Glean公司的創始人兼CEO、前谷歌杰出工程師Arvind Jain做客CXOTalk，討論了當下AI初創企業所面臨的機遇與現實。Glean是一家估值近50億美元的企業AI公司，早在GenAI成為主流之前，就率先在企業環境中實施了Transformer技術。

針對初創企業創始人：

? AI熱潮如何使融資變得更復雜

? 為什么在基礎模型上進行構建會帶來新型的技術和商業風險

? 在擁有無數AI初創企業的市場中脫穎而出的策略

? 當AI能力每周都在進化時，維持創新的挑戰

針對企業采購方和CXO：

? 在一個擁擠的市場中如何評估AI初創企業供應商

? 了解初創企業在第三方AI模型上進行構建時存在的風險

? 為什么一些資金充足的AI初創企業盡管技術強大但仍可能無法生存

? 評估哪些AI能力應該自建與購買的框架

Arvind Jain憑借他在谷歌擔任高管的獨特視角和作為當前AI初創企業創始人的身份，為我們提供了對2025年構建和購買AI技術真正差異的實用見解。

節目透過炒作現象，為AI市場的雙方——那些構建解決方案和進行投資的人——提供了實用的指導。

無論你是正在籌集資金的創始人，還是正在做出數百萬美元AI投資決策的首席高管，本次討論都提供了一個至關重要的視角，幫助你在當今復雜的AI生態系統中導航。

Michael Krigsman：我們今天在CXOTalk的節目中，與Glean公司的創始人兼CEO Arvind Jain討論AI初創企業。他曾是谷歌的杰出工程師，后來創辦了并帶領網絡安全公司Rubrik上市。Glean已籌集6億美元資金，估值接近50億美元。

Arvind Jain：Glean是一家企業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內部。這就是我們所做的。

Michael Krigsman：你可以說是最早進入“AI”或“AI原生”公司的那批人了，你是幫助我們了解當今AI初創企業情況的最佳人選。

Arvind Jain：當然。我認為我們是第一家將Transformer技術引入企業的公司。我們從中獲得了大量的寶貴經驗，六年前我們就成為了一家原生的GenAI公司。

Michael Krigsman：AI公司已存在六年。這遠早于ChatGPT和OpenAI所引發的營銷熱潮。

Arvind Jain：沒錯。當時“GenAI”這個詞還不存在，但為GenAI提供動力的核心技術——Transformer——已經存在，我們在2019年初就開始使用它們來理解企業數據、知識和信息，使用AI將其深入剖析，然后使公司內部的人員都能搜索到這些信息。

Michael Krigsman：你能描述一下AI與傳統技術初創企業之間的區別嗎?

Arvind Jain：首先，無論是初創企業還是成熟企業，我認為AI都已成為一種必須使用的核心基礎工具，因為它是保持領先地位、構建全新且令人驚嘆事物的方式。實際上，我認為這就是我對今天所有初創企業的看法;你可以將它們都稱為AI初創企業。

然而，另一種看待這個問題的方式是，看看是否有一些公司正在構建核心基礎技術。例如，他們正在構建模型和基礎設施來訓練模型。也許這是一類公司。

但如今正在起步的絕大多數AI初創企業都是思考如何解決業務問題的公司。在這個消費者問題中，他們認為AI以及新的推理和生成能力將在他們將要構建的產品中發揮重要作用。

但像我們這樣生活在AI世界中，我與許多初創企業有過接觸，并且我從未見過任何一個沒有將AI作為其核心技術棧重要部分的初創企業。

Michael Krigsman：隨著AI的成熟，人們更加清楚地認識到，正如你剛才所描述的，AI必須支持AI初創企業所要解決的某些業務問題，而AI技術是這些初創企業的核心。那么，與傳統的軟件公司相比，這些公司的區別是什么?后者同樣在解決業務問題，但其技術基礎截然不同?

Arvind Jain：AI技術發展得非?？臁Ｋ苑浅？斓乃俣茸兓?。當你考慮產品開發時，新的AI初創企業首先非常精簡。他們實際上能夠做很多事情，因為軟件編程、使用AI構建系統，這些事情在AI時代到來之前變得更加容易。

從我的角度來看，當你考慮正在發生的投資時，實際上大部分來自風險投資的資金都流向了那些將AI作為自己故事重要部分的公司。

我可以將其與兩年前才開始起步的公司與今天的公司進行比較。它們之間的關鍵區別在于思考這種新模式，你可以真正構建出比以前所能想象的更加強大、更加功能強大的產品。

但是，從公司建設的角度來看，我認為初創企業就是初創企業。我們是一家AI公司，當我將它與我之前創辦的初創企業進行比較時，我想說，我們所做的大部分事情都沒有改變。我們仍然需要考慮核心業務問題。

