Glean

115 · 企業搜尋與 Glean 的來歷

31:34YouTube 上架 2025-05-15Arvind Jain（Glean CEO）

No Priors Ep. 115 | With Glean Founder and CEO Arvind Jain

Glean 創辦人 Arvind Jain 談企業搜尋為何從市場墳場變成做得起來的產品、權限與治理為何是前提，以及自己對每個人都有一支 AI 團隊的想像。

115 講了什麼

• LLM 讓搜尋不再靠關鍵字Arvind 做搜尋近 30 年，認為 LLM 讓系統能深入理解使用者的問題與文件在講什麼，不再只是丟出幾個連結，而是直接用手上的知識回答。
• 企業搜尋一度是墳場Arvind 認為過去失敗的原因之一，是 pre-SaaS 時代很難取得公司各處的資料；SaaS 系統版本一致、開放、能用 API 抓內容，讓做出一個 turnkey 產品變得可行。
• 單靠 embedding 不夠Arvind 說企業裡有大量過時的資料，除了語意比對，還得挑出今天仍然正確、有權威的內容；也不認為把全部文件塞給模型就行，資料要先整理好再交給模型。
• 權限是 AI 上線的地基Arvind 說公司裡約 90% 的知識在某種程度上是私有的，Glean 索引文件時會一併記下誰能存取，使用者只能用自己有權限的資料。搜尋做得太好，反而讓客戶的治理漏洞曝光，Glean 因此被迫多做一層，最後也成了企業買來補治理的安全產品。
• 產品從搜尋走向 assistant 與 agentGlean assistant 像是公司內部、能用公司資料的 ChatGPT；客戶接著要求更窄、更受控的應用，例如 HR 團隊只想讓 Glean 用人資部門核可的內容，這些後來被視為 agent。
• 對 priors 的看法Arvind 說一個點子永遠有 10 個理由行不通，但只要人們確實感到那個痛點，就別再鑽細節，先做再說。

從哪一段開始看15 段

1. 00:02開場與搜尋的轉變主持人介紹 Arvind 與 Glean。Arvind 做搜尋近 30 年，說搜尋原本長期停滯在關鍵字比對，LLM 讓系統能在概念上對上問題與文件，不再那麼脆弱。
2. 02:402019 年就用 transformer2018 年底開始構想、2019 年初成立公司；第一版就用 transformer 做語意比對，內部叫 embedding search。起點是 Google 開放的 BERT，再為每位客戶建立自訂 embedding。
3. 03:42搜尋不只是 embedding老公司的資料散在許多系統、很多已經過時；除了語意相符，還要挑出現在正確、有權威的內容。
4. 04:59企業搜尋為何是墳場當年沒人想投資企業搜尋；Arvind 認為困難在於 pre-SaaS 時代連資料都拿不到，SaaS 的一致版本與 API 解掉了最大的問題。
5. 07:02Glean 的起源與規模Rubrik 的資料散在 300 個 SaaS 系統，員工在 pulse survey 裡抱怨找不到東西，Arvind 想買搜尋產品卻沒東西可買。企業的資料量也爆炸了，一位大客戶公司內就有超過 1 billion 份文件，要靠雲端與 transformer 才做得起來。
6. 08:51模型能吃下全部嗎主持人問傳統檢索技術還要不要。Arvind 認為離「給模型無限 context 就好」還很遠，資料要先有條理地交給模型。
7. 10:39從搜尋到 assistant 與 agent先從 Google 式搜尋變成像 ChatGPT 的 assistant；再因客戶要求依職能打造受控應用（早期叫 apps），逐漸演變成 agent。
8. 13:44存取控制與治理Arvind 說約 90% 的企業知識在某種程度上是私有的，AI 體驗必須從基礎就考慮權限；Glean 索引時同步記錄誰能存取。
9. 15:34使用者行為與 AI 教育搜尋沒有人不會用，assistant 卻讓許多人不知從何問起，要用貼近日常工作的提示漸進引導；企業在追 ROI 時常忽略員工訓練。
10. 19:16沒有預算的市場主持人問創 Glean 有什麼意外。Arvind 說 Rubrik 是取代舊技術、客戶本來就有預算；企業搜尋卻不是任何人的預算項目，大家覺得重要但沒有也活得下去，只能到處傳教，找願意冒險的人買。
11. 20:36怕太好的搜尋產品好用之後，客戶反而害怕：有人搜到別人的薪水、還沒發生的 M&A 文件。Glean 被迫在系統權限之外再判斷該不該回答，結果也成了企業買來補治理的安全產品。Arvind 也說自己在 Rubrik 管研發，到 Glean 才學當 CEO，到現在還在學。
12. 22:56自上而下賣給大企業Arvind 原本想走 PLG，但產品必須整間公司一起上線才划算；若能選，會同時啟動 PLG 與企業銷售。
13. 25:03面對壞市場的 priors主持人問何時該相信「這是壞市場」的既有看法。Arvind 說看太多 priors 容易殺掉自己的點子，感受得到痛點就直接做。
14. 27:04專注兩個核心產品主持人整理出 Glean 成形的三個條件（自己的需求、連接器與 API、底層技術的轉變），問還有沒有別的機會。Arvind 說焦點仍是 assistant 與 agent 平台，最大問題常常是找不到對的資訊，而不只是幻覺。
15. 29:39每個人都有一支 AI 團隊Arvind 描繪的未來是人人身邊都有懂自己工作的助理、同事與教練，主動做掉 90% 的工作；現在只有像 CEO 這樣的人才享有這種配備。

值得記的話5 句

• AI is is actually very unintuitive for most peopleAI 對多數人其實很不直覺17:07

• oh I'm scared of good searchArvind 轉述客戶的話：我很怕好用的搜尋20:36

• there are 10 reasons why it won't work任何一個點子都有 10 個行不通的理由25:49

• a bigger problem for us is not even hallucinations對我們來說，更大的問題甚至不是幻覺28:53

• each one of us is going to have this amazing team我們每個人都會有一支很棒的團隊29:55

名詞與人物9 個

Glean

Arvind 創辦的企業 AI 搜尋與知識管理平台，可連到公司內部各種系統。

Arvind Jain

Glean 共同創辦人兼 CEO，早年在 Google 做搜尋，也是 Rubrik 的共同創辦人。

Rubrik

Arvind 先前共同創辦的公司，Arvind 在那裡管研發；Glean 的起點就是這間公司內找不到資訊的問題。

embedding search

Glean 早期內部對語意比對的叫法，當時還沒有 vector search 與 RAG 這些詞。

BERT

Google 開放的模型，Glean 第一版以它為基礎，再為每位客戶建立自訂 embedding。

Glean assistant

外觀像 ChatGPT 的對話產品，會用公司資料並依使用者權限回答。

apps / agents

客戶要求的、依職能打造的受控應用；Arvind 說當時稱為 apps，現在多被視為 agent。

permissions / governance

Glean 索引時記錄誰能存取每份資料，使用者只能用有權限的內容。

PLG

靠產品本身帶動成長的銷售模式；Arvind 說現在常見的做法是把它當導流漏斗，再用企業銷售擴大。

提到但沒有展開

• Arvind 說在 Google 內部這是個老笑話：所有人整天在讓別人好找東西，自己公司裡卻什麼都很難找。
• 網路搜尋可以從十億使用者的行為學到很多，企業裡沒有這麼多訊號，Arvind 說這是 transformer 的語意理解在企業裡更必要的原因。
• Arvind 提到 2004 年在 Google 做搜尋時，整個網際網路約 1 billion 份文件，如今一位客戶公司內部就超過這個數量。

在 YouTube 看原片 ↗