全文 2,000字 | 閱讀約 6 分鐘

（Glean CEO訪談核心觀點(diǎn)片段）

2026年 1 月 12 日，Glean CEO Arvind Jain 在播客《Grit》里說(shuō)：

我們公司甚至連 AI 能力的 1% 都沒用上。

只用1%，卻做到了估值 80億美元，一年之內(nèi)跨過(guò) 1 億和 2 億美元 ARR（年度經(jīng)常性收入）兩道門檻，推出第三代 Glean Assistant 和企業(yè)圖譜。

這不是又一個(gè) AI 公司爆發(fā)的故事。

真正值得關(guān)注的是：只用 1% 的 AI 能力，他們?cè)趺窗?ARR 做到 2 億美元？

我們從 Glean 的經(jīng)驗(yàn)里，追問(wèn)四個(gè)問(wèn)題：

• 為什么只用 1 %的AI能力？

• 為什么 AI 項(xiàng)目大多會(huì)失敗？

• 真正的護(hù)城河在哪里？

• 從小團(tuán)隊(duì)沖到 1000人，代價(jià)是什么？

這篇文章不是講成功，而是還原一家公司怎么撐下來(lái)的。

第一節(jié)｜CEO 坦白：連 1% 的 AI 能力都沒用上

這個(gè) 1% 說(shuō)的不是技術(shù)問(wèn)題，而是落地問(wèn)題。

對(duì)大多數(shù)企業(yè)來(lái)說(shuō)，真正能用上、敢用、能讓 AI 落地產(chǎn)生價(jià)值的場(chǎng)景，只占很小一部分。

Arvind Jain 甚至認(rèn)為：就算模型從今天起停止迭代，光靠現(xiàn)有能力，企業(yè) AI 產(chǎn)品依然能在五年內(nèi)實(shí)現(xiàn) 10 倍成長(zhǎng)。

因?yàn)?AI 的強(qiáng)大，并不等于用得上。

真正的挑戰(zhàn)，是在復(fù)雜組織里讓技術(shù)落地變成業(yè)務(wù)結(jié)果。

Glean 不做模型，做的是讓員工能用上 AI 的工具：跨系統(tǒng)找信息、問(wèn)問(wèn)題、推動(dòng)流程。但即便做的是輕量級(jí)的 AI 助理，Jain 的觀點(diǎn)始終是，我們只用了模型很小一部分的能力。

他背后有兩個(gè)判斷：

1，不是所有工作都適合交給AI。

很多場(chǎng)景看起來(lái)是知識(shí)問(wèn)題，實(shí)際是規(guī)則問(wèn)題。比如銷售用CRM系統(tǒng)時(shí)，AI 能理解系統(tǒng)中的所有信息，但它不知道哪些客戶數(shù)據(jù)有權(quán)限看、哪些郵件能被調(diào)用。光有模型能力不夠，它必須懂組織規(guī)則，而這恰恰是很多企業(yè)自己都沒理清的地方。

2，不是模型越大，產(chǎn)品越好。

Jain 明確講到，現(xiàn)在很多公司一上來(lái)就想接模型、訓(xùn)模型，結(jié)果反而錯(cuò)過(guò)了AI最實(shí)用的機(jī)會(huì)：有沒有辦法先讓員工每天用起來(lái)，再去談模型效率。所以他給出的策略是：

• 用一小部分模型能力，先做好可復(fù)用的場(chǎng)景；

• 用企業(yè)已有的權(quán)限、流程、知識(shí)庫(kù)，把 AI 助手培養(yǎng)成真正能用的同事。

這種務(wù)實(shí)路線的效果是：不是靠 AI 能力強(qiáng)，而是靠實(shí)際能用。

在 Jain 看來(lái)，剩下那 99% 的模型能力不是紅利，是陷阱。成本用不起，權(quán)限管不好，風(fēng)險(xiǎn)看不清，貪多反而會(huì)拖累組織效率。

第二節(jié)｜ 失敗 AI 項(xiàng)目：自動(dòng)化不是魔法，是磨合

Jain 在訪談中坦白說(shuō)，自己在公司內(nèi)部嘗試過(guò)一個(gè)聽起來(lái)很簡(jiǎn)單的 AI 項(xiàng)目：

“讓AI自動(dòng)識(shí)別每位員工本周的最高優(yōu)先級(jí)事項(xiàng)，生成一份總結(jié)供管理層查看。Glean 已經(jīng)掌握了員工日程、郵件、項(xiàng)目協(xié)作的內(nèi)容流，按理說(shuō)有足夠的數(shù)據(jù)基礎(chǔ)�！�

但沒有成功。

他說(shuō)，我們以為 AI 會(huì)輕松搞定，結(jié)果差得遠(yuǎn)。這個(gè)項(xiàng)目最終不了了之，因?yàn)?AI 始終無(wú)法準(zhǔn)確理解什么才是員工真正的優(yōu)先級(jí)。

這不是個(gè)例。如果連 Glean 這樣的專業(yè) AI 公司都做不到，對(duì)大多數(shù)企業(yè)來(lái)說(shuō)，這類期待就更不現(xiàn)實(shí)了。

Databricks CEO Ali Ghodsi 在之前一次訪談中也說(shuō)：不是你把 Agent 扔出去，它就能干活了。要真正讓它穩(wěn)定工作，要比你想象的慢得多。

Glean 也曾試圖為特定場(chǎng)景訓(xùn)練定制模型，最終還是轉(zhuǎn)回了基礎(chǔ)模型。因?yàn)榘l(fā)現(xiàn)基礎(chǔ)模型更容易部署，更快能用起來(lái)。

AI 不是自動(dòng)完成任務(wù)的魔法按鈕，而是一個(gè)要靠人配合、不斷調(diào)試的合作對(duì)象。

Jain 曾公開表示，95% 的 AI 項(xiàng)目失敗其實(shí)才是正常的。不是因?yàn)榉较蝈e(cuò)了，而是因?yàn)檎嬲苈涞氐漠a(chǎn)品，要先接受失敗是起點(diǎn)的現(xiàn)實(shí)。

當(dāng)你真正在試驗(yàn)新技術(shù)時(shí)，如果所有項(xiàng)目都沒失敗，說(shuō)明你嘗試得還不夠。

關(guān)鍵不是避免失敗，而是快速?gòu)氖≈袑W(xué)習(xí)。

第三節(jié)｜技術(shù)不值錢，“能刪代碼”才是贏法

當(dāng)外界還在討論大模型誰(shuí)更強(qiáng)、參數(shù)誰(shuí)更多時(shí)，Jain 提出了一個(gè)讓很多技術(shù)派不太舒服的觀點(diǎn)：

你以為是護(hù)城河的東西，其實(shí)可能是負(fù)擔(dān)。

他說(shuō)這話不是為了反對(duì)技術(shù)，而是強(qiáng)調(diào)一點(diǎn)：變化太快了，很多技術(shù)剛建好就該淘汰了。

在這場(chǎng)訪談中，他提到一條在 Glean 內(nèi)部已經(jīng)變成文化的做法：鼓勵(lì)刪代碼。

“我們獎(jiǎng)勵(lì)那些把老功能刪掉、把代碼清理干凈的人。因?yàn)榻裉炷阌X得好的結(jié)構(gòu)，明天可能就落后了�！�

他說(shuō)：現(xiàn)在做企業(yè)級(jí) AI 產(chǎn)品，最大的挑戰(zhàn)不是技術(shù)不夠，而是變得太快。你必須能快速扔掉沒用的東西，快速換上新的做法。

為什么這么做？

• 新模型每幾個(gè)月就更新一次，你不可能每次都重新搭產(chǎn)品；

• 企業(yè)客戶要的是能快速解決問(wèn)題、跟得上流程變化的工具；

• 一旦堆了太多過(guò)時(shí)的東西，想改就會(huì)拖整條線，反而成了負(fù)資產(chǎn)。

這就是為什么 Jain 始終認(rèn)為，Glean 不靠模型贏，而靠適應(yīng)速度贏。

這也是 Glean 選擇做專注的企業(yè) AI 平臺(tái)而不是“萬(wàn)能模型公司”的原因。在 AI工具泛濫的階段，誰(shuí)能快速對(duì)接客戶變化、快速扔掉沒用的東西，誰(shuí)就能活下來(lái)。

用 Jain的話說(shuō)：護(hù)城河不是你寫的代碼，而是你能多快地替換它。

第四節(jié)｜CEO 累不累？從 1 人到 1000 人的代價(jià)

在對(duì)話快結(jié)束時(shí)，主持人問(wèn)：你現(xiàn)在每天醒來(lái)，看到這家公司已經(jīng) 1000 多人了，感覺怎么樣？

