Glean公司的创始人兼CEO、前谷歌杰出工程师Arvind Jain做客CXOTalk，讨论了当下AI初创企业所面临的机遇与现实。Glean是一家估值近50亿美元的企业AI公司，早在GenAI成为主流之前，就率先在企业环境中实施了Transformer技术。

针对初创企业创始人：

• AI热潮如何使融资变得更复杂

• 为什么在基础模型上进行构建会带来新型的技术和商业风险

• 在拥有无数AI初创企业的市场中脱颖而出的策略

• 当AI能力每周都在进化时，维持创新的挑战

针对企业采购方和CXO：

• 在一个拥挤的市场中如何评估AI初创企业供应商

• 了解初创企业在第三方AI模型上进行构建时存在的风险

• 为什么一些资金充足的AI初创企业尽管技术强大但仍可能无法生存

• 评估哪些AI能力应该自建与购买的框架

Arvind Jain凭借他在谷歌担任高管的独特视角和作为当前AI初创企业创始人的身份，为我们提供了对2025年构建和购买AI技术真正差异的实用见解。

节目透过炒作现象，为AI市场的双方——那些构建解决方案和进行投资的人——提供了实用的指导。

无论你是正在筹集资金的创始人，还是正在做出数百万美元AI投资决策的首席高管，本次讨论都提供了一个至关重要的视角，帮助你在当今复杂的AI生态系统中导航。

Michael Krigsman：我们今天在CXOTalk的节目中，与Glean公司的创始人兼CEO Arvind Jain讨论AI初创企业。他曾是谷歌的杰出工程师，后来创办了并带领网络安全公司Rubrik上市。Glean已筹集6亿美元资金，估值接近50亿美元。

Arvind Jain：Glean是一家企业AI公司。你可以把它想象成是谷歌或ChatGPT，但它存在于你的公司内部。这就是我们所做的。

Michael Krigsman：你可以说是最早进入“AI”或“AI原生”公司的那批人了，你是帮助我们了解当今AI初创企业情况的最佳人选。

Arvind Jain：当然。我认为我们是第一家将Transformer技术引入企业的公司。我们从中获得了大量的宝贵经验，六年前我们就成为了一家原生的GenAI公司。

Michael Krigsman：AI公司已存在六年。这远早于ChatGPT和OpenAI所引发的营销热潮。

Arvind Jain：没错。当时“GenAI”这个词还不存在，但为GenAI提供动力的核心技术——Transformer——已经存在，我们在2019年初就开始使用它们来理解企业数据、知识和信息，使用AI将其深入剖析，然后使公司内部的人员都能搜索到这些信息。

Michael Krigsman：你能描述一下AI与传统技术初创企业之间的区别吗?

Arvind Jain：首先，无论是初创企业还是成熟企业，我认为AI都已成为一种必须使用的核心基础工具，因为它是保持领先地位、构建全新且令人惊叹事物的方式。实际上，我认为这就是我对今天所有初创企业的看法;你可以将它们都称为AI初创企业。

然而，另一种看待这个问题的方式是，看看是否有一些公司正在构建核心基础技术。例如，他们正在构建模型和基础设施来训练模型。也许这是一类公司。

但如今正在起步的绝大多数AI初创企业都是思考如何解决业务问题的公司。在这个消费者问题中，他们认为AI以及新的推理和生成能力将在他们将要构建的产品中发挥重要作用。

但像我们这样生活在AI世界中，我与许多初创企业有过接触，并且我从未见过任何一个没有将AI作为其核心技术栈重要部分的初创企业。

Michael Krigsman：随着AI的成熟，人们更加清楚地认识到，正如你刚才所描述的，AI必须支持AI初创企业所要解决的某些业务问题，而AI技术是这些初创企业的核心。那么，与传统的软件公司相比，这些公司的区别是什么?后者同样在解决业务问题，但其技术基础截然不同?

Arvind Jain：AI技术发展得非常快。它以非常快的速度变化。当你考虑产品开发时，新的AI初创企业首先非常精简。他们实际上能够做很多事情，因为软件编程、使用AI构建系统，这些事情在AI时代到来之前变得更加容易。

从我的角度来看，当你考虑正在发生的投资时，实际上大部分来自风险投资的资金都流向了那些将AI作为自己故事重要部分的公司。

我可以将其与两年前才开始起步的公司与今天的公司进行比较。它们之间的关键区别在于思考这种新模式，你可以真正构建出比以前所能想象的更加强大、更加功能强大的产品。

但是，从公司建设的角度来看，我认为初创企业就是初创企业。我们是一家AI公司，当我将它与我之前创办的初创企业进行比较时，我想说，我们所做的大部分事情都没有改变。我们仍然需要考虑核心业务问题。

