是的，我的意思是，总是有这样的想法，你知道，模型将拥有近乎无限的上下文窗口，你可以把一切都给它们，它们可以自动弄清楚。但我不认为我们已经接近实现这一点了。我给你举个例子。
假设模型正在模仿人类智能，对吧？所以它们实际上越来越能够像我们人类一样工作。但是作为一个人，你知道，想象一下，如果我给你一个问题，然后我说，嘿，这里有所有东西，你知道，完全没有组织地给你一大堆，比如一百万份文档，让我们想象你有记忆力和速度，但仍然感觉像是一件非常复杂的事情，很难理解信息，比如，信息是乱序给你的，你知道，我给你一份今天的文档，一份四个月前的，一份三个月前的，然后又是一份两天前的。如果我以一种没有组织的方式给你信息，那么作为一个人，你将很难对其进行推理。
所以我们以同样的方式看待模型。你需要做大量的工作，并将信息以某种有组织的方式呈现给模型。那时它们才能更好地阅读信息，进行推理并给你答案。当然，你知道，你可以随着时间的推移给它们更多，但仍然，你知道，你如何为它们提供正确的信息很重要。
现在你有了这个信息语料库，对吧？你基本上聚合了公司所有的内部文档，这本身对于搜索来说就非常有用，但你也沿着构建应用程序的路线前进，以不同的方式构建应用程序。你能多谈谈这一点吗？你现在看到的一些常见用例是什么？
所以我们开始的愿景是构建一个工作生活中的 Google。但是随着模型的发展，这些推理和生成能力。所以首先，它改变了我们的产品，我们新的产品 Glean Assistant，它看起来和感觉更像 ChatGPT。所以，而不是我提问然后看到一堆链接回到我这里，现在你和 Glean 对话，你提问，它就像 ChatGPT 一样工作。你来提问，它将利用全世界的知识，以及你公司内部的所有数据和知识，以安全和保密的方式使用它，你知道你是谁，以及你在公司内真正可以使用哪些信息来回答你的问题。
所以，这就是我们产品的第一步进展，你知道，我们从一个 Google 演变成一个看起来更像 ChatGPT 的东西，一个更强大的 ChatGPT 版本在你公司内部。当你构建这个 Glean Assistant 时，你可以把它看作是一个你提供给公司每个员工的个人助理。它是一个工具，你知道，它是你的副手，你知道，它随时可用，帮助你处理任何问题或任务。它将利用你公司的所有上下文和数据来帮助你处理你的工作。
但是，你知道，企业实际上更感兴趣的不是这个，而是如何用 AI 改变他们的公司，如何处理那些他们花费大量资金的特定业务流程，以及如何用 AI 引入自动化。所以，在代理成为热门话题之前，你知道，每个人当然都在构建代理，但在去年早些时候，当代理还没有兴起时，人们就向我们询问，嘿，我们需要使用你拥有的这个数据平台构建更多精心策划的应用程序。
例如，人力资源团队会来找我们说，你看，我们喜欢 Glean Assistant，人们来这里问关于福利、休假政策等等的问题，而且它效果很好。但有时它会使用未经授权或未被批准的内容。如果有人来问与人相关的话题，我们希望 Glean 只使用我们人力资源团队创建的精心策划的内容，我们希望它以一种特定的方式行事，特定的语气，以及所有这些。所以，这是我们去年开始收到的一个请求，你知道，我们能否为不同的用例创建更多特定于功能的、精心策划的体验。
所以我们开始构建它，我们当时没有称它们为代理，我们称它们为应用程序。现在，当然，你知道，人们认为它们更像是代理，因为这不再仅仅是提问和获得答案，而是你想要这些特定的功能体验来取代一个业务流程，这还包括为一些工作，你知道，不仅仅是回答问题，而是实际在这些系统中完成一些工作。
Arvin，当你谈到访问正确的数据和正确的权威性时，这也引发了关于访问控制的问题，对吧？在一个像 Glean 这样的平台中，当你拥有所有这些非结构化数据时，这似乎要复杂得多。你对这个问题的总体立场是什么，或者你认为它未来将如何运作？
嗯，你看，企业信息在某种意义上是受管制的，并且受到保护。你知道，大多数公司内部的知识，我应该说，90% 的知识在某种程度上是私有的，在你公司内部，对吧？你可能有一份文档对你来说是私密的，或者你与其他人共享了。但这就是企业知识的本质。这就是它的基本运作方式。
你不能构建一个企业内部的模型，然后将你公司所有内部数据和知识倾倒进去，然后让整个公司都能使用这个模型，因为如果你这样做，你就是在泄露信息，你知道，在你公司内部，你让工程团队中的某个人看到敏感的东西，而这可能只有人力资源团队应该看到。
