摘要

在這場深度對談中，Glean 的創辦人兼 CEO Arvind Jain 分享了他從 Akamai 的達康泡沫經驗，到創立市值數十億美元的 Rubrik 與 Glean 的心路歷程。他深入探討了當前的 AI 是否為泡沫、創立 Glean 的契機、生成式 AI 與 AI 代理人如何徹底改變工作模式，以及對未來消費者搜尋和就業市場的看法。

Highlight

1.

我之所以提到這個，是因為現在有很多關於這是否是個泡沫的討論。在我們談到 Glean 之前，我想請你就這個與大家息息相關的話題發表一些看法。我們正處於 AI 泡沫中嗎？

我想在某些方面是的。我認為每當有一個重大的技術趨勢出現時，市場上總會產生大量的興奮情緒。我們剛剛談到 Akamai，那是 1999 年，在那個年代，你只要說「我正在打造一個與網際網路相關的產品」，人們就會對你和你的公司產生極大的興趣，並且很容易就能獲得資金。

變我們的世界和工作方式。因此，今天市場上出現巨大的興奮情緒是有充分理由的。有大量的風險投資和資金投入其中。你會遇到一些情況，人們會過度興奮，給許多 AI 公司很高的估值，而其中很多公司最終會失敗。這是在經歷這種結構性轉變時，事情發展的自然過程。

2.

你從 Akamai 的經驗中學到了什麼教訓？我很好奇，因為 Akamai 在當時是達康時代的一家基礎性公司，基本上是當時網際網路的平台。

嗯，Akamai 當時是一個非常非常好的點子。事實上，它是一家能讓其他公司在網際網路上存在的公司。它建立了一個全球性的伺服器網絡，使得企業能夠隨著用戶需求的增長而擴展，並在網際網路上立足。所以這個點子是完美的，是最好的點子之一。只要網際網路確實成長，這家公司就沒有理由失敗。

但即便如此，我們還是從世界的寵兒，股價如 Howie 所說高達 350 美元，公司市值近 500 億美元，而當時我們還沒有真正實現任何營收。我過去常開玩笑說，我們的辦公室就在 San Mateo 一家 Safeway 旁邊，那家 Safeway 單店的收入比我們還多，但我們的市值卻高達 500 億美元。

我認為從那時學到的一個重要教訓是，我們讓那些估值沖昏了頭。公司在業務還沒跟上之前就開始擴張，並且花了很多錢。多到我們一度距離破產、倒閉只有幾天之遙。在最低點時，公司股價已跌至 50 美分。

所以當這一切發生時，我認為那是一個重大的教訓。這對現在許多 AI 公司來說也是如此。因為現在，每個投資者都會給你這樣的建議：去專注於營收增長，只要獲得一些用戶，不用管你燒了多少錢，再去融更多的資本就好。我認為這種策略有時會奏效，但我仍然覺得，在建立一個企業時，最好的方式是用更負責任的方式來做。對你的投資保持保守，發展你的業務，並始終關注獲利能力，因為這才是一個真正企業最終所需要的。

逐字稿

大家午安。

我的名字是 Howie。一個月前，Arvind 和我在我自己的公司進行了一場爐邊對談，影片才剛上傳。今天我們將討論一個更廣泛的話題，因為據我所知，這裡的許多人都是企業家，他們希望追隨你的腳步。所以，你能否先簡單介紹一下自己和 Glean 的業務，然後我們再深入探討各個主題。

當然。首先，大家午安，很高興來到這裡。

簡單介紹一下我的背景，我是 Glean 的創辦人兼 CEO。Glean 是一個企業級 AI 平台與搜尋公司，我們稍後會多談一些。在 2019 年創立 Glean 之前，我是另一家企業軟體公司 Rubrik 的創辦人之一。在那之前，我曾在 Google 工作了很長一段時間，從它還是一家規模相對較小的私人新創公司時就加入了。所以我在搜尋領域已經有很長的時間了。真的很高興來到這裡，分享更多關於 AI、企業如何使用它，以及 Howie 今天想涵蓋的所有話題。

