Glean：大模型时代的企业内入口级产品，最了解员工的“AI同事”

作者：Kefei、Haozhen

编辑：penny

排版：Ziyu

Glean 是企业搜索和知识管理平台，因为充分利用自身积累的企业数据，积极拥抱 LLM 受到我们关注。Glean 与 100+ SaaS 应用相连接，用户可以跨应用搜索企业数据，并且针对不同用户个性化生成答案和结果。Glean 采用矢量搜索和关键词搜索相结合的方式，针对客户公司的语言和背景等为每一个客户公司训练定制化的 AI 模型，构建有关公司人员、内容和互动的知识图谱。每一个用户的搜索结果都将基于知识图谱的数据个性化呈现。此外，用户还可以在 Glean 上执行与之连接的 SaaS 应用的轻量级功能，例如在 Glean 上直接启动会议、创建 Jira 文档等等。

Glean 的跨应用搜索相当于在所有 SaaS 产品之上架了一层，用户不需要再逐一打开 SaaS 应用，在 Glean 上就可以查到企业数据，完成部分高频工作。据 Glean 部分用户称，Glean 已成为他们每天工作中打开最频繁、使用时长最长的应用，Glean 有机会成为企业内部的中心平台。如果说 ChatGPT 是互联网的新入口，Glean 则有望成为针对企业场景的入口级产品——所有 SaaS 应用的第一界面、所有员工的 AI 助手。

Glean 受到关注的原因除了积极拥抱 LLM，背后还有 SaaS 供给过剩、data 数量暴增、remote 趋势形成等因素。由于 SaaS 解决的问题越来越具体，企业采购的 SaaS 数量越来越多，企业信息和数据变得越来越分散，再加上过去几年 remote 办公趋势形成，员工沟通效率不如从前，信息传递效率也越来越低，企业知识流失严重。

LLM 的核心能力之一是分析和学习大量结构化和非结构化数据，理解其中的结构和含义，将信息转化为知识并传递给人类。在现实世界中，有熟悉各领域知识但对各领域都不精通的通才，也有在特定领域、特定场景钻得很深的专才。对应到模型的应用，我们既需要通用大模型，也需要针对不同领域和场景的模型。

Glean 是基于企业场景的专才，掌握企业内部知识。它相当于一个最了解公司情况同时又了解每位同事的关注点和偏好的助手，这是 Glean 的核心价值。除此之外，Glean 产品力极强，尤其是易用性和搜索能力。Glean 的 CEO Arvind 曾领导 Google 搜索团队，对于如何做好一款搜索产品有十分深厚的积累。2022 年 5 月，Glean 完成由 Sequoia US 领投的 1 亿美金的 C 轮融资，估值达到 10 亿美元。

Glean 有数据飞轮和网络效应，但仅限于单个企业内部。除此之外，企业搜索产品的数据和模型因不同企业而异，这样的模式并不 scalable。因此我们认为 ToB 搜索不会像 ToC 搜索一样有很明显的头部效应，企业搜索格局会相对分散。此外，Glean 还存在产品粘性不强、定价较低等问题。针对上述问题，我们也通过用户访谈，根据用户反馈抽象出一些共同需求和产品建议。

以下为本文目录，建议结合要点进行针对性阅读。

👇

01 什么是 Glean?

02 团队

03 市场与竞争

04 Thesis

05 Why Now?

06 为什么看好？

07 为什么不看好？

08 建议

09 融资历史

01.

什么是 Glean?