我们必须弄清楚我们将如何解决它，如何构建出色的技术以及团队，然后将这些技术带给我们的客户。我个人有这种感觉，是的，AI正在成为我们技术栈的重要组成部分，但从根本上讲，我们构建和设计公司的方式并没有改变，除了一件事可能除外。

你有时会听到一些公司说，现在有了AI，你实际上可以拥有一人公司却能创造10亿美元的收入。你在新一代公司中看到了这一点。你看到一些AI公司以比以往SaaS公司无法达到的速度增加收入。

我经常读到这样的例子：一家初创公司在成立后两个月内就实现了2000万美元的收入，或一家公司在第一年内的收入就达到了1亿美元的年化水平。在AI时代到来之前，这些事情在很多方面都是不可能的。

但考虑到你可以多么快速地构建产品，以及它们与当前市场上的产品相比可以多么不同，这使人们能够以与上一代初创企业不同的速度和水平实现规模扩张。

Michael Krigsman：Arvind，你刚才提出了一个非常有趣的观点，即AI初创企业如何用相对较少的人创造如此多的收入。是什么因素使这项技术和围绕它发生的初创企业能够实现这种现象?

Arvind Jain：首先，你可以构建出功能非常不同于现有产品的产品，例如，当你考虑软件开发时，有些公司提供新的开发环境，这些环境可以让开发人员的工作效率提高五倍。

这些产品所带来的功能上的巨大飞跃，在市场上为它们创造了即时的兴奋感。这些新的编码工具，即使对于我们这家原生的GenAI公司来说，我们每天都能看到这一点。

人们只是想使用这些工具。从底层开始就有对这种新型AI产品的巨大需求。人们对这些AI产品充满了喜爱。这太令人难以置信了。我认为，这就是它们能够将产品推向市场、实现产品驱动增长的原因，于是人们纷纷涌入，想要使用这些产品。我认为，这很大程度上是由这些全新的、令人惊叹的能力以及软件所做的事情——这些事情是人们以前没想到它能做到的——所驱动的。我认为这是最大的一部分，它创造了兴奋感，然后产生了即时需求。

但另一个让这些公司在短时间内取得成功的原因是，当你使用这些新工具时，软件开发本身也得到了极大的加速。你可以构建出比当前市场上现有的产品功能更加强大的产品，而且你可以在短时间内完成。你可以在一个月、两个月内构建出令人惊叹的东西，这在以前可能需要一到两年的时间。这是另一个缩短这些公司成功周期的因素。

Michael Krigsman：工具带来了巨大的兴趣和市场需求，同时也显著提高了开发者的生产力。这样说对吗?

Arvind Jain：对。没错。

Michael Krigsman：我们收到了一个来自LinkedIn的有趣问题，这是Santhosh Siruvole提出的，他问的是谁在使用并支付AI服务?

Arvind Jain：AI已经吸引了所有人的注意。现在，世界上没有任何一家企业认为可以过几年再考虑AI。大家都知道，如果想保持竞争力，就必须立即拥抱AI。从高层希望将AI引入企业的愿望出发，我们现在看到的是，人们有两种不同的方式将AI引入公司。

一种是CIO，CIO显然有责任为企业全体员工引入合适的技术。他们正带头引入广泛适用、有用的AI产品。

比如，在Glean，这也是我们的主要目标用户。因为Glean是一款知识获取工具。人们使用Glean，提出问题，我们会迅速利用所有的企业背景、数据和知识来回答这些问题。

这是一个每个知识工作者都会用到的工具，无论你是工程师、支持人员，还是HR、IT或销售人员，我们都有需求。我们都有问题。我们都认为AI能为我们完成一些任务。它是一个广泛的工具，CIO通常是购买这类公司范围工具的人。

但与此同时，每个职能部门的领导也都在关注。如果你是支持部门的负责人，如果你是CTO，你想确保你的工程师和开发者能高效地使用AI。如果你是销售人员，销售部门的负责人，你想确保你正在使用现代的方式来接触客户，与他们进行强有力的互动，每个职能部门的领导都在考虑和评估AI工具，并将它们引入企业。

这是一个非常广泛的现象，整个行业、各个垂直领域、各个地区都在进行。我经常在世界各地出差。我看不到任何不重视AI的公司或国家。真的是这样，每个人都在把AI引入他们的企业。