我們必須弄清楚我們將如何解決它，如何構建出色的技術以及團隊，然后將這些技術帶給我們的客戶。我個人有這種感覺，是的，AI正在成為我們技術棧的重要組成部分，但從根本上講，我們構建和設計公司的方式并沒有改變，除了一件事可能除外。

你有時會聽到一些公司說，現在有了AI，你實際上可以擁有一人公司卻能創造10億美元的收入。你在新一代公司中看到了這一點。你看到一些AI公司以比以往SaaS公司無法達到的速度增加收入。

我經常讀到這樣的例子：一家初創公司在成立后兩個月內就實現了2000萬美元的收入，或一家公司在第一年內的收入就達到了1億美元的年化水平。在AI時代到來之前，這些事情在很多方面都是不可能的。

但考慮到你可以多么快速地構建產品，以及它們與當前市場上的產品相比可以多么不同，這使人們能夠以與上一代初創企業不同的速度和水平實現規模擴張。

Michael Krigsman：Arvind，你剛才提出了一個非常有趣的觀點，即AI初創企業如何用相對較少的人創造如此多的收入。是什么因素使這項技術和圍繞它發生的初創企業能夠實現這種現象?

Arvind Jain：首先，你可以構建出功能非常不同于現有產品的產品，例如，當你考慮軟件開發時，有些公司提供新的開發環境，這些環境可以讓開發人員的工作效率提高五倍。

這些產品所帶來的功能上的巨大飛躍，在市場上為它們創造了即時的興奮感。這些新的編碼工具，即使對于我們這家原生的GenAI公司來說，我們每天都能看到這一點。

人們只是想使用這些工具。從底層開始就有對這種新型AI產品的巨大需求。人們對這些AI產品充滿了喜愛。這太令人難以置信了。我認為，這就是它們能夠將產品推向市場、實現產品驅動增長的原因，于是人們紛紛涌入，想要使用這些產品。我認為，這很大程度上是由這些全新的、令人驚嘆的能力以及軟件所做的事情——這些事情是人們以前沒想到它能做到的——所驅動的。我認為這是最大的一部分，它創造了興奮感，然后產生了即時需求。

但另一個讓這些公司在短時間內取得成功的原因是，當你使用這些新工具時，軟件開發本身也得到了極大的加速。你可以構建出比當前市場上現有的產品功能更加強大的產品，而且你可以在短時間內完成。你可以在一個月、兩個月內構建出令人驚嘆的東西，這在以前可能需要一到兩年的時間。這是另一個縮短這些公司成功周期的因素。

Michael Krigsman：工具帶來了巨大的興趣和市場需求，同時也顯著提高了開發者的生產力。這樣說對嗎?

Arvind Jain：對。沒錯。

Michael Krigsman：我們收到了一個來自LinkedIn的有趣問題，這是Santhosh Siruvole提出的，他問的是誰在使用并支付AI服務?

Arvind Jain：AI已經吸引了所有人的注意?，F在，世界上沒有任何一家企業認為可以過幾年再考慮AI。大家都知道，如果想保持競爭力，就必須立即擁抱AI。從高層希望將AI引入企業的愿望出發，我們現在看到的是，人們有兩種不同的方式將AI引入公司。

一種是CIO，CIO顯然有責任為企業全體員工引入合適的技術。他們正帶頭引入廣泛適用、有用的AI產品。

比如，在Glean，這也是我們的主要目標用戶。因為Glean是一款知識獲取工具。人們使用Glean，提出問題，我們會迅速利用所有的企業背景、數據和知識來回答這些問題。

這是一個每個知識工作者都會用到的工具，無論你是工程師、支持人員，還是HR、IT或銷售人員，我們都有需求。我們都有問題。我們都認為AI能為我們完成一些任務。它是一個廣泛的工具，CIO通常是購買這類公司范圍工具的人。

但與此同時，每個職能部門的領導也都在關注。如果你是支持部門的負責人，如果你是CTO，你想確保你的工程師和開發者能高效地使用AI。如果你是銷售人員，銷售部門的負責人，你想確保你正在使用現代的方式來接觸客戶，與他們進行強有力的互動，每個職能部門的領導都在考慮和評估AI工具，并將它們引入企業。

這是一個非常廣泛的現象，整個行業、各個垂直領域、各個地區都在進行。我經常在世界各地出差。我看不到任何不重視AI的公司或國家。真的是這樣，每個人都在把AI引入他們的企業。