Glean 的产品定位是基于 AI 的企业搜索与知识管理平台，用户在 Glean 一个界面就可以完成跨应用的、个性化的搜索，更快、更准确地找到企业内部的知识和数据。

功能与产品特点

1. 搜索

Glean 产品的核心功能是搜索，亮点在于个性化、跨应用等等。

Glean 利用多维方法将矢量搜索、传统关键字搜索和个性化结合到了一个混合搜索系统中，从而提高了搜索的相关性和准确性。

• 个性化搜索

Glean 结合客户公司的语言和背景等为每一个客户自动训练定制化的 AI 模型，并构建有关公司人员、内容和互动的知识图谱。每一个用户的搜索结果会基于知识图谱数据而个性化呈现，例如不同职位、不同地理位置的员工搜索自己的 OKR 指标时，Glean 会给到每个人不同的结果。除此之外，用户可以将重要项目固定到搜索结果的顶部，用户也只能看到自己有权限查看的内容。

Source：Glean 官网

（ 向右滑动查看更多内容 ）

• 跨应用搜索

Glean 的 API 支持跨应用程序搜索，因此用户可以通过 Glean 搜索公司所有应用程序的内容。例如，用户可以在 Glean 的平台上搜索到 Slack 对话信息、Google 文档内容和 Confluence 中的信息等。

2023 年 4 月 Glean 利用 LLM 推出生成式 AI 的搜索功能，包括 AI 答案（AI answers）、专家搜索（Expert detection）和相关内容推荐（In-context recommendations）。

• AI 答案

在用户搜索的时候，AI 会基于客户公司信息自动生成一个答案以供用户参考。

• 专家搜索

用户在搜索信息的时候，可以通过点击“people”选项，寻找到与搜索结果相关的内部员工。例如，当用户想要搜索“员工数据保留政策”的时候，该用户可以用过“people”选项查找到工程安全部的相关负责人。

• 相关内容推荐

用户选中文档等某个内容资产后，可以通过快捷键 Cmd-J / Ctrl-J 查看 AI 提供的相关补充内容。例如，当用户在查看“供应商安全调查问卷”文档时，可以通过快捷键查看到“销售安全文档”、“外部安全文档”、“常见安全问题汇总”等链接。

Source：Glean 官网

（ 向右滑动查看更多内容 ）

2. 知识管理

用户可以分享和整合相关的文档或链接、使用全新简短形式的 URL 进行界面跳转等。

用户可以为各种应用程序中的文档另外添加自定义的描述文字便于他人最快了解文档并与他人共享，这些不同应用程序的文档都可以出现在用户的搜索中。

以及，任何团队都可以将相关文档和链接集中到一个集合中以便于入职和使用，例如 HR 团队可以将入职相关的文档和链接整合到一个专门的集合中，便于新员工入职时能够更快地了解和适应公司。

Source：Glean 官网

当用户采用“输入 URL”的方式进行界面跳转的时候，传统形式的 URL 往往冗长且不易记忆，但用户可以在 Glean 中创建和共享全新简短形式的 URL 进行跳转，比如 go/deals、go/pitchdeck，而且即使用户没有写出精准的 URL，Glean 也能够跳转到正确的界面。

Source：Glean 官网

3. 工作空间

Glean 首页展示了搜索入口之外，还会在首页个性化显示用户在工作过程中常用的一些功能模块，比如公司公告、公司文件资源、日历和活动等等，便于企业办公。

Glean 首页会按照用户所在部门和位置等轮播不同的公司公告，首页也展示了公司 OKR、保险、福利等政策文件和用户日历上的会议、活动等安排。同时 Glean 首页专门有一个板块提供 Glean 的个性化搜索建议、最新内容、热门趋势和用户被提及的链接等，便于用户了解团队最新动态，并及时查看和处理与自己相关的事务。

Source：Glean 官网

（ 向右滑动查看更多内容 ）

此外，用户也可以按部门、角色和位置等来搜索同事、组织结构图等来促进对团队的了解。

Source：Glean 官网

（ 向右滑动查看更多内容 ）

4. 安全性

Glean 采取了一系列的措施来确保产品的安全性。

• 例如用户可以通过运行 DLP 报告以发现过度暴露的敏感内容；

• Glean 会进行用户访问审查以执行最小特权原则，也对所有的数据都进行了安全加密；

• 用户所有的数据仅存在用户自己的 GCP 项目中；

• 用户可以自行选择本地或者云端部署；

• 用户只能访问有权访问的内容等等。

Source：Glean 官网

（ 向右滑动查看更多内容 ）

商业模式

Glean 商业模式为纯 toB 的模式，未向个人用户开放。Glean 通常为企业提供两种定价模型，一是 per-seat 的定价模型，每个 seat 每月 100 美金以内；二是针对企业级解决方案的个性化定价模型。