是的，我們要稍微拉高一點層次。當 Arvind 提到他的背景時，他其實非常謙虛。如果你看看他的履歷，他畢業於一些最頂尖的大學，曾在 90 年代鼎盛時期進入 Microsoft 實習，然後是 1999 年的 Akamai。你們很多人可能不知道 Akamai，但在當時，它是達康時代的寵兒之一，股價曾飆升到 350 美元，後來又跌到 50 美分，但之後又恢復了，在很多程度上就像 eBay 和 Amazon 一樣。

我們正處於 AI 泡沫中嗎？

我之所以提到這個，是因為現在有很多關於這是否是個泡沫的討論。在我們談到 Glean 之前，我想請你就這個與大家息息相關的話題發表一些看法。我們正處於 AI 泡沫中嗎？

我想在某些方面是的。我認為每當有一個重大的技術趨勢出現時，市場上總會產生大量的興奮情緒。我們剛剛談到 Akamai，那是 1999 年，在那個年代，你只要說「我正在打造一個與網際網路相關的產品」，人們就會對你和你的公司產生極大的興趣，並且很容易就能獲得資金。

我認為同樣的情況現在也發生在 AI 領域。每個人都明白 AI 是一項突破性的技術，將從根本上改變我們的世界和工作方式。因此，今天市場上出現巨大的興奮情緒是有充分理由的。有大量的風險投資和資金投入其中。你會遇到一些情況，人們會過度興奮，給許多 AI 公司很高的估值，而其中很多公司最終會失敗。這是在經歷這種結構性轉變時，事情發展的自然過程。所以，你可以說存在泡沫，在很多方面存在過度樂觀。但另一方面，AI 最終將成為我們生活中的重要一部分，就像網際網路一樣。達康的繁榮與破滅發生了，但網際網路持續成長，並成為我們生活中更大的一部分，同樣的情況也會發生在 AI 身上。

從達康泡沫中學到的教訓

我想知道你從 Akamai 的經驗中學到了什麼，並將其應用在過去十年你作為企業家的生涯中？你共同創立了 Rubrik，現在是一家市值 160 億美元的公司。然後是 Glean，你剛在今年年中完成了新一輪融資，估值達到 72 億美元。這些聽起來目前都非常成功。你從 Akamai 的經驗中學到了什麼教訓？我很好奇，因為 Akamai 在當時是達康時代的一家基礎性公司，基本上是當時網際網路的平台。

嗯，Akamai 當時是一個非常非常好的點子。事實上，它是一家能讓其他公司在網際網路上存在的公司。它建立了一個全球性的伺服器網絡，使得企業能夠隨著用戶需求的增長而擴展，並在網際網路上立足。所以這個點子是完美的，是最好的點子之一。只要網際網路確實成長，這家公司就沒有理由失敗。

但即便如此，我們還是從世界的寵兒，股價如 Howie 所說高達 350 美元，公司市值近 500 億美元，而當時我們還沒有真正實現任何營收。我過去常開玩笑說，我們的辦公室就在 San Mateo 一家 Safeway 旁邊，那家 Safeway 單店的收入比我們還多，但我們的市值卻高達 500 億美元。

我認為從那時學到的一個重要教訓是，我們讓那些估值沖昏了頭。公司在業務還沒跟上之前就開始擴張，並且花了很多錢。多到我們一度距離破產、倒閉只有幾天之遙。在最低點時，公司股價已跌至 50 美分。