Michael Krigsman：這遵循了傳統的企業軟件采購流程，因為你剛才描述的，有IT和CIO，同時還有職能業務部門領導：HR、市場營銷等。

這兩個群體都在關注AI產品，我猜想這與你之前所說的核心問題緊密相關，那就是要解決的業務問題。

我們收到了一個來自LinkedIn的非常有趣的問題。請繼續提問。我們還有一些Twitter上的問題，我們會一一解答。

Richa Varshney問，你們的產品如何解決AI倫理、越獄、提示泄露以及AI透明度和可解釋性風險?我想提一下，Isha是Freddie Mac風險系統開發部的資深總監，當然，金融服務業對這些話題非常感興趣。

Arvind Jain：Glean是一款企業級AI解決方案。我們與不同行業領域的眾多知名企業合作。我們與金融服務行業有很多合作，這些風險都是真實存在的。我認為，AI是一項非常強大的技術。它既是創新的源泉，也可能被一些人用來制造安全問題。

在推出這項技術時，你必須非常小心，確保它以安全的方式推出，而且確保這項技術是無偏見的，并且它所做的都是你認為在你的企業環境中安全的事情。

我給你舉一些在安全方面需要解決的問題的例子。使用AI的關鍵之一在于，如果你想讓它對你的企業有用，你必須使用基于公共網絡數據構建的語言模型。

它們并不真正了解你的企業和信息、數據。你必須想辦法將這些企業背景與這些語言模型的強大功能結合起來，而且要以安全的方式。例如，如果你訓練模型，并將你所有的企業數據和知識與該模型連接起來，那么現在公司里的任何人都可以提問，這將會向沒有權限訪問這些信息的人泄露大量敏感數據，因為企業數據和知識本質上是私有的。

比如，某個文檔在公司里可能只有幾個人有權限訪問。你不能將企業內容全盤用于訓練或構建任何AI系統。你構建的任何AI系統都必須了解正在使用該系統或軟件的人是誰。

你如何確保AI只使用這個人有權在公司內部使用的信息，并創造那些安全、可靠的AI體驗?這是我們在Glean解決的一個問題。在Glean上構建的任何AI代理，你都必須以員工的身份使用，并且必須登錄，然后它會確保我們為你所做的任何事情都是基于你可以訪問的知識和信息。

Michael Krigsman：讓我們看看Twitter上Arsalan Khan的問題，他問，你認為AI會變得像即插即用那樣簡單，即使對非技術型的企業員工來說也是如此嗎?讓我們其他人使用起來也更加方便。

Arvind Jain：當然。我很有信心，也很希望這會成為現實。我認為，當AI變得易于使用時，它的真正力量才會顯現。你可以像商業用戶一樣使用AI。你不需要了解如何編碼、如何構建系統或成為一名工程師。

例如，假設你是法律部門的員工，你每天都要審閱合同。這是一個非常耗時的過程，你應該能夠對AI說，看，這就是我審閱合同的方式。這是我遵循的流程。

你應該能夠對AI系統這樣說，然后AI就應該為你識別并自動化這個特定的業務流程。AI必須真正變得像這樣易于訪問。我們的代理平臺做的就是這件事。

我們實際上真的在考慮如何讓這項技術變得超級易于訪問。確保無論你是誰，你可能在HR、財務、法律等部門，你不需要了解AI的工作原理、什么是語言模型。你不需要擔心這些。你需要的是與AI協同工作，就像與一個真正聰明的人一起工作一樣，你可以讓他們幫你完成工作。你只需要告訴他們這項工作應該如何進行。

然后AI就會為你完成。這就是你將會看到的模型。市場上將要成功的任何AI代理平臺都將具有這樣的特性。你必須提升這些系統的能力。你必須使它們對非技術用戶更加友好。

而且我還要補充一點，人們尋求AI幫助的程度并不如你預期的那樣。我們都有習慣，我們做事的方式都是我們自己的方式，或者我們在考慮是否應該以不同的方式做這項任務時會有很多慣性。

人們并沒有這樣想。大多數情況下，你甚至沒有時間思考是否應該改變你的工作方式。而且，AI不僅要簡單易用，你需要能夠隨時召喚它并讓它為你完成工作。

AI還必須跟隨你，主動找到你，并說，看，我注意到你每天都在做這項工作，并花費兩個小時來完成它，我可以幫助你。當AI做到這一點時，你才會真正看到人們會大規模地接受這項技術。

Michael Krigsman：我期待著那一天的到來，因為我可以告訴你，我每天都在使用大型語言模型，而且我會使用多個語言模型和不同的模式，包括研究和非研究等。這很大程度上取決于你使用的模型。它似乎與一天中的時間、月相、你如何構建你的提示有關，而整個過程簡直太麻煩了。

Arvind Jain：是的，這確實很難。今天并不容易。順便說一下，你正在使用的可能是我說過的最容易上手的工具之一。你只是像用自然語言一樣與系統對話。是的，你可以在這里或那里進行一些選擇，但這會變得更容易，這也是我們的工作。