通常情况下，客户更倾向于采用企业级解决方案，因为性价比更高。假设给全公司员工配备 Glean，当公司规模超过 100 人时，相同人数下 per-seat 的定价就不如企业级整体定价便宜，因此许多客户最后签的都是基于企业级方案的年度合同或多年合同。据了解，年度合同金额通常在 5-10 万美金。

事实上，Glean 会给采用企业级方案的客户一些折扣，希望客户采用此模式。对于 Glean 而言，企业级解决方案有利于 Glean 在客户公司充分渗透，因为若是采用 per-seat 的定价模式，客户有较大概率按照部门进行采购，而非全公司采购，对于 Glean 而言则需要以部门为单位进行销售，效率较低。

另外，Glean 与 GCP 合作，企业客户给 Glean 支付的费用中，包含给 GCP 的费用，这部分费用相对稳定，不会随着使用人数的增长有较大改变，更像是一个固定成本，大约每个月 1,000-2,000 美金。

经营情况

Glean 早期将科技公司视为目标客户，后来更聚焦于成长期科技公司，这些公司的员工数量通常是 500-2,000 人，公司处于高速发展之中，愿意尝试新事物且快速行动。截至 2022 年中，Glean 共有 70 多家企业客户，客户包括 Confluent、Okta、Grammarly、Outreach 等。Glean 团队目前有 200 多人。

Souce：Glean 官网

02.

团队

Glean 创立于 2019 年，由 Arvind Jain（曾在谷歌工作）、Vishwanath T R （曾在微软、Facebook 工作）、Piyush Prahladka（曾在谷歌、Uber 工作）和 Tony Gentilcore（曾在谷歌工作）领导。

Source：Glean 官网

Arvind Jain 是 Glean 的 founder 和 CEO，毕业于 Indian Institute of Technology, Delhi 和美国华盛顿大学。Arvind 从小对创业有很大热情，在创立 Glean 之前，Arvind Jain 拥有科技大厂、初创公司和联合创业的经历，同时技术水平较强。Arvind 曾在 Microsoft 担任 Software Engineer，后在互联网蓬勃发展以及创业热潮中加入了初创企业 Akamai Technologies 担任了 3 年的 Architect。

在 Akamai 之后，Arvind 作为 founding engineer 加入 Riverbed Technology，积累了如何从零开始建立一家企业的经验。Arvind 性格内向，但创业公司的经历让他学会如何与客户交流，向客户销售产品。

Arvind Jain 自 2003 年起在谷歌工作了 11 年，担任 Distinguished Engineer，领导谷歌搜索、地图和 YouTube 产品团队。2014 年，Arvind 离开 Google，联合创立了 Rubrik，Rubrik 是云数据管理领域发展最快的公司之一。2019 年，Arvind 创立了 Glean。

除 Arvind 外，其他核心成员的介绍如下：

03.

市场与竞争

市场

Glean 位于企业搜索市场，根据 ReportLinker 预测，2028 年，全球企业搜索市场规模将达到 $6.9B，2022-2028 年 CAGR 为 8.3%。

企业搜索产品的目标用户主要为知识工作者，企业客户覆盖大、中、小型公司，但以大型企业和中等规模公司为主，因为随着企业越来越庞大，积累的结构化、非结构化数据越来越多，员工与员工之间沟通也越来越低效，因此企业越大对企业搜索的需求就越大。