所以當這一切發生時，我認為那是一個重大的教訓。這對現在許多 AI 公司來說也是如此。因為現在，每個投資者都會給你這樣的建議：去專注於營收增長，只要獲得一些用戶，不用管你燒了多少錢，再去融更多的資本就好。我認為這種策略有時會奏效，但我仍然覺得，在建立一個企業時，最好的方式是用更負責任的方式來做。對你的投資保持保守，發展你的業務，並始終關注獲利能力，因為這才是一個真正企業最終所需要的。所以這是我一直秉持的一個教訓。雖然我們也希望確保自己不會變得過於保守，以至於錯失了搶佔市場的機會。所以這是一個艱難的平衡，但保持對此的關注非常重要，特別是對於初次創業者來說，要始終思考你的業務如何可持續發展。

是的，做出艱難的平衡，但企業基本面非常重要。這就是我把這個問題作為本次座談第一個問題的原因，因為我們正處於這個 AI 狂熱的時刻。我相信歷史會重演，我相信 AI 是一項將改變一切的重大技術，但我們應該記取 25 年前學到的教訓。

創立 Glean 的契機：解決企業搜尋的痛點

好的，讓我們來談談 Glean。你曾在 Google 工作多年，擔任傑出工程師，負責搜尋和廣告業務。你為什麼要創辦 Glean？我問這個問題的部分原因是，大家都知道 Google 非常成功，但企業搜尋從未成功過。在你創辦公司之前的 25 年裡，一家又一家的公司都說他們想做企業版的搜尋，但幾乎全都失敗了。2019 年你決定投入這個領域，為什麼？你看到了什麼與那些一再失敗的公司不同的地方？

對我來說，創立 Glean 的原因是為了解決我自己面臨的一個問題。如我剛才所說，在創立 Glean 之前，我是 Rubrik 的創辦人之一，這是一家企業資料保護和安全公司。我們在建立業務方面取得了很好的成功，在五年內，公司員工人數超過了 2000 人。但隨著快速增長而來的是生產力的顯著下降。

我們的團隊規模擴大了許多，工程團隊的規模是前一年的兩倍，銷售團隊是前一年的三倍，但我們所有的指標都持平。我們寫不出同樣多的程式碼，無法按時推出新版本，銷售人員也賣不出像以前那麼多的產品。基本上，隨著員工的增長和公司規模的擴大，我們開始迷失方向。

人們會抱怨。我們做這些脈動調查（pulse surveys），人們抱怨在公司內部找不到任何東西。當你試圖完成一項工作時，你需要一些資訊，但他們不知道去哪裡找。他們也不知道公司裡有誰可以幫助他們，指導他們完成這些工作。這實際上是我們在調查中收到的頭號抱怨。這也是我的經驗，要找到任何資訊都非常困難，要弄清楚誰在做什麼也非常困難。

所以當人們抱怨時，我說，好吧，我本身就是搜尋工程師背景，這是我在 Rubrik 之前所做的工作。我們公司內部有 300 個不同的系統，存放著我們公司的知識和數據，難怪很難弄清楚什麼東西在哪裡。所以我說，就去買一個搜尋產品，把它連接到我們所有的企業數據和系統上，這樣我們就有一個地方可以去尋找東西了。這是我當時的想法，就是去買一個搜尋產品，讓我們可以更容易地在公司內部找到東西。

我相信你們很多人也面臨同樣的挑戰。作為知識工作者，我們總是在尋找資訊，但在自己的公司內部卻很難找到。諷刺的是，在網際網路上找東西更容易，但在自己公司內部卻更難。

這就是當時的心態。我們試圖去找一個產品，結果發現市場上根本沒有這樣的產品，可以連接到你所有的 SaaS 應用程式，並提供一個統一的搜尋體驗。這就是讓我對創辦 Glean 感到興奮的原因。我們知道，這是一個沒有成功案例的領域。25 年來，許多公司來了又去，試圖解決這個問題，因為這個問題很明顯，所有員工都努力尋找資訊，但沒有一家公司，包括 Google 在內，成功地為此打造出一個產品。

是的，你們很多人可能沒有意識到，Google 最初的商業模式就是想做企業搜尋，但他們失敗了。所以連 Google 都沒做成。你當時的分析是什麼？你知道很多公司都失敗了，你當時的分析是什麼？