在Glean，我們所做的事情之一是，我們不是一家LLM(大型語言模型)公司。我們并沒有在構建和訓練這些基礎模型，但是，我們的目標是從業務用戶的角度考慮，看看我們如何確保行業內正在發生的所有創新，以及如何讓它對你更加友好和便捷?我們要讓事情變得簡單，對我來說，AI的工作模式應該是就像一個從你公司第一天就存在的智能人類一樣。

他們了解你公司的所有事情。他們認識所有人。他們閱讀過所有文件，他們參加過每一次會議，現在他們準備24小時為你提供幫助。你只需要告訴他們你想要什么，他們就會為你去做。當AI在企業中真正創造價值時，這就是正確的模式。

Michael Krigsman：Greg Walters說，Glean看起來像是不同數據庫之間的粘合劑或連接器。你認為這個功能將來會不再需要嗎?

Arvind Jain：企業環境非常復雜。如今，任何大型企業都有數千個系統、數據倉庫、數據庫、非結構化數據倉庫、文檔等。

AI的真正魔力在于，當你有權訪問所有這些不同系統中的所有信息時。也許我認為事情肯定會變得更簡單，因為從長遠來看，AI會變得越來越聰明，越來越能夠連接到所有這些不同的系統。

我們在Glean做的很多事情，比如實際連接到這些不同的企業系統，需要我們做很多艱苦的工作。但隨著時間的推移，我期待這會變得更容易。是的，我認為如果復雜性不會消失，那么AI就沒有做好它的工作。

Michael Krigsman：Dave Brace在LinkedIn上問，非確定性代理系統是否有可能在企業中真正證明自己值得信賴，以及企業領導是否可以信任像Glean這樣的產品來每天做出數千個業務決策?

Arvind Jain：AI是非確定性的。它也可能出錯。它可能會產生幻覺。在某種程度上，人類也是如此。如果你有問題，你去問別人，他們有時沒有完整的背景信息，他們會給你一個答案，它可能是錯誤的，或者是不完整的。

我認為要記住的一件根本性的事情是，這些AI系統實際上更像人類，而不像以前那樣像機器。那么現在你必須弄清楚我該如何使用這項技術?這不是完美的。這可能會出錯。

我該如何信任它來完成我的關鍵任務，在這些任務中精確度是絕對必要的?作為企業，你可以考慮一些不同的策略。有很多工作不需要精確度，也有很多工作需要創造力，而這正是這項技術已經非常擅長的地方。

但是，當你考慮需要精確度的任務時，AI實際上可以以幾種不同的方式使用。一是，假設有一個業務流程?，F在你要識別那個業務流程。你要將其自動化。你要讓AI理解那個業務流程，并提出一個計劃，提出一個工作流程來實際執行那個業務流程。

當你以這種方式使用AI時，你會讓AI實際上為你構建那個代理，它可能會出錯。你應該在那里，去監督它，要求它調整它的工作，手動修復、編輯它。

在與AI的這種協作中，你實際上是在編碼和構建那個代理，那個工作流程。但現在這個工作流程是確定性的。你在它上面投入了一些精力。AI幫助你非常快速地構建了這個工作流程，但你完全掌控著它。

你在監控它。你已經讓它進入了一個狀態，現在，正如我所說，它是確定性的，現在這個業務流程可以實際運行，并且沒有問題。你不需要全自動化。你實際上可以與AI一起工作，并在一開始投入一兩個小時的時間。

但現在你將擁有數年的自動化，而且它不再是非確定性的。你要把它想象成一種技術，它允許你做偉大的事情，你不必依賴AI在幕后做出復雜的決策。你實際上可以一開始就與它一起工作，并用它構建系統。

Michael Krigsman：你描述的內容本質上是我們經常聽到的“人在回路中”這一說法。是的，那么在這個階段，作為工具而不是……我在LinkedIn上看到Greg Walters說，AI替換舊標準應用程序的真正魔力。

Arvind Jain：讓我們舉一些例子。我們最初談到的是一名審查合同的法務人員?，F在如果你得到一份一百頁的客戶協議，你可能需要一到兩周的時間才能真正去審查它，并確保所有條款和條件都符合你企業的要求，并且你需要對這份文件進行標記修改。

你可能會說，我不信任AI來為我做這件事。這是相當敏感的東西。但讓AI來做標記修改的第一版，它會做得很好。如果你告訴它你是如何做的，你把它告訴AI，它會完成90%的工作。

如果它完成了90%的工作，現在你可以根據自己的背景和知識對其進行微調并完成剩余的工作。那個原本需要兩周的任務，現在實際上你只需要一天就能完成。這是非常大的進步。你不必追求百分之百的自動化，并完全從任務中解脫出來。

如果有90%的效果，我就很滿意了，這對業務來說是一個巨大的影響。

Michael Krigsman：這是來自LinkedIn的Gursharan S.的問題，他問在大型企業的功能中，哪些代理正在創造最大的價值。如果能在工業AI的背景下給出例子就更好了，我應該提到Gerran是一名在金屬采礦行業工作的AI產品經理。在企業的功能中，哪些代理正在創造最大的價值?