搜索大致经历了三个阶段：

1. 第一阶段是基于关键词的搜索，用户需要输入关键词或关键词组合进行搜索；

2. 第二阶段是基于语义的搜索，用户可以输入自然语言完成搜索，且搜索的相关性和准确性和第一阶段相比有很大提升。

前面两个阶段的共同特点是，均为用户输入关键词或自然语言，搜索引擎根据相关性对搜索结果进行排序，且搜索结果为网站；

3.第三阶段，也就是现在，搜索出现了新的玩法，ChatGPT 或 Bard 等搜索的结果不再是一条条网站，而是直接提供问题的答案。Glean 属于比较积极拥抱搜索行业的变化的玩家，技术上同时提供语义搜索和关键词搜索的能力，产品上同时提供答案生成和网页排序两种形式。

企业搜索的需求非常明显和稳定，因此该赛道一直比较拥挤，主要玩家包括微软、Google、Amazon、IBM、Oracle 等大型科技企业，以及专注做企业搜索的公司，如 Coveo、Lucidworks、Glean、Mindbreeze 等，这其中有像 Glean 这样新成立的公司，也有像 Coveo 这样已经成立十几年的公司。

竞争

Glean 的竞争对手主要来自以下三方：

1. 员工现有的工作习惯

员工现有的工作习惯是 Glean 最大的竞争对手。现有工作习惯是指当员工想要查询客户数据时依然会打开 Salesforce 等 CRM 软件，查询员工数据时依然会打开 Workday 等 HR 软件，在特定软件内操作和查询。各类 SaaS 产品发展历史悠久，产品定位、品牌形象、用户心智已非常稳定，用户打开此类软件是一个非常自然的动作，并且，用户对于图形界面的操作的熟悉程度也很高，目前许多公司的员工对传统查询和操作方法的接受度依然很高。此外，还有一种情况是许多职能的员工日常所需要接触的 SaaS 软件或工具不多于 3 个，这样的员工对企业搜索就没有明显的需求。

2. 大型科技公司

Microsoft、Google、Amazon 均有企业搜索产品，分别是 Microsoft SharePoint Syntex、Google Cloud Search 和 Amazon Kendra。在 Glean 出现前，Microsoft、Google、Amazon 这三款产品为主流产品，但相比 Glean，大厂的产品有以下几个不足的地方：

• 仅支持与本公司的产品集成，如 Google Cloud Search 无法搜索到 Google 以外的其他产品的内容；

• 在冷启动时，需要专业的技术工程师手动一个个将公司内部的 SaaS 产品与搜索产品连接，并非开箱即用的状态，摩擦大，用户体验较差，冷启动时间也非常长。

3. 其他公司

早在大约 15-20 年前就有如 Coveo、Lucidworks 等公司提供企业搜索的产品，但严格来说，这类产品不完全称得上 Glean 的竞对，这类产品多为针对单个 SaaS 的搜索，或连接的 SaaS 数量十分有限。另外，它们在产品的易用性上与 Glean 相差甚远。

04.

Thesis

大语言模型的核心能力之一是分析和学习大量结构化和非结构化数据，理解其中的结构和含义，将信息转化为知识并传递给人类。在此之前，我们获取知识只能通过两种途径：

1. 自己阅读、学习、理解大量信息，从而使自己拥有知识，但人们在特定时间内通常只能学习少数几个领域的知识，带宽较窄；

2. 向特定领域的专家寻求帮助，专家为我们提供服务，并收取一定的费用，这些费用通常不便宜。向单个专家求助同样存在带宽问题，因此，当我们需要其他领域的知识和服务时，我们需要寻求其他领域的专家为我们服务。

但有了 LLM 后，我们有了第三种选择，向 LLM 寻求帮助，LLM 使知识变得更容易获得，且无论是时间成本还是金钱成本与前两个方案相比都低了很多，人人都可以获得知识。知识或将成为本轮科技创新的核心。

