今天小编分享的教育经验：AI独角兽Glean CEO贾因：每个人都将拥有AI代理组成的强大团队，将个人产出提升10倍，欢迎阅读。
作者|瓜哥
来源 | 瓜哥AI新知 管理智慧AI+
咨询合作| 13699120588
文章为阿文德·贾因在Peter Yang频道的访谈整理。阿文德·贾因（Arvind Jain）是一位在人工智能领網域享有盛誉的企业家和技术专家。Glean的联合创始人兼CEO。在谷歌的十三年中对谷歌在人工智能领網域的突破性进展起到了至关重要的作用
文章仅代表作者本人观点
内容提要: 阿文德·贾因在Peter Yang频道的访谈：押注AI Agents，三年打造一亿美元ARR的Glean
人工智能并非取代人类，而是掌握人工智能的人将取代落后者。 未来工作量将是现在的十倍，但人们会找到新的任务来推动技术和产品进步。
每个人都将管理一个AI代理团队。 就像CEO拥有团队支持，或网球运动员费德勒拥有50人团队一样，未来每个人都将拥有一支由AI代理组成的强大团队，处理工作、了解身份、帮助进步。
产品经理能很好地适应人工智能。 产品经理是AI的重度用户，利用AI处理信息和数据，辅助决策。例如，利用AI代理监听客户对话，分类功能请求，辅助路线图规划。
搭建强大的AI Agent的关键在于易用性和与企业系统的连接。 用户只需用自然语言描述工作，AI即可构建Agent，连接企业数据，利用LLM完成工作。Agent可分为人使用的和后台自主运行的两种。
企业采用AI的三大障碍：
安全问题： 必须尊重企业安全和权限架构，防范新型安全攻击。
惯性： 大型企业业务流程固化，缺乏改变的动力。需要教育员工，提供AI工具。
困惑： 面对众多AI公司和产品，企业难以决策。担心LLM提供商或初创公司的生存问题。
Glean在3年内ARR达到1亿美元的秘诀在于专注于企业市场和协作的上市模式。 产品与企业系统、数据、知识连接，解决企业最大应用场景。通过企业团队、解决方案专家和AI成果工程师，与客户密切合作，制定AI路线图并共同执行。
企业数据质量问题需要接受并与之合作。 不能等待修复数据再使用AI，而应构建优秀的搜索系统，理解信号，确定最佳信息。
构建AI产品所需的关键技能：
迭代和敏捷：快速构建MVP，不断重新发明，适应快速变化的市场。
处理不确定性： 学习使用不精确的系统，进行判断。
公司文化的核心是人，价值观要与使命保持一致，信任和尊重是关键。 要接受每个人都在学习的旅程中，认识到每个人都能增加价值。
五年计划在创业公司没有价值，应该以月度为部門进行运营，并根据变化随时调整年度计划。
Glean的愿景是为每个人建立一个出色的人工智能团队，帮助他们成为效率提升十倍的人。
利用人工智能，多使用它。 精通人工智能的人将取代那些在人工智能方面落后的人。
如何在人工智能时代找到职业安全感
Arvind： 我认为人工智能不会取代人类。更准确地说，是掌握人工智能的人会取代那些在人工智能方面落后的人。我认为未来我们能完成的工作量将是现在的十倍。但这并不意味着我们必须减少工作时间。历史经验表明，我们总会找到新的事情去做。我们将拥有一支由人工智能代理组成的强大团队，它们不仅会处理我们的大部分工作，还会了解我们的身份和工作内容，并帮助我们变得更好。想象一下，一家公司的CEO，他们身边就围绕着一个优秀的团队。未来，即使你刚毕业，也能拥有这种待遇。
主持人Peter： 大家好，欢迎收听本期节目。今天的嘉宾是Glean的CEO Arvind。Arvind认为，每位员工都应该拥有自己的AI代理团队来协助完成工作。Glean最近的年度经常性收入（ARR）已超过1亿美元。我非常期待与Arvind探讨工作的未来，以及他从Glean的构建过程中总结出的顶级产品经验。欢迎Arvind。
Arvind： 非常感谢邀请。
主持人Peter： Arvind，你的职业生涯非常丰富。你创办过多家初创公司，并在谷歌工作了很长时间。在大型科技公司里，管理层级很多，每个人在团队中都有非常明确的角色。你认为人工智能或AI代理会从根本上改变这一切吗？工作环境会如何演变？
Arvind：当然，人工智能肯定会改变每个人的工作方式，无论你是在初创公司、小公司还是大型企业。我认为未来一个趋势是，我们今天所做的工作，未来能够完成的工作量将是现在的十倍。就像过去我们需要手动进行加减运算，但有了计算器，我们就能更快地完成。同样的情况可能会发生在我们的绝大多数工作中，许多手动任务将由人工智能来管理。
