Glean Ai
PulseAugur coverage of Glean Ai — every cluster mentioning Glean Ai across labs, papers, and developer communities, ranked by signal.
- founded by Arvind Jain 90%
- founded Arvind Jain 90%
- authored Harsh Singhal 90%
- developed Glean Assistant 90%
- used by Glean Assistant 90%
- founded Rubrik 90%
- founded by Rubrik 90%
- affiliated with Harsh Singhal 70%
- uses Glean Assistant 70%
- employed by Arvind Jain 50%
- employs Arvind Jain 50%
- affiliated with Glean Assistant 50%
- 2026-09-09 product_launch Glean Ai launched its new interactive artifacts feature. 来源
- 2026-08-26 product_launch Glean Ai launched new AI usage controls to help organizations manage and govern AI spending. 来源
- 2026-08-19 product_launch Glean Ai has launched its new feature, interactive artifacts, which allows users to create dynamic content grounded in enterprise knowledge. 来源
- 2026-06-25 product_launch Glean launched an AI coworker integrated into Slack. 来源
- 2026-06-25 product_launch Glean enhanced its AI coworker for Slack, providing organizational context across over 100 integrated systems. 来源
- 2026-06-16 partnership Glean was named Databricks' 2026 ISV AI Visionary Partner of the Year, recognizing their integrated solutions. 来源
- 2026-06-09 product_launch Glean has launched its new AI-powered meeting notes feature. 来源
- 2026-06-09 product_launch Glean launched an enhanced enterprise AI coworker with deep integration into company data and meeting contexts. 来源
- 2026-06-09 product_launch Glean launched new AI-powered features for its Canvas platform, including interactive artifacts and spreadsheets. 来源
- 2026-05-29 funding Glean announced it has reached $300 million in annual recurring revenue. 来源
- 2026-05-25 product_launch Glean launched its AI coworker product aimed at enterprise workflow automation. 来源
- 2026-05-25 product_launch Glean launched its Agent Development Lifecycle (ADLC) integrated into its Work AI platform. 来源
- 2026-05-25 research_milestone Glean published benchmark results comparing its AI coworker tool against off-the-shelf solutions. 来源
3 天有情绪数据
Glean AI to release enterprise-focused AI coworker SKU within 6 months
Glean's recent launch of its AI coworker, coupled with a benchmark showing its superiority over off-the-shelf tools and a focus on enterprise workflow automation, suggests a strategic move towards a dedicated enterprise offering. The emphasis on token efficiency and cost reduction for businesses further supports this. We predict a formal enterprise SKU announcement within the next six months.
Glean AI's ADLC to become a de facto standard for enterprise agent management
By introducing the Agent Development Lifecycle (ADLC), Glean is attempting to bring much-needed structure to the burgeoning field of AI agent creation. If successful, this framework could mitigate risks associated with uncontrolled AI sprawl and demonstrate measurable ROI, potentially leading to its adoption as an industry standard for managing enterprise AI agents.
Glean AI's 'Health Agents' platform shows early traction in unifying infrastructure monitoring
The launch of Glean's Health Agents addresses a critical pain point for organizations struggling with fragmented infrastructure monitoring. The platform's ability to provide unified, explainable health judgments across diverse tools suggests it could become a key differentiator for Glean in the DevOps and SRE markets.