在现实世界中，有熟悉各领域知识但对各领域都不精通的通才，也有在特定领域、特定场景钻得很深的专才，人类对两者均有需求。对应到模型的应用，今天大家熟知的 OpenAI 的 ChatGPT、Google 的 Bard 都属于通才，但从人类需求来看，我们还需要各个领域的专才，比如金融、教育、法律、医学、财务等等，也需要理解不同场景和任务的专才，比如工作场景、家庭场景等。

我们可以看到，科技巨头都已经纷纷进入通用领域，通用领域目前来看不是创业公司的机会。创业公司的机会在于专业领域和特定场景，因为此类场景需要广泛而深入的专业信息和insights，对数据的筛选难度比通用模型更大，门槛也更高，需要有专业领域的知识和 know-how，才能做深。这些都不是巨头们的强项。

因此，我们可以围绕着“专才”这个 Thesis 进行投资，企业搜素就是其中一个机会。企业搜索是基于企业场景的专才，掌握着企业内部的大部分知识。它相当于一个最了解公司内部情况的同事，并且它还了解每个人的关注点和偏好，是一个既了解公司情况又能和每个人高效沟通的同事。以上是我们关注企业搜索的核心逻辑。

05.

Why Now?

1. SaaS 供给过剩，Information Overload，企业信息散落在各处。

过去十几年，云的渗透带动 SaaS 应用爆发，再加上大量资本的流入，SaaS 供给过剩，SaaS 从 all-in-one 到单个 SaaS 产品解决单个具体问题，导致企业信息散落在数十个 SaaS 应用中，再加上过去十几年数据量的爆炸，搜索企业信息和企业数据变得非常困难。

员工搜索企业数据需要思考去哪个 SaaS 里找，再输入关键词搜索，或通过多次点击，才能找到自己想查询的数据。因此，有一个连接所有 SaaS 软件的统一的搜索入口变得十分必要。

2. Remote 降低员工沟通效率。

远程办公及混合办公的趋势使员工之间沟通效率降低，在此前，员工有任何问题都可以在线下面对面询问同事，涉及到操作的部分同事也可以手把手教。但当工作场所变到线上后，员工沟通摩擦系数变大，沟通变得不再那么方便。

06.

为什么看好？

1. 中心平台

Glean 的跨应用搜索相当于在所有 SaaS 产品之上架了一层，用户无需打开 SaaS 应用，在 Glean 都可以搜索到散落在 SaaS 应用中的信息。再加上工作空间的功能，许多用户表示自己在 Glean 能完成大部分的事。

举个例子，Glean 可以访问用户日历和会议安排，并显示在 Glean 的工作空间页面，并且它不仅能显示会议时间，还能为用户提供会议链接，用户可以直接在 Glean 上启动 Google Meet 等会议，也可以在 Glean 上看到所有和会议相关的文件。再比如用户可以在 Glean 上创建 Jira 文档，给 Salesforce 表单里的某位客户发送邮件，还可以在 Glean 的工作空间页面看到 Slack 里的公司公告等等。一切都可以在 Glean 操作，很多使用 Glean 的用户没有动力再去打开其他应用，Glean 已成为他们每天工作中打开最频繁、使用时长最长的应用，因此我们认为 Glean 未来有机会成为企业员工工作的中心平台。

2. 赛道领先玩家，产品力强

尽管 Glean 创立的时候，市面上已经有许多企业搜索玩家，但像 Glean 这样产品力和搜索能力极强的公司只有 Glean 一家，导致在潜在客户心里，Glean 没有同级的竞争对手，部分客户甚至没有与其他供应商沟通，从始至终只关注到 Glean 这一家公司。Glean 口碑很好，NPS 达到 9 分，并且我们看到较多用户推荐和口口相传的现象，在产品力和用户心智上领先同赛道其他玩家。