Michael Krigsman：这遵循了传统的企业软件采购流程，因为你刚才描述的，有IT和CIO，同时还有职能业务部门领导：HR、市场营销等。

这两个群体都在关注AI产品，我猜想这与你之前所说的核心问题紧密相关，那就是要解决的业务问题。

我们收到了一个来自LinkedIn的非常有趣的问题。请继续提问。我们还有一些Twitter上的问题，我们会一一解答。

Richa Varshney问，你们的产品如何解决AI伦理、越狱、提示泄露以及AI透明度和可解释性风险?我想提一下，Isha是Freddie Mac风险系统开发部的资深总监，当然，金融服务业对这些话题非常感兴趣。

Arvind Jain：Glean是一款企业级AI解决方案。我们与不同行业领域的众多知名企业合作。我们与金融服务行业有很多合作，这些风险都是真实存在的。我认为，AI是一项非常强大的技术。它既是创新的源泉，也可能被一些人用来制造安全问题。

在推出这项技术时，你必须非常小心，确保它以安全的方式推出，而且确保这项技术是无偏见的，并且它所做的都是你认为在你的企业环境中安全的事情。

我给你举一些在安全方面需要解决的问题的例子。使用AI的关键之一在于，如果你想让它对你的企业有用，你必须使用基于公共网络数据构建的语言模型。

它们并不真正了解你的企业和信息、数据。你必须想办法将这些企业背景与这些语言模型的强大功能结合起来，而且要以安全的方式。例如，如果你训练模型，并将你所有的企业数据和知识与该模型连接起来，那么现在公司里的任何人都可以提问，这将会向没有权限访问这些信息的人泄露大量敏感数据，因为企业数据和知识本质上是私有的。

比如，某个文档在公司里可能只有几个人有权限访问。你不能将企业内容全盘用于训练或构建任何AI系统。你构建的任何AI系统都必须了解正在使用该系统或软件的人是谁。

你如何确保AI只使用这个人有权在公司内部使用的信息，并创造那些安全、可靠的AI体验?这是我们在Glean解决的一个问题。在Glean上构建的任何AI代理，你都必须以员工的身份使用，并且必须登录，然后它会确保我们为你所做的任何事情都是基于你可以访问的知识和信息。

Michael Krigsman：让我们看看Twitter上Arsalan Khan的问题，他问，你认为AI会变得像即插即用那样简单，即使对非技术型的企业员工来说也是如此吗?让我们其他人使用起来也更加方便。

Arvind Jain：当然。我很有信心，也很希望这会成为现实。我认为，当AI变得易于使用时，它的真正力量才会显现。你可以像商业用户一样使用AI。你不需要了解如何编码、如何构建系统或成为一名工程师。

例如，假设你是法律部门的员工，你每天都要审阅合同。这是一个非常耗时的过程，你应该能够对AI说，看，这就是我审阅合同的方式。这是我遵循的流程。

你应该能够对AI系统这样说，然后AI就应该为你识别并自动化这个特定的业务流程。AI必须真正变得像这样易于访问。我们的代理平台做的就是这件事。

我们实际上真的在考虑如何让这项技术变得超级易于访问。确保无论你是谁，你可能在HR、财务、法律等部门，你不需要了解AI的工作原理、什么是语言模型。你不需要担心这些。你需要的是与AI协同工作，就像与一个真正聪明的人一起工作一样，你可以让他们帮你完成工作。你只需要告诉他们这项工作应该如何进行。

然后AI就会为你完成。这就是你将会看到的模型。市场上将要成功的任何AI代理平台都将具有这样的特性。你必须提升这些系统的能力。你必须使它们对非技术用户更加友好。

而且我还要补充一点，人们寻求AI帮助的程度并不如你预期的那样。我们都有习惯，我们做事的方式都是我们自己的方式，或者我们在考虑是否应该以不同的方式做这项任务时会有很多惯性。

人们并没有这样想。大多数情况下，你甚至没有时间思考是否应该改变你的工作方式。而且，AI不仅要简单易用，你需要能够随时召唤它并让它为你完成工作。

AI还必须跟随你，主动找到你，并说，看，我注意到你每天都在做这项工作，并花费两个小时来完成它，我可以帮助你。当AI做到这一点时，你才会真正看到人们会大规模地接受这项技术。

Michael Krigsman：我期待着那一天的到来，因为我可以告诉你，我每天都在使用大型语言模型，而且我会使用多个语言模型和不同的模式，包括研究和非研究等。这很大程度上取决于你使用的模型。它似乎与一天中的时间、月相、你如何构建你的提示有关，而整个过程简直太麻烦了。

Arvind Jain：是的，这确实很难。今天并不容易。顺便说一下，你正在使用的可能是我说过的最容易上手的工具之一。你只是像用自然语言一样与系统对话。是的，你可以在这里或那里进行一些选择，但这会变得更容易，这也是我们的工作。