但这并不意味着我们会减少工作量。从历史上看，我们总是会找到新的任务去完成，从而推动技术和产品的进步。可以肯定的是，一场巨大的变革即将到来，我认为这会影响人们在初创公司中所扮演的角色。在初创公司里，人们的角色通常更广泛。例如，在我创办的公司里，我扮演着许多不同的角色：我是IT人员、人力资源人员、开发人员和销售人员。与大型公司相比，初创公司的人员分工更不精细。
人工智能会如何改变这种局面？我没有直接的答案，但我强烈预感到，这些不同职能部门的许多任务将可以由人工智能来管理。从这个意义上说，你可以想象一个人，他的主要角色是开发人员。但由于人工智能的帮助，他将能够处理各种以前需要额外人员才能完成的任务。
每个人都将管理一个AI代理团队
主持人Peter： 这几乎就像每个人都会成为AI代理的管理者。这样说对吗？
Arvind： 绝对正确。我真正感到兴奋的概念是拥有一个支持网络。我举一个现实世界的例子：一家公司的CEO。他们身边围绕着一个优秀的团队，包括幕僚长、一到两名助理，以及能力超强的执行团队。此外，他们还有一位教练，不断指导他们成为一名优秀的CEO。所有这些帮助显然使他们对公司的影响远大于仅仅是一名个人贡献者。在很多方面，这些倍增的力量有助于提高他们的效率。
类似地，我们来看一个非工作场景。比如像罗杰·费德勒这样的网球运动员，他和我在球场上打球一样，只是拿着球拍和球。但是，他拥有一个由大约50人组成的团队来支持他，确保他接受良好的训练和正确的指导，以便在比赛中发挥出色。这种广泛的支持使他能够取得世界级的成就，而我可能无法达到同样的水平。
现在，将这个概念带回到人工智能领網域，我们可以设想一个每个人都拥有不同体验的未来。我们将拥有一支由人工智能代理组成的强大团队，它们不仅会处理我们的大部分工作，还会了解我们的身份和工作内容。此外，它们还会像教练一样帮助我们进步。这就是我们所期待的未来，令人兴奋的是，你刚毕业就能拥有这种待遇，而无需等待多年。
主持人Peter：我有一个云项目，我在其中提供了太多关于我自己的个人信息。然后我每三个月查看一次，它会给我关于我应该做什么的具体建议。我认为它就像一个非常好的私人教练。
产品经理是否能很好地适应人工智能？
很多听众都是产品经理。产品经理需要进行大量的内部协调，他们需要制作大量的文档或资料。你认为这个角色在未来会发展得很好吗？即使在你自己的公司里，对于产品经理来说，你如何让他们为这个人工智能代理的未来做好准备？
Arvind：这是个很好的问题。首先，在我们公司，产品经理实际上是人工智能的重度用户。提到Glean，可以把它看作是公司内部更强大、更企业级的ChatGPT。它能够通过模型和网络搜索，帮助你获取世界上的所有知识。它还能够帮助你获取所有内部知识，回答你的问题，并帮助你完成正在进行的任务。
我们还有一个代理平台，你可以在其中为特定的日常流程构建特定的代理。所以人们会在Glean中构建代理。你可以为自己和你的部门构建代理。我想说的是，当我们查看产品经理在我们公司中使用的代理数量时，这个数字在所有不同的职能部门中是最高的，比如工程师、销售人员和支持人员。他们对这些代理的使用最多。为什么？因为我认为他们的工作总是涉及到处理来自组织内部不同人员（来自客户和产品使用）的信息和数据。
你必须始终做出数据驱动和知识驱动的决策。我举一个简单的例子，就是如何决定优先开发哪些功能。在我们公司，这个过程已经被代理重新定义了。以前，在企业軟體公司中，你通常会通过与一些最重要的客户合作来决定如何优先处理新的工作和功能。你会从他们那里了解他们正在寻找的关键内容，进行10或15次会议的调研，然后在此基础上构建路线图。
但现在，我们的团队可以访问公司中发生过的所有客户对话，我们有成千上万的对话。他们构建了这个代理，它会监听与客户的所有通话录音。该代理的任务是监听客户提出的任何需求或新功能，然后收集这些信息。之后，代理的任务是将这些请求分类到不同的主题中。你可以提出六七个不同的主题，然后相应地对功能请求进行分类。
之后，你创建一个包含所有通话反馈的大型电子表格，并要求代理总结、综合和挑选出要关注的顶级主题。它为你完成了所有这些工作，这是你以前无法做到的。过去，你必须处理有限的信息，并且只能与少数人会面。现在，他们可以利用组织中存在的集体知识，这些知识以前在人工智能出现之前是完全未开发的。这就是我们的团队现在进行路线图规划的方式，他们感到更有信心。