Arvind Jain：今天，AI在企業中的三大頂級用例如下。第一個是通用知識、訪問和輔助。你是一名知識工作者。你可能在醫療保健、金融服務或工業部門工作。

你有問題需要答案。你有信息需要完成你的任務，你使用AI來幫助你。像ChatGPT這樣的工具，或者像Glean這樣的工具，它們在你的公司內部，只是通用工具。

它們不是為了特定的用例而設計的。它們基本上是知識工具。它們幫助你從世界或你的企業中獲取信息，使其對你可用，以便你可以更快地完成任務。這是今天AI的首要用例。

這并不奇怪，因為這場革命是由ChatGPT催化的，當人們想到AI時，這是他們想到的應用程序。第二個用例，我會說是軟件開發，這圍繞著代碼生成，比如開發者的任務，比如你如何構建系統，開發技術正在隨著AI而發生根本性的變化。這是一個非常強大的用例。

那里有很多糾正。然后第三個我會說是服務。當我說服務時，我是指那些實際上接受問題、投訴、來自客戶或內部員工的任務的人。

他們是客戶服務團隊、內部IT幫助臺、HR幫助臺人員，他們正在為其他人的請求和需求提供服務，將你的公司的數據知識用于自動化這些互動中的很多部分，這是很大的用例。

從功能上講，這是三個頂級應用，我認為在垂直行業中，這是我們正在看到的。我會舉一些客戶服務方面的例子。我們有這些大型電信公司，他們每天有5萬甚至10萬名客戶服務人員。

他們正在從客戶那里獲取問題需要快速回答。如果你讓這些交易的速度加快一倍，那么這些團隊將節省數億美元。這是今天AI一個非常強大的用例。

對于Glean，我們已經談過了軟件開發。我們在工業部門、零售業有大型企業，你們正在從根本上改變你們如何使用AI來更快地構建系統，對其進行測試、審查代碼、故障排除。

這些也是跨行業的用例。

Michael Krigsman：這是來自Twitter上Arsalan Khan的提問。他說，AI或許能夠自動化標準操作流程，但那些存在于人們頭腦中的機構知識呢?他還說，這是不是個重大的就業保障問題?

Arvind Jain：如今，即使借助Glean，AI已經能夠挖掘出大量的機構知識，從而創造出類似ChatGPT的強大體驗，在那里你可以提出問題，并利用這些機構知識來回答問題。當你思考機構知識時，它實際上以幾種不同的形式存在。

你的公司內部有文檔，人們會在里面寫東西。你有票務系統。你有數據庫、CRM系統。每一個不同的系統內部都蘊含著大量的知識財富。

但除此之外，電子郵件或Slack等溝通工具中也蘊含著大量的知識。越來越多的企業正在改變行為方式，以便捕獲越來越多的機構知識。其中的一個例子是，如果兩個人要實際交談并舉行會議，那么他們應該記錄這次會議，或者至少記錄下會議內容的摘要，并將其提供給AI，以便將來可以加以利用。

我認為，這些都是你今天就可以做的事情。我們捕獲所有這些形式的機構知識，以便讓它們作為個體為你所用，并為你提供幫助。這就是我們的驅動力。

我們公司的人們也更愿意捕獲這些信息。例如，我們現在會記錄所有非一對一的會議。比如，員工和經理之間的機密會議，我們不會記錄。但如果是關于技術討論，或者是關于完成某些工作的會議，我們通常會進行記錄，以便將來所有的這些數據都可以提供給AI，幫助我們。

但現在回到你的第二個問題，這是否真的會產生就業保障問題?我認為，作為個體，你確保自己保持相關性的策略是，去學習AI。這些工具非常神奇。

不要把AI看作是會從你手中奪走工作的東西。我不認為AI有那么強大。我不認為它會對大多數人這樣做，但你肯定會在與那些知道如何使用這些AI工具并以比你更快、更好的方式工作的人競爭中失去優勢。

我認為我們作為個體需要做的是這樣。一直以來都是這樣。當新技術出現時，那些擁抱它們、迅速學習它們的人會脫穎而出。

Michael Krigsman：我認為這是一個非常重要的觀點，我當然也會給人們同樣的建議，即你必須學習如何使用AI來使自己變得更快、更好、更高效，而且會有很多工作被取代。如果你在聽，而且你沒有這么做，嗯，我假設如果你在聽CXOTalk，那么你正在這么做，但請告訴你的那些可能不那么走在前沿的同事。給他們這個建議。這是個好建議。