在Glean，我们所做的事情之一是，我们不是一家LLM(大型语言模型)公司。我们并没有在构建和训练这些基础模型，但是，我们的目标是从业务用户的角度考虑，看看我们如何确保行业内正在发生的所有创新，以及如何让它对你更加友好和便捷?我们要让事情变得简单，对我来说，AI的工作模式应该是就像一个从你公司第一天就存在的智能人类一样。

他们了解你公司的所有事情。他们认识所有人。他们阅读过所有文件，他们参加过每一次会议，现在他们准备24小时为你提供帮助。你只需要告诉他们你想要什么，他们就会为你去做。当AI在企业中真正创造价值时，这就是正确的模式。

Michael Krigsman：Greg Walters说，Glean看起来像是不同数据库之间的粘合剂或连接器。你认为这个功能将来会不再需要吗?

Arvind Jain：企业环境非常复杂。如今，任何大型企业都有数千个系统、数据仓库、数据库、非结构化数据仓库、文档等。

AI的真正魔力在于，当你有权访问所有这些不同系统中的所有信息时。也许我认为事情肯定会变得更简单，因为从长远来看，AI会变得越来越聪明，越来越能够连接到所有这些不同的系统。

我们在Glean做的很多事情，比如实际连接到这些不同的企业系统，需要我们做很多艰苦的工作。但随着时间的推移，我期待这会变得更容易。是的，我认为如果复杂性不会消失，那么AI就没有做好它的工作。

Michael Krigsman：Dave Brace在LinkedIn上问，非确定性代理系统是否有可能在企业中真正证明自己值得信赖，以及企业领导是否可以信任像Glean这样的产品来每天做出数千个业务决策?

Arvind Jain：AI是非确定性的。它也可能出错。它可能会产生幻觉。在某种程度上，人类也是如此。如果你有问题，你去问别人，他们有时没有完整的背景信息，他们会给你一个答案，它可能是错误的，或者是不完整的。

我认为要记住的一件根本性的事情是，这些AI系统实际上更像人类，而不像以前那样像机器。那么现在你必须弄清楚我该如何使用这项技术?这不是完美的。这可能会出错。

我该如何信任它来完成我的关键任务，在这些任务中精确度是绝对必要的?作为企业，你可以考虑一些不同的策略。有很多工作不需要精确度，也有很多工作需要创造力，而这正是这项技术已经非常擅长的地方。

但是，当你考虑需要精确度的任务时，AI实际上可以以几种不同的方式使用。一是，假设有一个业务流程。现在你要识别那个业务流程。你要将其自动化。你要让AI理解那个业务流程，并提出一个计划，提出一个工作流程来实际执行那个业务流程。

当你以这种方式使用AI时，你会让AI实际上为你构建那个代理，它可能会出错。你应该在那里，去监督它，要求它调整它的工作，手动修复、编辑它。

在与AI的这种协作中，你实际上是在编码和构建那个代理，那个工作流程。但现在这个工作流程是确定性的。你在它上面投入了一些精力。AI帮助你非常快速地构建了这个工作流程，但你完全掌控着它。

你在监控它。你已经让它进入了一个状态，现在，正如我所说，它是确定性的，现在这个业务流程可以实际运行，并且没有问题。你不需要全自动化。你实际上可以与AI一起工作，并在一开始投入一两个小时的时间。

但现在你将拥有数年的自动化，而且它不再是非确定性的。你要把它想象成一种技术，它允许你做伟大的事情，你不必依赖AI在幕后做出复杂的决策。你实际上可以一开始就与它一起工作，并用它构建系统。

Michael Krigsman：你描述的内容本质上是我们经常听到的“人在回路中”这一说法。是的，那么在这个阶段，作为工具而不是……我在LinkedIn上看到Greg Walters说，AI替换旧标准应用程序的真正魔力。

Arvind Jain：让我们举一些例子。我们最初谈到的是一名审查合同的法务人员。现在如果你得到一份一百页的客户协议，你可能需要一到两周的时间才能真正去审查它，并确保所有条款和条件都符合你企业的要求，并且你需要对这份文件进行标记修改。

你可能会说，我不信任AI来为我做这件事。这是相当敏感的东西。但让AI来做标记修改的第一版，它会做得很好。如果你告诉它你是如何做的，你把它告诉AI，它会完成90%的工作。

如果它完成了90%的工作，现在你可以根据自己的背景和知识对其进行微调并完成剩余的工作。那个原本需要两周的任务，现在实际上你只需要一天就能完成。这是非常大的进步。你不必追求百分之百的自动化，并完全从任务中解脱出来。

如果有90%的效果，我就很满意了，这对业务来说是一个巨大的影响。

Michael Krigsman：这是来自LinkedIn的Gursharan S.的问题，他问在大型企业的功能中，哪些代理正在创造最大的价值。如果能在工业AI的背景下给出例子就更好了，我应该提到Gerran是一名在金属采矿行业工作的AI产品经理。在企业的功能中，哪些代理正在创造最大的价值?