所以，你在公司内部构建的任何 AI 体验都必须从根本上考虑安全性、治理和权限。这就是我们在 Glean 所做的。所以，当我们连接到你企业内部所有这些不同的系统时，你知道，如果我们索引了 Google Drive 中的某个文档，或者 Slack 中的一次对话，我们也会跟踪谁可以访问这些信息。
这是根本性的，你知道，通过我们的平台进行的任何数据访问都将匹配，你知道，用户必须登录，我们将只允许他们使用他们有权限的信息。这是解决问题的重要方面，你知道，除非你有这样的基础设施，否则你无法在你的设备内部安全地推出 AI。
我从研究搜索的人那里学到了很多，尤其是大规模搜索，因为你会遇到各种奇怪的用户行为。所以，与你关于我们个人助理团队的想法有关，你看到终端用户在使用 Glean 或 AI 方面的哪些行为是你认为我们应该做得更多的？对吧？你知道，我总是对 Google 的人告诉我关于导航搜索的行为感到非常惊讶，以及有多少是一词查询，或者流行的查询是什么，以及那些模式。所以我敢肯定你看到了 Glean 和 AI 的超级用户。
对我来说最大的惊喜之一是，我一直认为我们正在构建一个非常直观的产品，你知道，它几乎没有用户界面，你知道，只有一个框，你提问，你输入搜索，然后呢？有什么大不了的？为什么需要学习如何使用它？
我们意识到，随着我们添加越来越多的自然语言功能，以及你能够提出一个非常长的问题，你知道，一段长的指令，我们意识到人们不会这样做。你知道，我认为过去 20 年来，每个人都被训练成输入一两个关键词，就像 Google 教我们的那样，关于搜索能做什么。
所以，在搜索方面，我们从来没有遇到过这样的问题，你知道，我们发布了一个产品，立即获得了高使用率，没有人对如何使用产品感到困惑。而对于助理，人们不知道该做什么。有些人更有好奇心，他们会问我们无法回答的各种问题，例如，有人说，嘿，我生活中应该做什么？
所以，我只是回到这一点，这是关键的学习之一，即 AI 对大多数人来说实际上是非常不直观的。你必须以一种渐进的方式向他们展示这些功能，你知道，比如一些对他们日常工作更有意义的事情。例如，如果我是一名工程师，你知道，有时会提示用户，比如，你可以了解一项新技术，我现在可以为你创建一个两页的教程。你必须理解，你知道，人们的核心工作是什么，然后你必须给他们这些提示，让他们开始尝试并对使用 AI 感到兴奋。
事实上，我还要补充一点，很多时候，你知道，AI 让企业感到兴奋，你知道，他们有很多钱可以花在 AI 上，但他们也在询问投资回报率。你知道，我将进行所有这些投资，回报是什么？我将获得哪些效率提升？或者我能为我的业务带来哪些收入增长？有很多关注点。我认为经常被忽视的是教育，因为你知道，世界正在改变。
想象一下，你知道，三年后你醒来，你是某个大型企业的 CEO。你希望在你的员工队伍中看到什么？你实际上希望看到受过训练、以 AI 为先的人，你知道，他们是专家，他们知道如何利用 AI 的优势，因为这是一项困难的技术，你知道，它并不完美，并不容易。它会犯错误，会产生幻觉，但它仍然很强大，如果你成为专家，你可以用它做很多事情。
今天的目标应该是，你知道，作为领导者思考 AI，你如何为人们提供工具，激励他们将 AI 融入他们的日常工作中？
你在 Google 早期、创办 Rubric，现在又创办 Glean 并经营它，拥有了非常辉煌的职业生涯。在经营 Glean 时，有什么是你没有预料到的吗？因为你在 Rubric 已经达到了如此大的规模，做了如此了不起的事情，Glean 有什么困难或意想不到的事情是你没有预料到的？
从产品方面来说，对我来说最有趣的事情之一是，将产品推广给我们的客户有多么困难。我们与 Rubric 有着非常不同的旅程，你知道，在 Rubric 中，我们处于一个成熟的市场，有预算，有资金，你必须用新技术取代旧技术。
在这里，我们处于一个我们没有预算的市场。企业购买搜索产品的概念并不存在，每个人都认为，是的，这是一个重要的问题，但它不是我业务优先事项中的一个项目。它是一种维生素，一种止痛药。人们没有它也能生活。
嗯，是的，这确实是真的。我的意思是，你没有你没有的东西也能生活，你知道，这是按定义来说的。所以我们遇到了很多挑战，我们不得不进行大量的宣传，才能让那些想要成为创新者的人做出那个大胆的决定，并购买他们不习惯购买的产品。所以这是第一部分，你知道，你必须为这个市场创造市场，这实际上很困难。