主持人Peter： 嗯，因为那样你就可以把时间花在思考上，而不是仅仅试图收集所有信息。没错。嗯，我做的也差不多。当我写PRD（产品需求文档）的时候，可能有点偷懒。但我有一个客户社区，我会跟他们交流。我只是问他们一些问题，比如，你们有什么问题？你们想要什么样的解决方案？然后我用一个模板来起草PRD。我实际上不是从头开始写的。但的确很有帮助。你知道吗？我觉得Roblox实际上有一个很简洁的功能，但我从没用过那个agent功能。我觉得我错过了。你可以创建这些agent，它们每天自动为你总结信息。
如何搭建强大的AI Agent
Arvind： 嗯，在Glean中构建agent的方式是，首先，构建agent非常简单。你不需要是开发者或者产品经理。你可以是一个销售人员，只需要描述你所做的工作，一些困扰你或者觉得太繁琐的事情。用自然语言告诉Glean，嘿，这就是我所做的工作，你能从现在开始为我做这件事吗？基本上就这么简单。
然后我们会构建这个agent。它已经与你的企业系统和数据连接起来。所以它实际上能够提供正确的数据，并使用LLM（大型语言模型）的力量访问该agent。此外，它还可以在这些不同的系统中采取行动来完成这项工作。
现在，当你观察这些agent时，有两种类型。一种是人使用的，比如，我去一个agent，让它为我做一些工作。另一种agent可以在后台自主运行，可能是基于一些触发器。例如，每次有新的潜在客户进入你的营销系统时，它可以执行一系列工作，用一些信息来增强该潜在客户。所以你可以拥有两种类型的agent。
主持人Peter： 好的，那么后者有点像Zapier，用于内部公司事务，对吧？有点像...工作流。
Arvind：我认为Zapier实际上是一个非常广泛的动作库。但是，一个agent不仅仅是一个动作库。它涉及到大量的逻辑和思考。
当你思考一个agent以及如何表示它时，agent的流程中会涉及到几个组成部分。其中一些组成部分包括从企业系统中读取信息，而另一些则专注于在这些系统中采取行动。
agent的大部分功能都围绕着思考、分析和综合。这就是人工智能真正发光的地方，它引入了以前依赖于人类智能的新功能。
当你考虑当今企业的自动化时，你现在可以自动化过去被认为需要人类智能的任务，从而为新的效率和创新让路。
企业采用AI的三个真正障碍
主持人Peter： 有道理。那么让我们来谈谈企业采用AI的问题。我最近发了一条推特，火了，内容是"初创公司比大型科技公司更有优势，因为他们可以使用所有可用的AI工具。"你认为为什么有些公司采用这些东西的速度如此之慢？是因为安全问题，还是仅仅需要时间？
Arvind： 是的。我认为大型企业需要更长的时间来采用一些AI技术。即使对我们来说，作为一家为大型企业服务的公司，我们也必须非常小心地使用我们公司内部的技术。因为最终，如果发生不好的事情，我们会在某种程度上危及我们的客户。所以我认为存在一种自然的摩擦；安全绝对是关于如何确保你的AI在构建这些agent时是安全的关键摩擦点之一。你必须尊重企业的治理要求、安全性和权限架构。你不应该暴露信息，即使在内部，当然更不能在外部，而且也不能暴露给那些不应该访问的员工。许多企业数据本质上是私有的，所以我们需要解决这个问题。这绝对是一个因素。
随着AI的兴起，AI也出现了新型的安全攻击；例如，你可能容易受到prompt注入攻击。因此，在构建这些平台时，你需要确保一切都以一种严谨的方式完成，并具有正确的安全控制。但这只是其中一个挑战。还有其他的挑战。其中一个，我想说的是惯性。在大型企业中，业务流程更加固化。有一种特定的做事方式，而且人们通常不想改变。例如，如果我有一个繁忙的工作日程，我需要在一天内完成十件不同的事情，我没有时间去思考如何用AI来做不同的事情。
然而，当你创办一家新公司时，情况正好相反；你没有现有的人员或流程，你需要弄清楚如何完成事情。你使用现代工具是因为它们比以前的方法更好，而且这些工具承诺在不需要更多员工的情况下帮助改进业务流程。因此，这种差异经常被低估，并且是一个重要的因素。当你考虑大型企业中的AI时，你首先要做的是教育人们。