• 产品力

Glean 在产品上的核心竞争力主要体现在易用性。对于客户公司而言，冷启动使用 Glean 只需要 1-3 天，且不需要任何的工程或技术人员，而使用其他供应商的企业搜索产品则需要大约 3 周的时间，且需要企业内部工程团队。区别在于 Glean 与 100+ 主流 SaaS 软件相连接，开箱即用，不需要客户在工程方面进行任何操作，而其他产品要么集成的 SaaS 的数量太少，要么只提供搜索工具，客户需要自己手动与 SaaS 应用相连接。这是 Glean 的客户认为 Glean 独一无二的核心关键点，也是他们采用 Glean 的核心原因之一。

除此之外，Glean 的易用性还体现在产品设计上。强大的产品力是 Glean 能吸引客户和留住客户的关键。

• 搜索能力

Glean 的另一个核心竞争力是搜索能力。根据用户反馈，Glean 是企业搜索赛道唯一一个真正做到个性化的产品。Glean 会追踪用户浏览的页面以及用户操作（仅包括集成和授权的应用），用户使用 Glean 的时间越长，Glean 积累的个性化的用户数据就越多，搜索结果越个性化、越懂用户、越准确。

据调研，Glean 的搜索能力远超其他竞争对手，这也促成了较好的用户体验和较高的留存率。并且由于使用时间越长，Glean 就越懂用户，用户一旦使用 Glean 之后，切换至其他同类产品的意愿并不强。

3. 先发优势，数据飞轮，网络效应

大模型自动生成答案的新型搜索方式给搜索行业带来一定影响，但未来无论何种方式，拥有数据的公司会有一定优势。Glean 在上一代企业搜索中率先跑出来，有较好的客户数据积累，在其他竞争对手还在为了数据跑马圈地的时候，Glean 已经是一个数据容器，数据飞轮可以迅速转起来，在新一轮竞赛中有先发优势。

另一方面，我们看到 Glean 有一定的网络效应，不过是在单个企业内部形成网络效应。如果一个企业有部分员工使用 Glean，那么不使用 Glean 的员工就比使用 Glean 的员工少看到很多企业内部信息，工作和沟通效率也比使用 Glean 的员工低，迫使大多数员工主动选择使用 Glean。

网络效应可以通过一组数据体现，当企业刚开始使用 Glean 时，企业内部的使用率大约只有 20-50%，但是在半年之后，这个数字会变为 50-80%。网络效应目前多限于企业内部，但我们也看到一些客户将上游供应商和下游客户也纳入 Glean 的系统，开始形成外部网络效应，但由于公司隐私和合规问题，即使有外部网络效应，边界依然很明显，不可能和 to C 社交 app 一样形成非常广、非常强的网络效应。

4. 团队

Glean 团队是企业搜索赛道里相对突出的团队。CEO Arvind 曾领导 Google 搜索团队，为 Glean 带来很强的背书。许多客户表示，愿意和 Glean 合作或多或少是因为 Arvind 的 Google 搜索经历，让客户对 Glean 充满信心。

另一方面，Glean 整体人才质量很高，尤其是管理层、产品团队和销售团队。他们早期非常积极主动地去触达潜在客户，执行力和推动力非常强，很多客户表示在和 Glean 谈判之前和谈判过程中，没有关注过其他竞对，没有和其他公司做 POC，因为在接触 Glean 之前没有听说过企业搜索产品，因此如果公司不主动触达，客户也许永远不会自己去查找这样一款产品。

此外，许多客户表示他们对 Glean 团队印象非常好，很多琐碎的事情 Glean 核心管理层都亲历亲为，对用户的需求和建议也快速反馈和调整，尤其是产品细节的迭代和 integration 速度非常快，这令客户印象深刻。

07.

