信任比技术更耐用：Glean 的 72 亿美元组织逻辑

Arvind Jain 在 Google 做了十年搜索，见过全球信息的流动方式。然后他加入 Rubrik，亲眼看着自己和同事每天花多少时间在内部找一份文件、确认一个权限、定位一个「上周会议说到的结论」。他后来说：「明明知道信息在某个地方，就是找不到——这种感觉不只是低效，还很让人沮丧。」1

2019 年，Arvind 和在 Google 一起做搜索基础设施的 Tony，以及相识三十年、时任 Facebook 搜索部门负责人的 Vish，三个人在帕洛阿尔托创立了 Glean。2 那年他们想做的事很简单：给企业员工一个「工作版 Google」。

六年之后，Glean 的收入在 15 个月内从 1 亿美元涨到了 3 亿美元，估值 72 亿美元，成为企业 AI 领域里盯着 Google、Microsoft、Anthropic 全部入局还在加速的那一家。3

这家公司的组织方式，和它正在帮客户改造的工作方式一样值得拆开来看。

Glean 的三位创始人都是技术出身，共同点是对「搜索」这件事有超过常人的系统性理解——不是产品经理型的功能拆解，而是搜索排序、索引、上下文理解这类底层逻辑。2

这个基因贯穿了公司的技术决策风格。Glean 没有选择租用 OpenAI 或 Google 的现成模型直接套 RAG，而是在企业语料上自训练了 transformer 模型——比向量搜索流行早几年。Jain 在接受 Foundation Capital 访谈时说：「我们不打算重新发明基础模型，但我们在它们之上构建的理解层——对每家公司的数据结构、权限体系、工作流程的深度理解——那是 Glean 真正的优势所在。」4

在组织层面，Glean 的策略是：工程和研究团队保持精干，GTM 和客户成功端则大规模铺开。看一眼招聘页就能感受到这个比例——截至 2026 年 6 月，工程岗不到 30 个开放位置，客户成功（AI Outcomes Manager / AI Success Manager）在全球各地有超过 20 个开放职位，分布在美国东西南、英国、澳大利亚、印度、巴西、瑞典。5

员工规模方面，Sacra 的数据显示 Glean 已超过 1000 人，Wikipedia 显示 500+ 人；两个来源口径不同，但可以确认的是，Glean 不是一家刻意维持超小规模的公司，它在有意地按照规模化路径扩张。6

Glean 的招聘哲学在 2025 年发生了一次明显的转变。

表面上，Arvind 说筛选标准没变：有激情、有成长动力、能合作。但评估方式变了。1

工程岗的面试任务，以前是两小时内完成一个两小时能做完的题；现在换成了两小时内完成一个「正常情况下要一个月」才能做完的任务。候选人不会被告知要用 AI 工具。问题的核心是：他们会不会自然地伸手去够 AI？

「我们想看的是他们的本能，」Jain 说，「他们究竟会不会用起来，把任务完成？」1

同样的逻辑延伸到非技术岗。财务候选人拿到的 case 是真实上需要 AI 工具才能做完的计算题。Glean 测的不是「你知道 AI 吗」，而是「你有没有习惯性地把它作为延伸手臂」。

这套逻辑本身就说明了 Glean 在内部怎么运作：AI 不是工具包里偶尔拿出来的那把锤子，是桌子。

从工作安排来看，Glean 的节奏是四天办公室、一天在家。「Transparent culture」是 Glean 官方列出的福利之一，背后的含义是：信息默认公开，而不是按部门隔离。5

Arvind 有一个在不同场合反复说过的判断：AI 落地最快的公司，往往不是那些「全员搞 AI」的公司，而是那些把 AI 当成一个专属议题、有人专门为此负责的公司。

他的建议很具体：找一个「首席 AI 官」或者类似的角色，让这个人全职做 AI 转型，而不是把 AI 当成 CTO 或 COO 职责清单里的第二十项任务。1

在 Glean 内部，他推行的一个特殊配对是：老员工 + 应届毕业生。应届生刚进来，从没按「传统方式」做过事，所以 AI 对他们不是习惯的颠覆，就是工作方式本身。把他们和有经验的团队成员配对，这个 AI 使用习惯会自然传导。

这个逻辑和 Glean 自己卖的产品逻辑是一致的：信息和习惯，要靠结构传播，靠系统连接，不靠人嘴说。

在目标设定上，Arvind 曾公开说 Glean 自己也失败过。他们试过设定「50% 效率提升」这种大目标，结果几乎没有推进。现在他的建议是：只找一个流程，把它优化了，庆祝它。「你只需要让每个人都在找一个业务流程的小优化，然后庆祝这件事——动量就会积累起来，然后你最终会达到那个 50%。」1