Arvind Jain：今天，AI在企业中的三大顶级用例如下。第一个是通用知识、访问和辅助。你是一名知识工作者。你可能在医疗保健、金融服务或工业部门工作。

你有问题需要答案。你有信息需要完成你的任务，你使用AI来帮助你。像ChatGPT这样的工具，或者像Glean这样的工具，它们在你的公司内部，只是通用工具。

它们不是为了特定的用例而设计的。它们基本上是知识工具。它们帮助你从世界或你的企业中获取信息，使其对你可用，以便你可以更快地完成任务。这是今天AI的首要用例。

这并不奇怪，因为这场革命是由ChatGPT催化的，当人们想到AI时，这是他们想到的应用程序。第二个用例，我会说是软件开发，这围绕着代码生成，比如开发者的任务，比如你如何构建系统，开发技术正在随着AI而发生根本性的变化。这是一个非常强大的用例。

那里有很多纠正。然后第三个我会说是服务。当我说服务时，我是指那些实际上接受问题、投诉、来自客户或内部员工的任务的人。

他们是客户服务团队、内部IT帮助台、HR帮助台人员，他们正在为其他人的请求和需求提供服务，将你的公司的数据知识用于自动化这些互动中的很多部分，这是很大的用例。

从功能上讲，这是三个顶级应用，我认为在垂直行业中，这是我们正在看到的。我会举一些客户服务方面的例子。我们有这些大型电信公司，他们每天有5万甚至10万名客户服务人员。

他们正在从客户那里获取问题需要快速回答。如果你让这些交易的速度加快一倍，那么这些团队将节省数亿美元。这是今天AI一个非常强大的用例。

对于Glean，我们已经谈过了软件开发。我们在工业部门、零售业有大型企业，你们正在从根本上改变你们如何使用AI来更快地构建系统，对其进行测试、审查代码、故障排除。

这些也是跨行业的用例。

Michael Krigsman：这是来自Twitter上Arsalan Khan的提问。他说，AI或许能够自动化标准操作流程，但那些存在于人们头脑中的机构知识呢?他还说，这是不是个重大的就业保障问题?

Arvind Jain：如今，即使借助Glean，AI已经能够挖掘出大量的机构知识，从而创造出类似ChatGPT的强大体验，在那里你可以提出问题，并利用这些机构知识来回答问题。当你思考机构知识时，它实际上以几种不同的形式存在。

你的公司内部有文档，人们会在里面写东西。你有票务系统。你有数据库、CRM系统。每一个不同的系统内部都蕴含着大量的知识财富。

但除此之外，电子邮件或Slack等沟通工具中也蕴含着大量的知识。越来越多的企业正在改变行为方式，以便捕获越来越多的机构知识。其中的一个例子是，如果两个人要实际交谈并举行会议，那么他们应该记录这次会议，或者至少记录下会议内容的摘要，并将其提供给AI，以便将来可以加以利用。

我认为，这些都是你今天就可以做的事情。我们捕获所有这些形式的机构知识，以便让它们作为个体为你所用，并为你提供帮助。这就是我们的驱动力。

我们公司的人们也更愿意捕获这些信息。例如，我们现在会记录所有非一对一的会议。比如，员工和经理之间的机密会议，我们不会记录。但如果是关于技术讨论，或者是关于完成某些工作的会议，我们通常会进行记录，以便将来所有的这些数据都可以提供给AI，帮助我们。

但现在回到你的第二个问题，这是否真的会产生就业保障问题?我认为，作为个体，你确保自己保持相关性的策略是，去学习AI。这些工具非常神奇。

不要把AI看作是会从你手中夺走工作的东西。我不认为AI有那么强大。我不认为它会对大多数人这样做，但你肯定会在与那些知道如何使用这些AI工具并以比你更快、更好的方式工作的人竞争中失去优势。

我认为我们作为个体需要做的是这样。一直以来都是这样。当新技术出现时，那些拥抱它们、迅速学习它们的人会脱颖而出。

Michael Krigsman：我认为这是一个非常重要的观点，我当然也会给人们同样的建议，即你必须学习如何使用AI来使自己变得更快、更好、更高效，而且会有很多工作被取代。如果你在听，而且你没有这么做，嗯，我假设如果你在听CXOTalk，那么你正在这么做，但请告诉你的那些可能不那么走在前沿的同事。给他们这个建议。这是个好建议。