讓我們回到初創公司的話題，我們有一個來自Twitter上關于初創公司的直接問題，這是Gus Bekdash的提問，Arvind，對于那些創建AI企業的人來說，你有什么建議?很多人在選擇平臺將會接手從而使其公司變得不再相關的問題上犯了錯誤。

Arvind Jain：我實際上并不認為，首先，如果你開始一家公司，如果你開始解決一個問題，而你會因為其他人，比如一個在位者或大公司，先于你解決這個問題而失敗，作為一個企業家，你必須要有堅定的信念，認為自己能夠比大公司更快地解決這個問題。

大公司總是有很多事情需要擔心。它們在結構上并不是設計成能夠比你作為一個靈活、早期的初創公司移動得更快。我實際上并不同意人們會犯這個錯誤的前提。

大多數初創公司失敗是因為人們放棄了，因為你對自己的想法失去了信心，你沒有足夠的信念，因為如果你有一個真正的問題，你有權利去解決它，而且競爭對你來說并不重要。

話雖如此，我要補充的是，作為創始人，你選擇問題的正確策略是什么?我喜歡選擇的問題，首先，它們是顯而易見的。如果你去和五個人交談，他們不會和你爭論這是不是一個問題。

我認為，如果你和前五個人交談，而他們并沒有給你明確的答復，那么就有問題了，你需要在你的想法上再多下點功夫。要達到無論你和誰交談，他們都會同意你正在解決一個真正重要的問題的程度。

而且我還喜歡解決那些對很多人都有影響、有更大影響力的大問題，因為這將會為你創造更多的機會。即使有其他幾家公司也在解決同樣的問題，你仍然可以挖掘出一個龐大的市場，與他們一起獲得成功。

然后隨著時間的推移，如果你做到最好，你就會像其他人一樣取得勝利。我要補充的最后一點是，不要想出一個你覺得我只需要使用AI就能解決這個特定任務的想法。

想想如果它很容易構建，那么其他人也可以構建它。那么你就沒有真正增加價值。AI應該只是你解決這個問題的工具箱中的一個工具，但要確保你正在構建的東西是有實質內容的。

Michael Krigsman：有這么多公司正在圍繞模型構建包裝器。隨著這些模型提高其能力，這類公司之間會出現整合嗎?

Arvind Jain：如果你是一家初創公司，而且你的核心競爭力是一個大型語言模型(LLM)的一小部分，那么你很快就會變得無關緊要。你必須明白，我來告訴你我們在Glean的做法。我們知道，我們的產品的工作原理是，我們實際上與市場上所有存在的LLM合作，無論是來自OpenAI、Anthropic、Google還是Meta的LLM。

還有很多來自開源的元素。我們與所有這些元素合作。我們的工作模式是我們將使用這些LLM提供給我們的所有能力，并將這些能力帶給我們的客戶。

但我們還將確保我們在那個平臺之上構建了一個非常深厚的技術堆棧。隨著LLM的發展，當它們實際上添加了我們自己構建的一些能力時，那實際上會讓我們拋棄我們自己構建的東西，而LLM提供商已經可以為我們做到這一點，然后我們必須繼續沿著價值鏈向上移動。這就是我們選擇的模式。

弄清楚你的定位，并最大限度地利用行業中正在發生的創新，但要在其上構建一個重要的層次，以便你可以使這項技術為你的客戶所用。

Michael Krigsman：鑒于基礎模型對你的業務至關重要，你是如何管理AI如此快速發展這一事實的?同時，在這些底層能力不斷變化的同時，你是如何平衡業務的穩定性和產品方向的?

Arvind Jain：我們別無選擇。你必須利用行業中正在發生的快速創新，否則你就會落后，而且你必須從根本上改變你的執行模式。

當我們開始Glean時，我們從根本上理解了我們從開源和云技術中可以獲得什么，然后你可以制定你的路線圖，并制定一個一年的路線圖。但這不再是今天的工作方式。

現在，技術每個月都在變化。我們不得不從根本上改變我們的架構。我們改變的一件事是，因為我們沒有年度或季度規劃流程，所以我們切換到了月度規劃流程，以決定我們如何構建我們的技術。

因為每個月都有新的東西要看，你必須迅速適應。我們還添加的另一件事是，這個概念是弄清楚你每個月要拋棄什么技術。這是構建科技初創公司的一個新的基本方式，那就是，如果你堅持使用你多年來構建的技術，你就會變得過時，因為你兩年前構建的所有技術很可能現在已經過時了。

而且你必須不斷思考這種執行模式，不僅要思考要構建的新東西，還要非常積極地思考你需要拋棄的東西，并利用行業中的創新來替代它。

Michael Krigsman：我們再來看看來自Twitter的Arsalan Khan的另一個問題，他問，由于大多數AI和數據都是用英語或中文創建的，你認為創業公司是否也應該關注非英語或非中文?這是否會造成數字鴻溝?