第二，也是非常有趣的一点是，你知道，我们的产品实际上运行良好，你知道，它进行了很好的搜索，让人们找到东西。但后来我们开始从企业那里听到这样的声音：哦，我害怕好的搜索。我不想在我的公司里有一个好的搜索产品，因为我有所有这些治理漏洞，我到处都有敏感信息，你知道，现在人们正在发现这些东西。
例如，我们发布了，你知道，人们发现了其他人的薪水，你知道，在我们的一位客户那里，有人发现了一份敏感的并购文件，你知道，或者还没有发生的事情。然后你开始，你知道，人们实际上非常害怕拥有好的搜索。所以我们不得不，你知道，这很有趣的挑战。我们在这方面做了一些很好的工作，使其安全可靠，但你知道，你没有良好的治理，现在，你知道，我们无法销售，因为产品太好了。
这似乎是 LLM 能够帮助解决这个问题，对吧？在分类文档和显示“嘿，这个可能很敏感，你想保护它吗？”等方面。
是的，事实上，你说得完全正确。你知道，所以我们实际上被迫去构建它。我们被迫超越尊重各个系统的权限，去了解你是谁，你在问什么，你是否有权提出问题，或者你知道，当信息回来时，它是否感觉足够安全，我们可以向你展示。
所以我们实际上，你知道，在这方面，我们实际上最终成为了一个安全产品。许多公司实际上购买我们来修复他们数据和系统的治理，并为 AI 做好准备，为 Glean 搜索产品做好准备，也为所有其他可以在企业内部购买的 AI 产品做好准备。所以那实际上是一段非常有趣的旅程。
但对我个人来说，你知道，在 Rubric，我实际上不是 CEO，我作为公司创始人之一负责研发。而在这里，我不得不学会如何成为一名 CEO，而且我认为我还没有学会。你知道，这是一个持续的挑战和学习过程，因为从根本上说，我仍然是一名工程师，我所做的一切，你知道，那是我的思维方式。所以，从那里成长为一个大型企业，你知道，这是一个我正在经历的个人转型。
我认为有一件事很引人注目，那就是从市场推广的角度来看，你们一直专注于大型企业，对吧？你提到了其中一些企业数据需求。很多人总是想做 PLG，而你们确实做了一种自上而下的销售，并且取得了巨大的成功。你们已经做了两次了，对吧？因为 Rubric 显然也是如此。你能多谈谈什么时候适合做大型企业直接交易，而不是 PLG 模式，以及你在构建企业时是如何考虑的？因为我认为这非常独特，而且大多数人做不到。所以我很好奇你是如何考虑何时做以及如何做的。
坦白说，当我们开始的时候，我的梦想是做 PLG。我是一名工程师，我希望公司拥有工程师，然后产品能在网上自己销售。谁不想这样？这是我们的一种愿望。
但问题是，你知道，我们的产品，它本质上是一个公司范围内的产品，你知道，我们不能向公司内的某一个人提供产品，即使是一个人，你知道，他们的搜索需求需要我们搜索他们整个公司的信息。所以这很昂贵。你必须索引公司所有的数据和知识。所以我们从来没有过这样的概念，即我们可以将其提供给公司内的一两个人或十个人。所以我们被迫在结构上以这种方式构建，即它是企业级的，你知道，我们向公司内的每位员工推广产品，这使得它具有成本效益。
但是，你知道，回到你的问题，我认为公司现在更喜欢的方法是，他们将 PLG 视为潜在客户生成，你知道，通过企业销售模式进行培育和扩展。所以对我来说，正确的配方是，你知道，如果我有一个选择，我会同时开始这两种模式。我会说，你看，你知道，在最初的三年里，我将专注于 PLG，然后稍后引入企业销售，因为你实际上会错过很多东西。时机总是很重要的，所以你必须同时开始这两种模式。
Arvin，我们谈过的一件事，我觉得一定很难。这个市场的先例并不好，对吧？我们稍微讨论了一下原因，你知道，你觉得你真的在内部看到了这个问题，并且理解在 SaaS 和基于 API 的集成方面已经发生了一些架构基础的变化。但仍然，我认为这是一个关于给创始人或加入你这样初创公司的建议的问题，何时应该同意“这是一个糟糕的市场”的先例，或者你如何看待这个问题？
我将分享几点。首先，我认为作为工程师，你知道，首先总会有疑虑，你知道，你越看先例，你最终越有可能扼杀自己的想法。有很多，你知道，有时一切都尝试过了。是的。是的，一切都尝试过了。所以，你知道，很多事情都失败了。我认为对于任何一个想法，你知道，都有 10 个原因它不会成功。当你开始深入细节时，有时一个更简单的做法会很有帮助，你知道，那就是，嗯，有一个问题，你知道，你和人们交谈，他们有这个问题，他们感到痛苦，这清楚地意味着没有人真正解决这个问题，你知道，痛苦确实存在。然后就不要再深入细节了，去做吧。事情会随着时间推移而解决。