為何過去的企業搜尋會失敗？

嗯，我試圖理解為什麼。這個問題如此根本，每個工作的人都有這個問題，但為什麼背後沒有一個大生意？為什麼人們在打造一個好產品上屢屢失敗？

事實上，搜尋是一個很難解決的問題。如果你想一下一個企業，要能夠搜尋內部所有的資訊，企業環境非常複雜。你有這些位於資料中心的客製化系統，光是掌握哪些資料在哪裡，以便讓它變得可搜尋，就是一個巨大的問題，而且你無法用標準化的方式解決，因為在那個時代，每個企業都有自己的資料中心和獨特的資料環境。

但 SaaS 開始改變了這一切。它開始統一並使企業環境更加標準化。所以這就是我們看到的機會，我們認為現在對我們來說，要掌握所有我們想要使其可搜尋的資料，將不再那麼困難。這是讓這個概念變得可行的巨大技術轉變，我們相信我們可以打造一個產品，並將其帶給我們的客戶，而無需在每個客戶那裡經歷一到兩年的實施週期。這是以前沒有人能建立可規模化業務的原因之一。

因為資料轉移到了 SaaS，所以對你們來說整合更容易了。

沒錯，因為有了標準的 API，你就不必處理同一個產品的 400 個不同版本。因為 SaaS，很多事情都變得簡單了。

但還有另一件事，搜尋是一個複雜的系統，非常依賴基礎設施。你需要隨著資料量的增長而擴展。這裡有一個有趣的故事：當我在 Google 工作時，我負責 Google 的搜尋索引。在 2003、2004 年，整個網際網路大約有十億份文件。那是 Google 爬取並在網際網路上找到的所有東西的總大小，而且在那十億個網頁中還有很多重複的內容。

現在，我們有單一客戶擁有數十億份文件。所以知識的規模，知識的爆炸性增長已經發生，企業擁有大量的資訊。所以你需要建立非常可擴展的系統。在雲端時代之前，也就是大多數搜尋公司起步的時候，他們會把所有時間都花在擴展系統上，而我們現在不需要再這樣做了。因為我們享受著公共雲環境帶來的規模化基礎設施的好處。

所以這些都是一些重要因素，但最大的一個，最讓我興奮的是 Transformers。

那是在 2018 年，當我思考這個點子時，AI 還沒有像今天這樣佔領世界。Transformers 作為一項技術還非常小眾，唯一關心這項技術的人是 Google 裡做搜尋的一些工程師和 OpenAI 的一些工程師，僅此而已。但 Transformers 最初是為了讓 Google 搜尋變得更好而建立的。Transformers 讓我們能夠在更概念化、語義化的層面上理解資訊，這可以讓搜尋的表現比基於關鍵字的搜尋系統好得多。所以我們知道它的力量，我知道如果我使用這項技術，它將從根本上改變遊戲規則，我們將能夠創造出一種搜尋體驗，人們可以用自然語言提問，而我們可以呈現出最相關的內容給他們。所以這是一個巨大的突破，我知道這是以前沒有其他產品能夠做到的，而我們將能夠從中受益。所以這三個技術趨勢給了我信心，相信這裡有一個巨大的市場、巨大的機會，世界上每個人都面臨這個問題，而現在這些技術趨勢將讓我們能夠打造出一個偉大的產品。

生成式 AI 的衝擊與轉機

所以很明顯，AI 和 SaaS 這兩個大趨勢是原因。但 AI 的發展比我們六年前想像的要快得多。隨著 ChatGPT 的出現，以及所有大型語言模型的技術發展速度遠超預期，這對 Glean 的業務或技術有何影響？

