Uzņēmumu mākslīgā intelekta “zemes grābs” ir sācies: Kā Glean veido pamatu, kas atrodas zem interfeisa
Iedomājieties, ka jūsu uzņēmumā ir desmitiem, pat simtiem dažādu lietojumprogrammu, datu bāžu, iekšējo dokumentu un sarakstu e-pastos. Katrā no šīm sistēmām ir sava informācija, savs meklēšanas logs un savs “valoda”. Tagad iedomājieties, ka varat uzdot vienkāršu jautājumu, piemēram, “Parādīt pēdējā kvartāla pārdošanas datus no Salesforce un salīdzināt tos ar mērķiem no mūsu Q3 prezentācijas Confluence”, un uzreiz saņemt precīzu atbildi. Tieši šo vienotību un sapratni starp sistēmām sola nodrošināt nākamās paaudzes uzņēmumu AI, un kompānija Glean šobrīd ir viena no galvenajām spēlētājām, kas veido nepieciešamo pamatu – slāni *zem* paša interfeisa.
Nesenajā Equity podcasta raidījumā Glean izpilddirektors Arvinds Džains detalizēti paskaidroja, kāpēc viņu uzņēmums pārvēršas no viedas uzņēmumu meklētājplatformas par to, ko daudzi dēvē par “middleware” vai starpplatformu visai uzņēmumu AI ekosistēmai. Šī ir būtiska stratēģijas maiņa, kas atspoguļo plašāku tendenci no atsevišķiem AI rīkiem uz visaptverošu, saprotošu infrastruktūru.
No meklēšanas rīka uz uzņēmuma smadzenēm: Glean evolūcija
Sākotnēji Glean pozicionēja sevi kā uzņēmumu meklēšanas risinājumu, kas pārspēj tradicionālo atslēgvārdu meklēšanu. Tā platforma indeksēja visus uzņēmuma datus – no Google Drive un Slack līdz GitHub un Salesforce – un ļāva darbiniekiem atrast ne tikai dokumentus, bet arī atbildes, izmantojot dabisko valodu. Tomēr, kā skaidro Džains, viņi ātri saprata patieso vajadzību: problēma nav tikai meklēšana, bet gan **konteksta un saprašanas trūkums**.
Jaunākā AI modeļi, piemēram, lielās valodu modeli (LLM), spēj brīnišķīgi ģenerēt tekstu, bet bieži vien viņiem trūkst konkrēta uzņēmuma konteksta. Viņi nezina par jūsu iekšējiem akronīmiem, nepabeigtajiem projektiem, mainīgajiem datiem pārdošanas atskaitēs vai tikko Slack kanālā apspriesto ideju. Tieši šeit parādās Glean kā “middleware” slānis. Tā kļūst par uzņēmuma **kontekstuālo atmiņu**, kas apvieno visus iekšējos datus un nodrošina tos jebkuram AI rīkam vai lietojumprogrammai, kas tos pieprasa.
Kāpēc “slānis zem interfeisa” ir tik svarīgs?
Iedomājieties to kā mājas celtniecību. Jūs varat izvēlēties skaistas durvis, logus un krāsas (AI interfeisus, piemēram, čatbotus vai ģeneratīvos rakstīšanas rīkus), bet, ja mājas pamats (datu piekļuve, drošība, konteksts) ir vājš, visa konstrukcija būs nestabila. Glean koncentrējas uz šī pamata celtniecību.
Tas nozīmē:
* **Vienota datu piekļuve:** Integrācija ar visām uzņēmuma datu avotiem vienuviet.
* **Atļauju un drošības pārvaldība:** AI var piekļūt tikai tiem dokumentiem un datiem, kuriem konkrētajam darbiniekam ir tiesības. Tas ir kritisks uzņēmumu vidē.
* **Konteksta nodrošināšana:** Platforma ne tikai atrod informāciju, bet arī saprot tās nozīmi konkrētā uzņēmuma vidē un saistību ar citiem datiem.