Glean 的规划周期从季度变成了月度。Arvind 在接受采访时直接说：「在 AI 行业，你没有选择。你这个月做了某件事，下个月你很可能要重做它。」1

工程师被激励去「用更好的东西替代现有技术」。速度不是一种文化主张，是 Arvind 明确表达的生存机制：动得最快的团队才是保持相关性的团队。

这个节奏变化背后是一个真实的商业压力——Glean 的前四五年几乎没有竞争对手，但从 2024 年开始，Google、Microsoft、OpenAI、Anthropic、Salesforce、Atlassian 全部开始做类似的产品。3 Arvind 的判断是：先发优势存在，但不足够，「你还必须有更好的产品」。

在协作工具的使用上，Glean 的招聘页显示它连接了 Slack、Jira、Google Drive、Microsoft 365 等超过 100 个工作应用——这些不只是销售页面的说辞，也是内部的工作环境。Glean 的产品哲学是「连接所有系统」，它自己就运行在这套逻辑上。

Glean 有一个在竞争定位上越来越清晰的说法：它不只帮你找信息，它帮你减少 AI 账单。

Arvind 对 TechCrunch 解释这个逻辑：「如果你把 AI 连到 Glean，它会给你完成工作需要的全部信息，这导致 AI 消耗的 token 远少于你把 AI 直接放到你的系统上。」3 因为 AI 完成的操作更少了——知道去哪里找，而不是遍历所有系统。

这个论点在 2026 年变得更有说服力，因为大量企业开始面临 AI 预算超支的问题。Glean 把自己的「企业上下文图谱（context graph）」从技术特性升级成了成本控制工具。

内部同样如此。Glean 自己在用自己的产品——这不是市场说辞，而是公司文化的一部分。「我们做这个产品，是因为我们自己就面对这个问题，」Arvind 多次在访谈里说。公司的内部知识管理、AI agent 的配置、跨部门协作的权限控制，都跑在 Glean 自己的系统上。

这条融资曲线本身就说明了一件事：Glean 不是估值一步跳到位的，而是从 2019 年到 2022 年保持低调，在 LLM 爆发后以几乎每 9 个月翻倍的节奏加速。7 投资方包括 Wellington、Sequoia、Kleiner Perkins、Khosla、Altimeter、DST Global 等——没有一家是纯粹押注热度的，它们都在企业软件赛道有长线判断。

技术在这个行业的半衰期越来越短。Arvind 很清楚这一点，所以 Glean 的护城河逻辑是另一套东西。

「你的护城河真的是你的客户，以及你与他们建立的信任，」他说。当用户换工作时，他们会把 Glean 带到下一家公司。当他们有好体验时，他们会在内部推荐。这种忠诚度必须靠赚，但它是可以复利的，而技术优势不是。1

支撑信任的底层逻辑是安全性。Glean 的权限控制模型是「在源头执行现有企业权限」——如果某人在 Salesforce 里无权看某份合同，Glean 的 AI 返回的结果里就不会包含这份合同，不论是搜索还是 agent 调用。1 这是一个让 CIO 愿意签 PO 的特性，也是 Glean 进入金融、医疗等强监管行业的入场券。

公司通过了 SOC 2 Type II 和 ISO 27001 认证，并从一开始就把 GDPR、HIPAA 合规作为基础架构的一部分来设计，而不是事后打补丁。2

Glean 的组织实践里，有几个具体判断值得拆出来看：

一、招聘测试 AI 本能，不测试 AI 知识。 「知道 AI 怎么用」和「在压力下会伸手去用 AI」是两回事。Glean 的面试设计刻意制造后一种情境——把题目规模做到「必须用 AI 才能在时间内完成」，观察候选人的本能反应。这可以直接复制：把任何面试任务的规模扩大 10 倍，看谁会去用工具，谁还在手动解。

二、AI 变革需要专属所有权，不能兼任。 Arvind 在多家大型企业里观察到的规律是：AI 最后落地的，是那些有专门负责人的公司，不是那些「全员重视」的公司。把 AI 转型分配给一个已经很忙的高管，它就会永远排在 Q3 的计划里。设一个 AI 负责人，哪怕是兼职的内部角色，胜过十次全员动员会。

三、把小赢庆祝出来，不要等大目标。 Glean 自己在推进内部 AI 时踩过这个坑——设了 50% 的效率目标，什么都没推进。换成「找到一个流程的小优化，庆祝它」，动量才积累起来。这个方法论看起来普通，但它对应着一个真实的组织心理学问题：大目标产生焦虑和规避，小赢产生能量和传播。

这三条逻辑不需要是 Glean 的客户才能用。它们是 Glean 在帮上千家企业做 AI 转型时，从自己和客户身上同时验证过的东西。8