嗯，語言模型每年都在進步，這讓我們能夠打造出越來越好的產品，因為我們依賴這些語言模型，為每個客戶進行客製化訓練。

但當 ChatGPT 出來時，我們的第一反應是恐慌。

因為它太聰明了，你可以去 ChatGPT 問一個問題，它就能利用它被訓練的所有知識神奇地回答這些問題。我們當時開始想，我們過去四年半建立的所有技術，現在是不是都過時了？是不是進入了一個新的世界，你不再用我們的方式解決搜尋問題，而是直接去訓練這些大型神經網絡來處理所有企業資訊？所以那是一個巨大的恐慌時刻，我們覺得我們所有的智慧財產權可能都變得過時了。

但這是一個很好的教訓，對每個人來說都是。我相信今天很多創業者都有同樣的感覺，你開始做某件事，然後突然間模型出來了，可以開始做那些你原本在做的事情。這對你和你的新創公司意味著什麼？但對我們來說，在經歷了那一刻的恐慌之後，我們開始思考，等一下，像 ChatGPT 這樣的產品，你如何在你的企業內部實現它？你能訓練一個模型嗎？答案是否定的，因為企業內部的大部分資訊都是安全的、有權限控制的。你不能 просто 拿走所有企業的數據和知識，建立一個模型，然後讓公司裡的每個人都能使用。你必須處理安全性、治理、權限，理解哪些用戶可以看到哪些資訊。

結果發現，沒有哪個企業，即使他們有十億份文件，也遠遠不足以訓練出一個能夠達到 Gemini 或 GPT 或 Claude 表現水平的模型，因為它們需要更多的資訊和數據。所以我們很快就清楚，你根本無法在特定企業內建立模型，必須有另一種架構。所以我們實際上是 RAG 架構的先驅之一。我們是業界第一個 RAG 產品，我們說，如果你來 Glean，我們希望在你的公司內部創造一個類似 ChatGPT 的體驗。你可以來 Glean 提問，我們會用我們的核心搜尋技術來檢索最相關的資訊，然後我們會利用模型的摘要能力，來產生一個對那個問題的完整綜合性答案。

所以，這項技術成為了一個推動者，而不是對我們的威脅或風險。我們在 ChatGPT 推出的大致相同時間，推出了我們公司版的 ChatGPT，我們稱之為 Glean Assistant。Glean Assistant 的運作方式與 ChatGPT 的不同之處在於，它們看起來和感覺上都是對話式 AI 助理，但在 Glean 中，你可以來提問，它不僅可以使用全世界的知識，就像 ChatGPT 那樣，而且因為我們連接到你整個企業的脈絡，我們了解你、你的同事、你的知識，我們可以使用所有這些脈絡來幫助你回答問題和完成任務。

所以這就是我們的歷程，這些模型從根本上影響了我們公司如何從一個搜尋產品，演變成一個對話式 AI 助理，現在又是一個代理人（agent）建構平台。也許我想總結一下這個想法，這是一個例子，告訴你們作為創業者，當你周圍的生態系統不斷演變，並建立起你最初建立的技術時，你應該如何思考你的公司。你必須持續地有這種心態，去重新塑造自己。你必須利用所有在那裡的技術，不要試圖對抗它，而是擁抱它，並不斷地在技術堆疊上向上移動，來交付你自己的產品。

AI 代理人的興起與工作變革

說得很好，每當有這樣重大的技術來臨時，幾乎每家公司都會在某種程度上進行重塑。那是 ChatGPT 的時刻，生成式 AI 的時刻。那麼關於代理人（agents）呢？代理人在過去的六到九個月裡是另一波浪潮。這對 Glean 有什麼影響？你能和在場的創業者或未來的創業者分享些什麼？

嗯，代理人已經是業界過去一年來的熱門話題。

我認為 AI 模型已經發展得非常成熟。我們已經交付 AI 應用程式和代理人超過兩年了。我會說，我們在將業務流程代理人化的能力，去年還相當有限。事實上，即使在今年也有些許限制，因為要真正處理一個需要大量人類判斷的複雜業務流程，模型本身必須具備那種判斷能力。直到最新一代的思維模型（thinking models）問世，像是 GPT-5、Claude Sonnet 和 Opus，以及 Gemini 2.5 Pro，那些能力才真正出現。