为什么不看好？

1. 粘性不强

Glean 对于用户本身有很强的粘性，属于用户一旦进去就很难再出来的产品。但是单个用户、单个员工并不是最终的付费者，企业才是最终的付费者，但对于企业而言，Glean 这样的产品并非必需品。

一方面，Glean 里的数据并非仅沉淀在 Glean 中，例如销售数据最终还是沉淀在 Salesforce 里，因此严格意义上来讲，Glean 并没有数据沉淀；

另一方面，Glean 与企业收入不直接相关，仅是提效工具。因此，Glean 粘性不强，尤其是在经济下行期，Glean 注定会是企业软件中最先被企业砍掉预算的一类产品。

2. 定价问题

我们认为 Glean 定价过低，限制了收入的天花板。目前 ACV 仅 5-10 万美金，且对于不同规模的企业价格区分度不高，针对大型企业的定价较低。再加上产品粘性和刚需程度不够强，后面提价并不容易。我们调研下来，每年提价 5-10% 是客户可接受的范围，再高则会切换至其他产品。定价模型限制了收入规模。

3. 行业格局分散，单个企业天花板不高

由于企业搜索的数据飞轮和网络效应都仅限于单个企业内部，企业搜索不会像 ToC 搜索一样有很明显的头部效应，企业搜索行业格局会相对分散。

并且企业搜索无论是数据还是模型，都因不同企业而不同，摩擦系数很大，不太 scalable。因此即使一家公司是行业 top1，所占的市场份额也不会特别大，企业天花板不会特别高。

08.

建议

我们认为 Glean 未来可以寻找新的切入点，增加产品 feature，拓展产品线，提高订单金额。并且，开发新场景还可以达到的一个目的是，如果 Glean 拥有 3-4 个高价值场景及功能，那么当企业想要砍掉 Glean 时，就得额外购买其他 3-4 款产品，如果能够达到这样的效果，Glean 的粘性将会大大增强。关于新场景和新功能，我们认为有几个方面值得关注：

1. 员工入职场景

我们认为员工入职场景是 Glean 有机会扩展新产品的一个关键切入点。我们没有针对具体产品形态的建议，之所以强调员工入职场景是因为这是除了搜索和工作空间以外，Glean 的又一个似乎已经自然产生 PMF 的场景。

我们在调研过程中发现，员工入职这一时间点是大部分用户与 Glean 交互的最频繁的时间点，单日使用时长也最长，因为新员工初入企业可以通过 Glean 全面了解公司信息，且效率很高，因为他们可以不局限于向熟悉的同事请教问题，Glean 就像是一个很详细的公司指南。甚至有几家客户企业采购 Glean 的真正原因就是为了优化员工入职流程，尤其是 remote 之后。

因此我们认为 Glean 可以借助新员工入职这一场景开发一些新的产品和功能。

2. 更主动的“建议”功能

在用户访谈过程中，许多用户提到自己对 Glean 的期待是希望它能在被动的、静态的搜索之上加入主动的、动态的建议或提案功能。

例如主动提醒用户每天的任务的优先级，比如在开会前主动将与会议相关的文件和信息推送给用户等等。Glean 基于搜索和知识管理系统，已经积累了非常多的用户和企业数据，如果添加主动建议功能，产品功能上会更闭环，并且现在的技术已经能支撑这一功能的开发，如果 Glean 把主动建议这一 last mile 走完，用户体验和用户粘性会得到极大的提升。

3. 其他

其他建议还包括：

• Glean 应该继续更激进地与更多应用集成；

• Glean 可以从产品设计上想办法让用户把重要 data 沉淀在 Glean，且只沉淀在 Glean，而不是 Salesforce 或其他地方还存放着同样的数据等等。

09.

融资历史

Reference

1. Startup Field Guide 访谈 Arvind Jain：ttps://www.youtube.com/watch?v=qv9rpp40o3s

2. Fortt Knox 访谈 Arvind Jain：https://www.youtube.com/watch?v=AJ22j6W5DMk

3. Lisette Sutherland 访谈 Arvind Jain ：https://www.youtube.com/watch?v=8AIRZPD0tmI

延伸阅读

Replit：“人人可编程”的探索者，代码生成时代的Figma

Discord和它的中国“学徒”们

Inworld：AI NPC能否将《失控玩家》的游戏体验带入现实？

Scale AI：大模型还需要数据标注吗？

Runway：AI Native Tools工厂，视频生成领域的字节跳动