Jain 的回答很直接。他說(shuō)的第一句話是：

“那不是一種慶祝感，而是一種恐慌。”

Glean 的成長(zhǎng)速度很快，從創(chuàng)業(yè)到估值 80 億美元，只花了幾年時(shí)間。團(tuán)隊(duì)從幾人擴(kuò)張到過(guò)千，業(yè)務(wù)線越來(lái)越多，客戶遍布全球。

可 Jain 的感受卻是：事情開始變得失控了。

以前一個(gè)方向只要在小會(huì)議室里講清楚，第二天大家就可以動(dòng)手干。現(xiàn)在呢？不同部門、不同語(yǔ)言、不同時(shí)區(qū)，就算事情講了三遍，執(zhí)行起來(lái)也會(huì)走樣。

到了這個(gè)階段，最難的不是產(chǎn)品，不是技術(shù)，是讓所有人往一個(gè)方向走。

Jain 說(shuō)他早期最抗拒流程，更習(xí)慣直接沖刺、快速反饋。但現(xiàn)在，他必須主動(dòng)去做那些以前不愿做的事：把信息寫下來(lái)、整理決策依據(jù)、設(shè)置管理節(jié)奏、明確責(zé)任邊界。

我們以前靠的是技術(shù)、客戶、沖勁。

現(xiàn)在真正的挑戰(zhàn)是，組織能不能自主運(yùn)轉(zhuǎn)。

這種轉(zhuǎn)變，不只是心態(tài)的變化，而是 CEO 角色的全面升級(jí)。

他開始每周多花時(shí)間檢查內(nèi)部文檔、理清團(tuán)隊(duì)節(jié)奏，遇到復(fù)雜問(wèn)題時(shí)先讓 AI 做深度研究，再帶著完整信息去找團(tuán)隊(duì)。這樣做的目的是，讓每次溝通都更高效，不浪費(fèi)大家的時(shí)間。

而他最常對(duì)團(tuán)隊(duì)說(shuō)的，就是要找到辦法讓今天過(guò)得有意義，而不是指望某個(gè)更輕松的明天。

對(duì) Glean 來(lái)說(shuō)，技術(shù)在迭代、市場(chǎng)在增長(zhǎng)、模型在進(jìn)步，但真正要守住的是：不讓人在快速擴(kuò)張中掉隊(duì)，不讓人疲憊到放棄。

1000 人是一個(gè)里程碑，但讓每個(gè)人都不掉隊(duì)，才是更難的那一個(gè)。

結(jié)語(yǔ)｜做對(duì)了什么

Glean 用不到 1% 的 AI，做出了 2 億美元 ARR。

不是因?yàn)槟Ｐ筒恢匾�，而是他們知道，AI 真正難的不在有沒有，而在能不能真正用起來(lái)、能不能產(chǎn)生價(jià)值。

他們做對(duì)了三件事：

• 用 AI 做能用的部分，而不是追求大而全；

• 把 95% 的失敗率當(dāng)作常態(tài)，快速試錯(cuò)；

• 懂得清理舊包袱，讓組織迭代速度超過(guò)技術(shù)迭代。

但這些也有代價(jià)。從幾人到 1000 人，最難的不再是產(chǎn)品或技術(shù)，而是不讓人走散、不讓人掉隊(duì)。

用 Arvind 的話說(shuō)：護(hù)城河不是寫了什么代碼，而是多快能換掉它。

這就是 Glean 的贏法。

識(shí)自AI

本文由AI深度研究院出品，內(nèi)容整理自Glean CEO Arvind Jain在播客《Grit》深度訪談演講等網(wǎng)上公開素材，屬評(píng)論分析性質(zhì)。內(nèi)容為觀點(diǎn)提煉與合理引述，未逐字復(fù)制原演講材料。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

參考資料：

https://www.youtube.com/watch?v=DiGl_63wI64&t=1470s

https://www.linkedin.com/posts/jain-arvind_2025-was-a-year-to-remember-in-so-many-ways-activity-7414048553788088320-z6DS/

https://www.goldmansachs.com/insights/talks-at-gs/arvind-jain

https://www.businessinsider.com/ceo-databricks-glean-ai-automation-overestimate-ali-ghodsi-arvind-jain-2025-12

來(lái)源：官方媒體/網(wǎng)絡(luò)新聞

排版：Atlas

編輯：深思

主編: 圖靈