所以，雖然你可以使用 AI 來將業務中那些消耗大量人力但不需要太多判斷的簡單工作流程代理人化，但現在，你幾乎可以將公司內部任何一個業務流程，真正地引入 AI，要麼完全取代人類在這些流程中的角色，要麼讓這些人產出的工作品質比以前高出十倍。

我給你舉些例子。對我來說，作為一家公司的 CEO，我的工作方式已經完全改變了。每當我有任何深度的策略性問題時，我不再先問我的高階主管團隊，聽取他們的觀點。我會先從 AI 那裡獲得一個觀點。

舉個簡單的例子，兩天前我在西雅圖與 AWS 的 AI 和 Agent Core 負責人會面。前一天晚上，我希望為這次會議做好準備。我想了解 Glean 和 Agent Core 如何能夠合作，我們可以建立什麼樣的技術整合，從而為我們的客戶增加更多價值。

所以我沒有去問我的團隊，而是先去問了 Glean Assistant。我給它的提示是：「我將與 Agent Core 的負責人會面。我希望你了解 Agent Core 的功能，了解 Glean 的技術架構，然後向我提出一些整合方案，這些方案可以打造出一個功能遠超兩個產品各自能力的聯合產品，並且能夠解決我們客戶一直在抱怨的一些使用案例。」

這就是我給的提示。然後 Glean 進行了深入的研究，深入探討了所有這些主題，並給了我兩個非常棒的整合點子。做完這些之後，我的 Glean 代理人完成了它的工作。之後我才去找我的技術長和產品長，分享 AI 的工作成果，然後說：「嘿，你們看，AI 的分析是否準確？這些是我們應該探索的整合方向嗎？」而在這個案例中，它的分析非常準確，這也是他們告訴我的。

所以，這些是你會想像 AI 最後才會接管的任務，那些非常策略性的工作。但 AI 其實可以做得比我、比你、比任何人都好得多，因為它有能力處理大量資訊，而且有那種耐力，它不會感到疲倦。它能產出這些驚人的報告和結果，我們可以基於這些成果繼續工作，從而真正提升我們自己工作產出的品質。

消費者搜尋的未來

好的，讓我們把話題再拉高一點。搜尋不僅僅是企業搜尋，還有消費者搜尋。我們都知道 Google 仍然是首選的搜尋引擎，如果你想要的是十個藍色連結。但人們在可預見的未來還需要十個藍色連結嗎？Google 會發生什麼事？他們顯然有很多聰明的工程師和非常好的技術，但其根本的商業模式仍然是十個藍色連結。未來會是怎樣的？你作為一個曾在那里工作過、熟悉搜尋的人，是怎麼想的？

嗯，我認為消費者搜尋的體驗正在快速演變。已經有很多人開始使用 ChatGPT 來滿足他們大量的資訊需求。當我們在 Google 建立搜尋時，我們總是對用戶意圖進行分類。當有人來到 Google 時，他們的意圖是什麼？他們的需求是什麼？有時他們是在做研究，有時他們只是想導航到正確的目的地。所以 Google 成為了他們快速找到想去地方的方式。我們將用戶需求分為這些不同的類別：導航型、研究型、任務導向型等等。

我認為每一種用戶需求類別，都決定了不同類型的體驗才是合理的。如果我只是想導航，我不想去輸入長篇的自然語言問題，我只想輸入一個簡短的詞，點擊一下，然後就到達我想去的地方。在這種情況下，我其實喜歡連結。如果我是想得到一個問題的答案，那麼它就更具對話性，更像 ChatGPT 的介面會更合理。

所以我認為這將會演變，但不會只有一種形式。消費者搜尋的贏家將是那個能夠融合所有這些資訊和用戶意圖，並創造出能夠動態適應使用者問題的體驗。有時候它會給你快速連結，有時候它會給你一個對話式的回應，有時候它會給你一個視覺化的產物。這都取決於用戶在尋找什麼。但體驗將會融合。今天它們感覺非常不同，但它們將會融合在一起。