-
OpenAI 推出 B2B 市场，Glean Ai 成为首发合作伙伴
OpenAI 推出了新的 B2B 市场，Glean Ai 作为首发合作伙伴，允许符合条件的企业客户将其 OpenAI 承诺用于符合条件的合作伙伴产品。此次整合旨在为投资 OpenAI 工具的公司提供更大的灵活性。Glean Assistant 和 Glean Agents 利用 OpenAI 的 GPT-6 模型系列，包括 Astra、Sol 和 Luna，进行高级推理和数据分析，并通过 Glean 的 Enterprise Grap…
-
AI代理将月末财务结账时间缩短高达70%
AI代理显著减少了月末财务结账所需的时间和精力，将通常的10-15天周期压缩到3-5天。这些代理通过自动搜索ERP、文档管理和通信平台等不同系统来查找支持对账和日记账分录的数据，从而解决信息碎片化问题。通过自动化这些任务并确保会计规则的一致应用，AI代理使财务团队能够专注于更高价值的分析，而不是手动收集数据和进行对账。
-
Glean 发布交互式构件，将想法变为现实
Glean 推出了交互式构件（interactive artifacts），一项新功能，允许用户将想法转化为动态的、可共享的内容，并以其公司的企业知识为基础。这些构件可以采取多种形式，包括仪表板、原型和提案，自 4 月份预览以来，已有 170,000 名用户创建了超过 110 万个构件，获得了显著的采用率。该功能利用 Glean 对公司数据的现有理解，确保准确性并遵守现有的安全和权限控制。
-
Glean 通过自动路由和帕累托前沿分析优化 AI 成本
Glean 开发了一种新的 AI 模型利用方法，强调成本效益权衡，而非仅仅追求前沿智能。其内部基准测试显示，Glean Assistant 通过自动路由，在成本节省（降低 81%）和用户偏好（78%）方面均显著优于 Claude Cowork。该公司还构建了帕累托前沿分析，以绘制各种模型和企业任务的成本与性能图谱，为其自动路由决策提供信息。
-
Glean 推出 AI 使用量控制以管理企业成本
Glean 推出了新的 AI 使用量控制功能，旨在帮助组织管理和限制不断上涨的 AI 成本。这些控制功能解决了首席信息官们对支出失控以及无法有效管理 AI 工具采用的担忧。该系统允许为个人、团队或整个部门设置精细化的限制，提供使用模式的可视性，并实现主动成本管理。
-
Glean升级AI代理以实现独立操作和增强治理
Glean对其AI代理进行了重大升级，使其能够独立运行、更快地构建并保持大规模治理。这些增强型代理现在可以拥有整个工作流程，拥有具有范围访问权限的独特身份，并通过过去的运营进行学习以随时间推移进行改进。该平台还通过Claude Code和Cursor等现有编码工具简化了代理开发，并集成了Git以实现协作和版本控制。此外，Glean还实施了内置的代理评估和新的治理策略，以确保自主代理的安全和受控部署。
-
Glean 表彰顶级 AI 合作伙伴，表彰其推动可衡量成果的贡献
Glean 宣布了其首届年度 Glean 合作伙伴奖的获奖者，以表彰合作伙伴在帮助组织通过 AI 实现可衡量成果方面做出的杰出贡献。该奖项旨在表彰在转型、协作、交付、客户影响、创新和区域增长等方面的卓越工作。获奖者包括 Bain、Deloitte、AHEAD、Alchemy Tech Group、EggNest、Caylent、Carahsoft、KK Ashisuto、Inco 和 Softcat，彰显了他们专业知识在推动 AI 采…
-
Glean 推出交互式构件，以企业知识为基础实现想法落地
Glean 推出了名为“交互式构件”的新功能，旨在帮助用户将想法变为现实，并以企业知识为基础。该工具允许直接从公司授权的数据中创建动态页面、仪表板、原型和提案。该功能在预览期间已构建了超过 500,000 个构件，旨在简化想法开发和共享流程，减少在格式设置和研究上花费的时间。
-
OpenAI因网络安全风险放缓训练；Cerebras CS-4挑战Nvidia
据报道，由于新兴的网络安全能力和一个过去的安保事件，OpenAI已放缓其前沿模型的训练，并暂停了一些强化学习。与此同时，Cerebras推出了其新的CS-4计算机，该公司声称其在AI任务上的速度优势显著超过Nvidia的处理器。此外，Z.ai已推出其GLM-5.3 API，以与其前代产品GLM-5.2相同的价格提供了改进的编码和代理性能。
-
AI模型路由获得关注以降低企业成本
模型路由正成为管理与先进AI模型相关的不断上涨的成本的关键策略，尤其是在企业环境中。Glean等公司正在开发能够动态选择最经济高效的模型来执行特定任务的系统，通常会优先选择更便宜的开源模型，仅在必要时才升级到更强大、更昂贵的模型。这种方法由前沿模型的高成本和开源替代方案日益增长的能力所驱动，旨在在不牺牲性能的情况下优化AI支出，一些系统已报告显著的成本节约。