Arvind Jain：首先，內容是用許多不同的語言創建的。是的，英語在某些方面占據主導地位，但是也有很多不同語言的系統和內容。我認為AI今天讓它成為可能的是，它實際上可以幫助你構建具有全球性質的產品。

今天，你更容易創建一個可以帶給世界各地客戶的產品。用AI你可以更容易地將產品本地化。你可以讓它在日語、韓語、印地語和所有不同的語言中更快地工作。

這是AI的核心能力之一。但是在偏見和數字鴻溝方面，確實如此，并且這種情況一直存在，甚至在互聯網上，甚至在AI出現之前，當你使用谷歌搜索信息時，由于英語主導了世界上的知識來源，所以總是存在這種偏見，對吧?

這是一個很好的問題。這是一個問題。我不知道如何解決它。隨著AI變得越來越強大，你如何確保它考慮了每個人的觀點，獲取了所有的知識?

我認為我應該補充的一點是，我們今天有了更強的AI能力，能夠以更輕松的方式處理甚至非數字化的內容。希望在這方面有一些好消息：你可以比以往任何時候都更容易地使用不同語言的數據、知識和內容，有了AI。

Michael Krigsman：現在我們來談談初創公司，從企業買家的角度來看，這當然是初創公司生命周期中非常重要的一部分。如果你是一家企業初創公司，對于評估AI初創公司，你有沒有建議或框架可以給企業買家使用，特別是鑒于你指出的，現在每天都有初創公司在使用AI，而且炒作非常強烈?往往很難區分哪些說法是真實的，哪些不是。

我還記得傳統軟件公司、ERP供應商和其他企業軟件公司。我必須說，從這個角度來看，20年前的情況與此沒有什么不同?，F在，軟件公司做出了驚人的斷言。IT買家和業務部門買家應該怎么辦呢?

Arvind Jain：這是企業買家今天面臨的最棘手的問題之一。我認為AI行業做了一些不好的事情，他們做出了大膽的斷言，但卻無法兌現。很容易為AI可以為你做什么創建出非常驚人的演示和視覺效果。企業買家已經意識到，當他們嘗試這些產品時，這些斷言往往比現實要大得多。

我想說，也許讓我先退一步，然后我們甚至應該做什么?我認為你應該有一個計劃，關于你如何在你的企業內推出AI。而且我覺得首先建立一個企業核心AI戰略是正確的開始方式。

想想你今年想用AI做些什么。你希望AI在哪些不同的領域產生影響?你可以選擇一些部門，你可以說，對于我們的工程團隊、我們的客戶服務團隊來說，這是前兩個或三個優先級，我們希望AI能夠真正產生影響。

首先，在你的企業中一起構建這個路線圖。如果你的CIO，或者如果你選擇在企業中設立首席AI官這樣的角色，讓他們負責確保他們與所有不同的功能團隊一起工作，并為今年制定一個理想的AI路線圖。

你從那里開始。現在在供應商數量方面，不僅僅是Michael，正如你所說的，不僅僅是初創公司，實際上每一家現有的軟件公司也是一家AI公司。他們都有AI產品要賣給你。我認為你必須在那里做出一些決定。

對你來說，什么是正確的策略?我們覺得，你必須控制你打算引入的AI產品的數量?這很難評估。順便說一下，這并不容易，只是你必須花費的時間。

試圖評估每一個AI產品是巨大的。你喜歡設置這些系統，讓它們在你的環境中運行起來，然后測試它們，有的公司經歷過這樣的過程，他們花費了六個月的時間，結果卻發現這東西根本行不通。

我有兩個建議：第一，基本上是與較少的數量合作，不要有太多的POC(Proof of Concept，概念驗證)，從幾個開始，這樣你就可以公正地對待它們。第二，不要僅僅依賴演示和對演示的興奮感，你可以有一個更安全的策略，那就是對于你合作的每一個供應商，看看他們是否有成功的證明，讓他們聯系他們成功創造價值的客戶。

我認為這很有幫助，而不是去評估，實際上是與你的行業同行交談，看看他們在哪里取得了成功。如果你嘗試了四件事，其中一件事成功了，就與其他人分享這個故事，他們也會與你分享。

這可能就是擴展的方式。也許這是在為Glean做宣傳，但我們思考AI的方式是，從根本上說，企業中的所有AI都是關于處理你企業中的一些數據，使用語言模型的推理和智能能力，然后在此基礎上做一些工作，你再次將這些工作保存到企業系統中。

在你的企業系統中，這些工作將被記錄并保存在企業系統中。從根本上說，當你考慮所有的AI用例時，它們都是關于處理你的企業信息，然后對其應用AI，讓一些神奇的事情發生。

我們為Glean選擇了不同的策略，那就是我們為什么不構建一個實際連接到我們所有企業數據的系統呢?這就是Glean。現在，我們為你提供了這個平臺，你可以在這個平臺上構建許多這樣的代理、許多這樣的應用程序。

有了這種橫向策略，你可以在安全治理方面做得更好，而且不必購買許多不同的產品。它更具成本效益，并允許你通過一個產品獲得更多價值。

Michael Krigsman：Arvind，我再問你幾個問題，有些是我自己的，有些是聽眾的問題，我會要求你從企業角度快速回答。關于構建與購買的決策，企業應該如何做出選擇?