在過去，我們花很多時間做搜尋，但之後我們還要採取很多行動，像是個人化、訂票等等。你認為在不久的將來，像是預訂飯店、旅行、規劃去舊金山的行程、在哪裡停車等等這些繁瑣的事情，都會由代理人完成嗎？

是的，在不久的將來就會實現。我認為 AI 讓我們能夠真正地為我們處理那些繁重的工作，這樣我們不僅能獲得反應式的體驗，還能獲得主動式的體驗。例如，如果我正在開車，我經常開車去舊金山，在哪裡停車這個問題總是很麻煩。對我來說，如果我開車，我的行政助理會幫我安排好，並把資訊放在我的行事曆上，這樣我就可以在車上輸入正確的地址。

但未來將會好得多，系統會偵測到我們想做什麼、要去哪裡，它們會主動提供那些建議和推薦，自動為停車或其他事情付款。所以，世界將會充滿這些自主的代理人，它們會通過這些深度個人化的助理產品來接觸我們，比如 Google 或 OpenAI 的產品。我們也在為企業做同樣的事情。Glean 的願景就是成為你那個主動的夥伴和助理，它會主動來幫助你，為你完成工作，而不僅僅是一個你去尋找問題答案的地方。

AI 對就業市場與人才需求的影響

隨著所有這些自動化的進行，工作機會會變多還是變少？創業家和創業機會會變多還是變少？你怎麼看？

這其實很有趣。我認為工作轉型將會發生。很多人如果不適應，不學會如何利用 AI 的力量，他們將會變得過時，在未來對雇主來說不再有吸引力。所以我們大家可以做的一件事就是，確保我們跟上科技的步伐，學習 AI 如何運作。我們不需要成為模型訓練師，也不需要成為 AI 的深度專家，我們只需要知道如何利用它來為自己謀福利。

這就是我的想法。但在工作方面，很多工作肯定會被轉型，我們只需要為這種轉型做好準備。我們需要確保我們處於 AI 世界中等式裡有價值的那一邊。

但最終，我並不認為會突然出現大規模的失業，或者像今天擁有二十萬員工的公司，明天就能用兩千名員工完成同樣的工作。這些都不會發生。因為最終，你業務的規模仍然會與你擁有的人數成正比。因為你不是唯一一家能從 AI 中受益的公司，你的競爭對手也能。這將是一種人機協作，來推動成功。所以總體而言，我認為情況會比人們所說的更加穩定。

從這個角度來看，你覺得人們還應該學習電腦科學嗎？

百分之百。學習電腦科學、學習數學、學習科學，並學習 AI。這些事情都不會改變。我認為，即使從教育的角度來看，我也覺得完成你的學位課程是絕對正確的事情，接受你的教育。

所以你們對軟體工程師的需求仍然會更多？

是的。事實上，不僅是我們，矽谷的每家公司，我們都在努力尋找最優秀的工程師。事實上，如果有人對 Glean 感興趣，請發訊息給我。但這就是我們的現狀，總體而言，對工程師的需求並未下降。

希望在場的每個人都能對不僅僅是 Glean 在企業搜尋領域表現出色有一個概念，正如你所說，當很多人認為他們可以用 AI 自己做時，但在企業環境中，你仍然需要一個解決方案，這是非常真實的。你從達康時代經歷的經驗，當時不僅是恐慌，更是一場危機，你走過了那一切，所有的學習，一直到 ChatGPT 的出現，它給你們帶來的恐慌，但你們不僅生存下來，還茁壯成長，估值達到 72 億美元。對於未來，我想你和我一樣，都看到了 AI 帶來的巨大機會，而不是覺得所有事情都被自動化了，沒什麼可做的了。非常感謝你的時間。

謝謝你。