让我们回到初创公司的话题，我们有一个来自Twitter上关于初创公司的直接问题，这是Gus Bekdash的提问，Arvind，对于那些创建AI企业的人来说，你有什么建议?很多人在选择平台将会接手从而使其公司变得不再相关的问题上犯了错误。

Arvind Jain：我实际上并不认为，首先，如果你开始一家公司，如果你开始解决一个问题，而你会因为其他人，比如一个在位者或大公司，先于你解决这个问题而失败，作为一个企业家，你必须要有坚定的信念，认为自己能够比大公司更快地解决这个问题。

大公司总是有很多事情需要担心。它们在结构上并不是设计成能够比你作为一个灵活、早期的初创公司移动得更快。我实际上并不同意人们会犯这个错误的前提。

大多数初创公司失败是因为人们放弃了，因为你对自己的想法失去了信心，你没有足够的信念，因为如果你有一个真正的问题，你有权利去解决它，而且竞争对你来说并不重要。

话虽如此，我要补充的是，作为创始人，你选择问题的正确策略是什么?我喜欢选择的问题，首先，它们是显而易见的。如果你去和五个人交谈，他们不会和你争论这是不是一个问题。

我认为，如果你和前五个人交谈，而他们并没有给你明确的答复，那么就有问题了，你需要在你的想法上再多下点功夫。要达到无论你和谁交谈，他们都会同意你正在解决一个真正重要的问题的程度。

而且我还喜欢解决那些对很多人都有影响、有更大影响力的大问题，因为这将会为你创造更多的机会。即使有其他几家公司也在解决同样的问题，你仍然可以挖掘出一个庞大的市场，与他们一起获得成功。

然后随着时间的推移，如果你做到最好，你就会像其他人一样取得胜利。我要补充的最后一点是，不要想出一个你觉得我只需要使用AI就能解决这个特定任务的想法。

想想如果它很容易构建，那么其他人也可以构建它。那么你就没有真正增加价值。AI应该只是你解决这个问题的工具箱中的一个工具，但要确保你正在构建的东西是有实质内容的。

Michael Krigsman：有这么多公司正在围绕模型构建包装器。随着这些模型提高其能力，这类公司之间会出现整合吗?

Arvind Jain：如果你是一家初创公司，而且你的核心竞争力是一个大型语言模型(LLM)的一小部分，那么你很快就会变得无关紧要。你必须明白，我来告诉你我们在Glean的做法。我们知道，我们的产品的工作原理是，我们实际上与市场上所有存在的LLM合作，无论是来自OpenAI、Anthropic、Google还是Meta的LLM。

还有很多来自开源的元素。我们与所有这些元素合作。我们的工作模式是我们将使用这些LLM提供给我们的所有能力，并将这些能力带给我们的客户。

但我们还将确保我们在那个平台之上构建了一个非常深厚的技术堆栈。随着LLM的发展，当它们实际上添加了我们自己构建的一些能力时，那实际上会让我们抛弃我们自己构建的东西，而LLM提供商已经可以为我们做到这一点，然后我们必须继续沿着价值链向上移动。这就是我们选择的模式。

弄清楚你的定位，并最大限度地利用行业中正在发生的创新，但要在其上构建一个重要的层次，以便你可以使这项技术为你的客户所用。

Michael Krigsman：鉴于基础模型对你的业务至关重要，你是如何管理AI如此快速发展这一事实的?同时，在这些底层能力不断变化的同时，你是如何平衡业务的稳定性和产品方向的?

Arvind Jain：我们别无选择。你必须利用行业中正在发生的快速创新，否则你就会落后，而且你必须从根本上改变你的执行模式。

当我们开始Glean时，我们从根本上理解了我们从开源和云技术中可以获得什么，然后你可以制定你的路线图，并制定一个一年的路线图。但这不再是今天的工作方式。

现在，技术每个月都在变化。我们不得不从根本上改变我们的架构。我们改变的一件事是，因为我们没有年度或季度规划流程，所以我们切换到了月度规划流程，以决定我们如何构建我们的技术。

因为每个月都有新的东西要看，你必须迅速适应。我们还添加的另一件事是，这个概念是弄清楚你每个月要抛弃什么技术。这是构建科技初创公司的一个新的基本方式，那就是，如果你坚持使用你多年来构建的技术，你就会变得过时，因为你两年前构建的所有技术很可能现在已经过时了。

而且你必须不断思考这种执行模式，不仅要思考要构建的新东西，还要非常积极地思考你需要抛弃的东西，并利用行业中的创新来替代它。

Michael Krigsman：我们再来看看来自Twitter的Arsalan Khan的另一个问题，他问，由于大多数AI和数据都是用英语或中文创建的，你认为创业公司是否也应该关注非英语或非中文?这是否会造成数字鸿沟?