Arvind Jain：這是構建加購買。你必須確保你盡可能多地獲得現成的技術，但你也必須記住，僅僅這些技術是不夠的，以真正增加價值。你必須在這些系統之上進行構建。

Michael Krigsman：來自Twitter的一個問題。AI和LLM(大型語言模型)平臺的一個大障礙是它們沒有與工作流程集成。你如何看待市場的發展?

Arvind Jain：完全正確。我認為你必須構建那一層。實現這一點的關鍵技術之一是RAG(可能指的是某種檢索與行動系統，但并非通用術語，因此直譯可能不準確)，所以你獲取所有的企業數據、知識系統、工作流程，然后你實際上在所有企業數據和系統之上構建了這個檢索系統和行動系統。然后你將其與AI連接起來，這正是我們解決的問題。

Michael Krigsman：另一個來自Twitter的問題，CTO、CFO、COO、首席數字官，誰應該制定AI策略，首席AI官應該直接向CEO匯報嗎?

Arvind Jain：這是個好主意。如果你實際上有首席AI官，讓他們向CIO或CEO匯報可能是一個不錯的策略，因為這是一個全公司范圍內的努力。

如果你不與一個部門相關聯，這在我看來實際上更好。否則，我認為不要那么死板，誰充滿激情、有能力和意愿，就讓他們最初來推動這項工作。

你可以隨時想出一個更可擴展的方式來重新組織。

Michael Krigsman：這里有一個來自Twitter的問題，關于痛點。如果AI初創公司變得更加精簡，那么較老的AI初創公司是否會處于不利地位?并且，當這些較老的初創公司因為更有效地使用AI而變得更加精簡時，這對就業和勞動力有什么影響?

Arvind Jain：關于第一個問題，AI領域確實存在先動劣勢，因為當技術變化如此迅速，而你的系統中又存在一些遺留代碼庫時，這會讓你變得不那么敏捷。這就像一個新的初創公司總是擁有敏捷優勢一樣。

作為一個稍微老一些的初創公司，要努力現代化你的系統和堆棧，這樣你就不會因為這些原因而落后。至于就業方面，我想說一件事。

我還沒有看到因為AI而失業的人。我們與許多大型企業合作，為他們帶來了大量的自動化和效率提升，但與我們合作的所有企業都既關心底線也關心頂線。

當他們取得一些成功時，沒有人會放棄自己的團隊成員，他們只是在想“我能做更多”。企業實際上在以更快的速度開發產品，他們正在完成更多的事情。

我并不太擔心，我認為我要回到的一點是保持相關性。這對個人來說很重要。如果你學會如何使用AI，那么你在未來就不會有問題。

Michael Krigsman：你是在提倡保持求知欲。我不是在替你說，因為當AI帶來效率提升時，如果你對當前發生的事情保持求知欲，你就能適應并應對正在發生的變化。

Arvind Jain：是的，企業非?？释鸄I專家和人才。成為其中一員，我認為這對你很有好處。

Michael Krigsman：對于那些考慮創辦AI初創公司的創業者，你有什么建議?

Arvind Jain：第一，堅定信念。堅持你的想法，不要放棄。第二，如果你想成功，就要準備好非常努力地工作。最后我想說，一個公司是由構建它的人組成的。專注于擁有一個偉大的創始團隊，并花很多時間去尋找合適的員工。當你找到合適的人時，他們會開發出偉大的產品，他們會讓你成功。

Michael Krigsman：對于迅速做出AI投資決策的CIO，你有什么最后的想法或建議嗎?

Arvind Jain：關注安全，關注集中化，比如你的AI軟件堆棧。我最后的建議是，嘗試取得小勝利。這是我的建議。不要創建那種如果成功率不到50%就算失敗的項目。迫使你的團隊中的每個成員、每個部門每個季度都選擇一兩個AI方面的勝利，并看看效果如何。

Michael Krigsman：好的，時間到了。非常感謝Arvind Jain來自Glean公司的Arvind。非常感謝你今天抽出時間與我們在一起。

Arvind Jain：非常感謝。這很有趣。