所以，至少对我来说，这实际上很不寻常。我本身就是工程师出身，你知道，我天生就喜欢质疑，我的脑子里有很多自我怀疑。所以我不知道当我开始 Glean 时发生了什么，因为你知道，所有人都说，你知道，不要这样做，但不知何故他们做不到，你知道，他们无法阻止我。我只是觉得这是一个令人兴奋的问题。
你知道，我知道世界上每个人都有这个问题，你知道，即使在 Google，这也是一个大笑话，你知道，我们内部总是，你知道，我们都在花所有时间让人们更容易找到东西，但我们自己却很难在 Google 内部找到任何东西。所以，我想我不知何故找到了那种信念。我有点懒惰，不愿意深入细节，看看所有那些先例，然后只是，你知道，只是去做，去解决它。我的意思是，我认为这就是我们在这个特定案例中取得成功的原因。
我认为 Glean 有三个重要的组成部分，它们都结合在一起，你之前提到了，对吧？有一个是你作为自己公司的运营者所识别出的需求，而且正如你所说，这可以追溯到 Google，这是一个需求，我所谈过的每个公司都一直想构建搜索和目录以及所有这些东西。
第二件事是连接器和 API 的兴起，在大家都在使用的现有企业软件的背景下，这样你就可以更容易地提取数据。第三件事是基础技术的重大转变，对吧？搜索能力的转变，这些基础模型，这些嵌入式等等。
考虑到后两者，你是否还识别出其他重大的机会，可以让你继续努力，这些机会突然又变得可行了？
目前，我们的重点仍然是我们拥有的两个核心产品。你知道，我们公司的想法是，我们拥有一个非常强大的终端用户 AI 助手，它能帮助每个人以不同的方式工作。然后我们有一个代理平台，你可以用它将 AI 注入到你的每一个业务流程中，让它们变得更好，更有效率。我认为我们正在向客户做出巨大的承诺。
我们向客户描述和推销产品的方式如下：你知道，来 Glean，提出任何问题或给我任何任务。Glean 将利用世界上所有的知识和你公司内部的所有数据和知识，以安全和保密的方式回答你的问题或完成你的任务。但实际上，我向你承诺，Glean 会做一切。你不再需要工作了。
我们离实现我刚才提到的那个目标还有很长的路要走。我认为我们必须正确地理解知识。我们必须，你知道，挑选出正确的信息，丢弃旧的信息。我们有，你知道，那里有太多的挑战。有太多的问题。人们谈论幻觉是 AI 模型的一个大问题。我们觉得，对我们来说更大的问题甚至不是幻觉。问题在于，你知道，大多数时候你甚至找不到正确的信息。有时它不存在。人们在提问，但没有人写下来。有时，你知道，我们无法在海量信息中找到正确的那个，你知道，我们选择了错误的东西。所以有很多挑战。我认为我们将长期致力于解决这个问题，而且我也不认为我们会有任何需要做其他事情的愿望。你知道，仅仅解决这个问题本身就是一个巨大的成功。
所以，我们将专注于这两个产品。但是，我们也，你知道，谈论一下未来的愿景。我认为我们所有人的工作方式，大家都普遍认为 AI 将改变一切。AI 将改变人们的工作方式。AI 将改变企业的面貌和感觉。你知道，你未来拥有的劳动力是什么样的。
一件将从根本上发生的事情是，我们每个人都将拥有一支令人惊叹的团队，你知道，你可以称之为助手、同事、教练，它们对你来说是真正个性化的。你知道，你总是被这个团队包围着。这个团队了解你的一切，你的工作生活，你今天需要做什么，它会主动帮助你，为你完成 90% 的工作，并帮助你变得更好，你知道，在你的工作中，成为一名教练。
这就是我们将要生活的世界。你知道，今天有些人已经生活在这个世界里了。你知道，例如，作为一名 CEO，你有机会拥有这一切。你有助手、你的参谋长、你的高管团队、你的教练。但在未来，无论你的职位有多高，这都将是我们所有人都会拥有的东西。你可能是一名刚毕业的新人加入劳动力队伍。这就是我们正在努力解决的问题。我们正在努力为每个人构建那个令人惊叹的个人团队，这将使我们所有人成为 10 倍的增长。这只是不断发展我们的 Glean Assistant 产品并使其随着时间的推移变得越来越好的一种自然延伸。
是的，Arvin，非常感谢你今天加入我们。是的，太棒了。有趣的有趣的问题。很高兴见到你。同样。
在 Twitter 上关注我们 @no prior pod。如果你想看到我们的脸，请订阅我们的 YouTube 频道。在 Apple Podcasts、Spotify 或任何你收听播客的地方关注本节目。这样你每周都能收到新一集。在 no-priers.com 注册电子邮件或查找每集节目的文字记录。[音乐]