Arvind Jain：首先，内容是用许多不同的语言创建的。是的，英语在某些方面占据主导地位，但是也有很多不同语言的系统和内容。我认为AI今天让它成为可能的是，它实际上可以帮助你构建具有全球性质的产品。

今天，你更容易创建一个可以带给世界各地客户的产品。用AI你可以更容易地将产品本地化。你可以让它在日语、韩语、印地语和所有不同的语言中更快地工作。

这是AI的核心能力之一。但是在偏见和数字鸿沟方面，确实如此，并且这种情况一直存在，甚至在互联网上，甚至在AI出现之前，当你使用谷歌搜索信息时，由于英语主导了世界上的知识来源，所以总是存在这种偏见，对吧?

这是一个很好的问题。这是一个问题。我不知道如何解决它。随着AI变得越来越强大，你如何确保它考虑了每个人的观点，获取了所有的知识?

我认为我应该补充的一点是，我们今天有了更强的AI能力，能够以更轻松的方式处理甚至非数字化的内容。希望在这方面有一些好消息：你可以比以往任何时候都更容易地使用不同语言的数据、知识和内容，有了AI。

Michael Krigsman：现在我们来谈谈初创公司，从企业买家的角度来看，这当然是初创公司生命周期中非常重要的一部分。如果你是一家企业初创公司，对于评估AI初创公司，你有没有建议或框架可以给企业买家使用，特别是鉴于你指出的，现在每天都有初创公司在使用AI，而且炒作非常强烈?往往很难区分哪些说法是真实的，哪些不是。

我还记得传统软件公司、ERP供应商和其他企业软件公司。我必须说，从这个角度来看，20年前的情况与此没有什么不同。现在，软件公司做出了惊人的断言。IT买家和业务部门买家应该怎么办呢?

Arvind Jain：这是企业买家今天面临的最棘手的问题之一。我认为AI行业做了一些不好的事情，他们做出了大胆的断言，但却无法兑现。很容易为AI可以为你做什么创建出非常惊人的演示和视觉效果。企业买家已经意识到，当他们尝试这些产品时，这些断言往往比现实要大得多。

我想说，也许让我先退一步，然后我们甚至应该做什么?我认为你应该有一个计划，关于你如何在你的企业内推出AI。而且我觉得首先建立一个企业核心AI战略是正确的开始方式。

想想你今年想用AI做些什么。你希望AI在哪些不同的领域产生影响?你可以选择一些部门，你可以说，对于我们的工程团队、我们的客户服务团队来说，这是前两个或三个优先级，我们希望AI能够真正产生影响。

首先，在你的企业中一起构建这个路线图。如果你的CIO，或者如果你选择在企业中设立首席AI官这样的角色，让他们负责确保他们与所有不同的功能团队一起工作，并为今年制定一个理想的AI路线图。

你从那里开始。现在在供应商数量方面，不仅仅是Michael，正如你所说的，不仅仅是初创公司，实际上每一家现有的软件公司也是一家AI公司。他们都有AI产品要卖给你。我认为你必须在那里做出一些决定。

对你来说，什么是正确的策略?我们觉得，你必须控制你打算引入的AI产品的数量?这很难评估。顺便说一下，这并不容易，只是你必须花费的时间。

试图评估每一个AI产品是巨大的。你喜欢设置这些系统，让它们在你的环境中运行起来，然后测试它们，有的公司经历过这样的过程，他们花费了六个月的时间，结果却发现这东西根本行不通。

我有两个建议：第一，基本上是与较少的数量合作，不要有太多的POC(Proof of Concept，概念验证)，从几个开始，这样你就可以公正地对待它们。第二，不要仅仅依赖演示和对演示的兴奋感，你可以有一个更安全的策略，那就是对于你合作的每一个供应商，看看他们是否有成功的证明，让他们联系他们成功创造价值的客户。

我认为这很有帮助，而不是去评估，实际上是与你的行业同行交谈，看看他们在哪里取得了成功。如果你尝试了四件事，其中一件事成功了，就与其他人分享这个故事，他们也会与你分享。

这可能就是扩展的方式。也许这是在为Glean做宣传，但我们思考AI的方式是，从根本上说，企业中的所有AI都是关于处理你企业中的一些数据，使用语言模型的推理和智能能力，然后在此基础上做一些工作，你再次将这些工作保存到企业系统中。

在你的企业系统中，这些工作将被记录并保存在企业系统中。从根本上说，当你考虑所有的AI用例时，它们都是关于处理你的企业信息，然后对其应用AI，让一些神奇的事情发生。

我们为Glean选择了不同的策略，那就是我们为什么不构建一个实际连接到我们所有企业数据的系统呢?这就是Glean。现在，我们为你提供了这个平台，你可以在这个平台上构建许多这样的代理、许多这样的应用程序。

有了这种横向策略，你可以在安全治理方面做得更好，而且不必购买许多不同的产品。它更具成本效益，并允许你通过一个产品获得更多价值。

Michael Krigsman：Arvind，我再问你几个问题，有些是我自己的，有些是听众的问题，我会要求你从企业角度快速回答。关于构建与购买的决策，企业应该如何做出选择?