-
阿里巴巴的MyContext旨在为AI Agent提供企业上下文
阿里巴巴的Qwen Office已开源MyContext，这是一个新的基础设施项目，旨在弥合分散的企业数据与AI Agent所需的上下文理解之间的差距。MyContext处理来自钉钉聊天、文档和会议记录等各种来源的信息，将其转化为Agent可用的上下文。这使得Agent能够更好地理解用户工作流程和企业特定信息，超越通用知识，在实际业务场景中提供更相关、更有效的帮助。
-
企业AI大脑成为克服代理局限性的关键
公司正将焦点从单个AI代理转向一个
-
Glean 会议将聚焦 AI 商业影响和智能体部署
Glean 将于 8 月 26 日至 27 日在旧金山举办其 Glean:GO 2026 会议，重点关注企业如何将 AI 采用转化为可衡量的影响。本次活动将探讨如何超越初步的 AI 使用，实现显著且可重复的商业价值。会议内容将涵盖定义 AI 投资回报率、扩展成功的试点项目以及有效部署 AI 智能体，并分享来自 Motive 和 Dell 等公司的客户案例研究。
-
人工智能在数据丢失防护中的作用：从检测走向判断
传统的数据丢失防护（DLP）工具通过模式匹配专注于检测，但这种方法存在局限性。一项最新研究发现，来自正则表达式和以个人身份信息（PII）为重点的模型，其80%以上的发现都是误报，这凸显了人工判断的必要性。作者 Harsh Singhal 提出，能够理解上下文和组织特定信息的代理式人工智能系统，更适合弥合数据安全中检测与决策之间的差距。
-
澳大利亚人工智能采用速度超过组织支持，导致“机器人坐班”
一份新报告显示，尽管澳大利亚的数字工作者迅速采用了人工智能工具，但他们的组织在必要的系统性变革方面却未能跟上。这种快速采用，90%的员工使用人工智能，导致了高比例的“机器人坐班”（botshitting），即人工智能辅助的工作在未经充分审查或理解的情况下就被提交。澳大利亚员工平均每周花费6.5小时处理“机器人坐班”任务，如纠正人工智能错误和提供上下文，这一比例高于英国和美国。报告认为，组织工作流程、培训和人工智能相关政策的缓慢适应是导…
-
英国AI采用率高，但尽管政策强劲，工作验证仍滞后
Glean工作AI研究所的一份新报告表明，尽管英国已为工作场所的AI建立了强大的制度框架，包括高采用率和员工对AI政策的信心，但它在确保AI生成工作的可靠性方面仍面临挑战。尽管90%的英国数字工作者使用AI并报告了显著的生产力提升，但仍有相当一部分（70%）承认存在“机器人看管”——即验证、理解或辩护AI辅助的输出。这表明，尽管英国已成功将AI融入其工作文化和决策过程，但验证AI输出的关键挑战仍未得到解决。
-
Glean 成为工作场所搜索领域顶级 Coveo 替代方案
Glean 被强调为工作场所企业搜索领域中 Coveo 的首选替代方案，尤其适用于内部知识发现。虽然 Coveo 在商业和面向客户的搜索方面表现出色，但 Glean 旨在通过 AI 驱动的答案帮助员工在各种业务工具中查找信息。对于偏好自定义控制的技术团队，推荐 Elastic；而对于深度投资于 Microsoft 365 生态系统的组织，Microsoft Copilot 是一个合适的选择。
-
Glean 比较了用于企业采用的 AI Agent 编排平台
Glean 发布了对 AI Agent 编排平台的比较，将其分为开发者框架、无代码自动化工具和企业平台。分析强调，虽然个人 AI 生产力正在提高，但将其转化为可衡量的业务成果是一个挑战，需要有效的编排和治理。该报告根据企业就绪程度和编排优势等标准，评估了 LangGraph、CrewAI、Lindy AI 和 Microsoft 的 Agent Framework 等平台，旨在指导企业选择适合其特定需求的工具。
-
人工智能影响差距：组织关注成果而非仅仅是活动
Glean 的 Work AI Institute 的一份新报告表明，尽管大多数组织在将人工智能使用转化为显著的绩效改进方面遇到困难，但少数“变革性组织”正在取得实质性进展。这些领先的公司专注于衡量人工智能对质量和生产力等成果的影响，而不是仅仅关注代币消耗或采用率等活动指标。它们还通过共享人工智能使用数据来赋能员工，培养一种更具战略性的人工智能集成方法，该方法优先考虑上下文、输出验证和工作流程对齐，而不是仅仅激活工具。
-
Glean 强调企业 AI 的全面上下文，超越基础索引
Glean 认为，虽然索引对于为 AI 提供企业上下文至关重要，但它只是一个更大系统的一部分。该公司强调，真正的人工智能企业需要的不只是索引数据；它需要组织、权限管理和使数据相关。Glean 的方法将索引与用于关系的图谱映射、用于跨会话学习的记忆以及用于 AI 操作的工具相结合，旨在提供一个统一的、感知权限的基础，以保留企业信息的深度和广度。