* **Darbību ķēžu (RAG) aktivizēšana:** RAG (Retrieval-Augmented Generation) ir tehnika, kas uzlabo AI atbildes, pievienojot tām aktuālu, kontekstuālu informāciju no uzņēmuma bāzēm. Glean būtībā ir ideāls RAG pamats.
Uzņēmumu AI “zemes grābs”: Cīņa par infrastruktūras kroni
Džains runā par pašreizējo situāciju kā par “zemes grābu”. Lielie mākoņu pakalpojumu sniedzēji (Amazon, Microsoft, Google) un daudzas startup kompānijas cenšas kļūt par galveno vārtsargu uzņēmumu AI pasaulē. Tomēr, pēc Glean domām, daudzi risinājumi ir pārāk virspusēji – tie piedāvā tikai interfeisu, bet atstāj klientiem sarežģīto uzdevumu savienot visus savus datus un nodrošināt drošību.
Tieši šajā vietā Glean redz savu iespēju. Būdot nevis galējais lietotāja rīks, bet gan platforma, kas atrodas fonā, tā var kļūt par **obligātu sastāvdaļu** jebkura uzņēmuma AI stratēģijā. Uzņēmumi var izmantot dažādus AI front-end rīkus (no ChatGPT Enterprise līdz pielāgotiem risinājumiem), bet visi tie var darboties uz Glean pamatnes, kas nodrošina datus un kontekstu.
Kā tas izskatās praksē? Reāli pielietojuma piemēri
* **Atbalsta dienests:** Atbalsta speciālists var uzdot iekšējam čatbotam: “Klients X sūdzas par lēnu atbildi no mūsu API. Vai mums ir zināmas problēmas ar serveriem reģionā Y, un kāds ir atvērts incidenta ziņojums?” AI, izmantojot Glean, varēs uzreiz piekļūt datiem no monitoringa rīkiem, incidentu pārvaldības sistēmām un iepriekšējām sarunām ar klientu.
* **Projektu vadība:** Projektu vadītājs var lūgt: “Sastādi kopsavilkumu par visām atsauksmēm par mūsu jauno funkciju no beta testeriem Slack, UserVoice un pēdējās aptaujas rezultātiem.” AI ģenerēs kopsavilkumu, izvelkot un apvienojot informāciju no šīm atšķirīgajām sistēmām.
* **Pārdošanas sagatavošana:** Pārdošanas pārstāvis pirms tikšanās var jautāt: “Kas ir pēdējās mijiedarbības ar šo potenciālo klientu no mūsu CRM, un kādi ir viņu konkurentu atsauksmes internetā, ko esam savākuši?” Atbilde ietvers gan iekšējos, gan ārējos datus.
Izaicinājumi un nākotnes perspektīvas
Protams, šāda ambicioza vizija nes ar sevi izaicinājumus. Galvenie ir **datu kvalitāte un organizācija** (AI darbosies tik labi, cik labi organizēti ir jūsu dati), **integrāciju sarežģītība** ar mantotajām sistēmām un pastāvīgā **drošības un privātuma** uzturēšana. Turklāt, lai kļūtu par patiesu industrijas standartu, Glean būs jāpierāda savas platformas mērogojamība un efektivitāte dažāda lieluma uzņēmumos.
Tomēr tendence ir skaidra. Nākamais lielais cīņas lauks tehnoloģiju nozarē nav tikai pašam izveidot labāko AI čatbotu, bet gan **izveidot visvairāk izmantoto un uzticamāko pamatu, uz kura visas pārējās AI lietotnes darbosies**. Glean, pārejot no meklētāja uz pamatnes slāni, tieši tā arī pozicionē sevi. Ja viņiem izdosies, tie varētu kļūt par neredzamo, bet absolūti nepieciešamo “smadzenēm” jebkuram uzņēmumam, kas vēlas izmantot AI pilnā potenciālā.
Uzņēmumu mākslīgā intelekta laikmets nesāksies ar vienu lielisku rīku, bet ar infrastruktūru, kas ļauj visiem esošajiem rīkiem galu galā saprast, kas tieši notiek jūsu organizācijā. Un, šķiet, ka tieši šajā pamatu celtniecībā tagad notiek īstā cīņa.