Arvind Jain：这是构建加购买。你必须确保你尽可能多地获得现成的技术，但你也必须记住，仅仅这些技术是不够的，以真正增加价值。你必须在这些系统之上进行构建。

Michael Krigsman：来自Twitter的一个问题。AI和LLM(大型语言模型)平台的一个大障碍是它们没有与工作流程集成。你如何看待市场的发展?

Arvind Jain：完全正确。我认为你必须构建那一层。实现这一点的关键技术之一是RAG(可能指的是某种检索与行动系统，但并非通用术语，因此直译可能不准确)，所以你获取所有的企业数据、知识系统、工作流程，然后你实际上在所有企业数据和系统之上构建了这个检索系统和行动系统。然后你将其与AI连接起来，这正是我们解决的问题。

Michael Krigsman：另一个来自Twitter的问题，CTO、CFO、COO、首席数字官，谁应该制定AI策略，首席AI官应该直接向CEO汇报吗?

Arvind Jain：这是个好主意。如果你实际上有首席AI官，让他们向CIO或CEO汇报可能是一个不错的策略，因为这是一个全公司范围内的努力。

如果你不与一个部门相关联，这在我看来实际上更好。否则，我认为不要那么死板，谁充满激情、有能力和意愿，就让他们最初来推动这项工作。

你可以随时想出一个更可扩展的方式来重新组织。

Michael Krigsman：这里有一个来自Twitter的问题，关于痛点。如果AI初创公司变得更加精简，那么较老的AI初创公司是否会处于不利地位?并且，当这些较老的初创公司因为更有效地使用AI而变得更加精简时，这对就业和劳动力有什么影响?

Arvind Jain：关于第一个问题，AI领域确实存在先动劣势，因为当技术变化如此迅速，而你的系统中又存在一些遗留代码库时，这会让你变得不那么敏捷。这就像一个新的初创公司总是拥有敏捷优势一样。

作为一个稍微老一些的初创公司，要努力现代化你的系统和堆栈，这样你就不会因为这些原因而落后。至于就业方面，我想说一件事。

我还没有看到因为AI而失业的人。我们与许多大型企业合作，为他们带来了大量的自动化和效率提升，但与我们合作的所有企业都既关心底线也关心顶线。

当他们取得一些成功时，没有人会放弃自己的团队成员，他们只是在想“我能做更多”。企业实际上在以更快的速度开发产品，他们正在完成更多的事情。

我并不太担心，我认为我要回到的一点是保持相关性。这对个人来说很重要。如果你学会如何使用AI，那么你在未来就不会有问题。

Michael Krigsman：你是在提倡保持求知欲。我不是在替你说，因为当AI带来效率提升时，如果你对当前发生的事情保持求知欲，你就能适应并应对正在发生的变化。

Arvind Jain：是的，企业非常渴望AI专家和人才。成为其中一员，我认为这对你很有好处。

Michael Krigsman：对于那些考虑创办AI初创公司的创业者，你有什么建议?

Arvind Jain：第一，坚定信念。坚持你的想法，不要放弃。第二，如果你想成功，就要准备好非常努力地工作。最后我想说，一个公司是由构建它的人组成的。专注于拥有一个伟大的创始团队，并花很多时间去寻找合适的员工。当你找到合适的人时，他们会开发出伟大的产品，他们会让你成功。

Michael Krigsman：对于迅速做出AI投资决策的CIO，你有什么最后的想法或建议吗?

Arvind Jain：关注安全，关注集中化，比如你的AI软件堆栈。我最后的建议是，尝试取得小胜利。这是我的建议。不要创建那种如果成功率不到50%就算失败的项目。迫使你的团队中的每个成员、每个部门每个季度都选择一两个AI方面的胜利，并看看效果如何。

Michael Krigsman：好的，时间到了。非常感谢Arvind Jain来自Glean公司的Arvind。非常感谢你今天抽出时间与我们在一起。

Arvind Jain：非常感谢。这很有趣。

文章来自：51CTO