目前，许多人觉得AI遥不可及。如果我是一个人力资源人员，你让我使用AI技术或构建一个agent，我可能会回答，"你在说什么？我从来没有构建过类似的东西。这似乎是技术方面的事情。"你必须培训你的员工，并为他们提供基本的AI工具。让他们使用ChatGPT或Glean，Glean是同类型的更侧重于企业的产品。一旦他们开始感到舒适并知道如何使用AI，他们将推动对更多产品的需求，并实际采用和接受它们。这些是我们观察到的一些障碍。
最后，人们感到困惑。如果你是一家大型企业的CIO（首席信息官），你会受到数千家初创公司和大型公司的轰炸和推销，因为每家公司，无论是初创公司还是已经存在50年的公司，都声称自己是今天的AI公司。他们有AI产品，并且有很多选择。做出决定并不容易；企业必须进行长期的思考。我经常听到的一个担忧是，他们不知道哪些大型语言模型（LLM）提供商会成功，或者哪些初创公司会在一两年内仍然存在。在这样一个充满活力的行业中，你如何做出重大决策，并使用明年可能不存在的产品来改造你的业务流程？这些实际的考虑因素使得企业进展缓慢。
Glean如何在短短3年内达到1亿美元的ARR
主持人Peter： 是的。而且，举个例子，像使用AI在会议期间做笔记这样简单的事情。对于像我这样的普通员工来说，这听起来是个好主意。我们为什么没有呢？但有些会议可能非常敏感，比如员工被解雇之类的。你并不希望所有这些东西都被记录下来。所以，作为为企业构建产品的人，你可能需要构建正确的控制机制，对吧？这可能是消费产品不会考虑到的。在获得企业采用方面，OpenAI和其他所有公司也都在努力争取企业采用。那么，Glean的秘诀是什么呢？仅仅是你刚才所说的那些吗？还是有什么其他的？
Arvind： 是的。嗯，我的意思是，这有两个方面。一个是产品本身。我们专注于企业市场，而且已经存在很长时间了。我们的产品比市面上任何其他产品都要老三倍。我们在过去的六年里一直在构建它。我们产品的一部分是与我们所有的企业系统、数据、知识连接，而且无论如何，这是当今人工智能最大的应用。
当你想到AI时，人们试图做什么？首先，他们试图将其用作一个可以真正帮助你获取知识的助手。它可以回答你的问题。所以这是我们长期以来构建的产品。我们非常适合企业领網域目前最成功的人工智能应用。
而且，我们认为企业采用的另一个必要条件是，这项技术并不容易使用。你不能只是构建产品，然后把它们扔给你的客户，期望他们能完全成功。你必须建立一个协作的上市模式。
我们通过一个大型的企业团队和一个上市团队来实现这一点。我们有很多解决方案专家和AI成果工程师，他们与我们的客户密切合作。我们了解他们的关键业务问题，与他们一起制定未来一年的人工智能路线图，然后一起执行。这种关注再次强调了我们以企业为导向，并将此视为一项人事业务，而不仅仅是一项軟體和技术业务。我们不仅仅是构建一些东西，然后期望你自己弄清楚如何使用它。我们不采取这种方法。
主持人Peter： 是的，因为聊天就像一个非常通用的工具，对吧？谁知道我们会往聊天框里放什么？
Arvind： 这很大程度上取决于真实情况。你提出了一个有趣的观点。实际上，一个搜索或聊天产品很容易，对吧？在某种意义上，嗯，它只是一个空白的框。随便问什么问题都可以。
但实际上，事实证明它非常困难。很多人实际上没有人工智能可以为你做什么的背景知识或方向。我们过去常常为提供一个非常干净的界面而自豪，页面上除了一个框之外什么都没有。你只需要在那个框里输入就可以了。然而，我们意识到人们并没有使用它；他们没有弄清楚能做什么。
从那时起，我们采取了一种更加积极主动的方法。人工智能教育已经成为我们的关键主题。当用户来到我们的产品时，我们了解他们；我们知道他们是谁。现在，根据他们的角色以及他们使用产品和人工智能的程度，我们开始定制他们的教育。
我们会提示他们并建议他们尝试一些东西。这已被证明非常非常有效。
主持人Peter： 你知道，我认为在每个公司，都有这些人工智能的倡导者或那些高级用户。然后，你知道，和他们交流，比如他们如何才能真正推动？假设他们不是CEO。他们只是一个员工。那么他们如何才能推动公司的其他人真正使用这些东西呢？也许你可以，也许你的策略是与他们合作，以获得Glean或其他工具的采用。
Arvind： 是的。我的意思是，我们绝对需要这些人。每个公司都会有一小部分人是人工智能爱好者。他们想走在前沿。他们是那些做出非常有趣的发现的人。我想明确一点，我不认为世界上有人真正了解当前的模型能为我们做什么，它们所拥有的所有能力。只有当你把它们投入使用，当你要求它们做事情时，你才能弄清楚。
这就是发现发生的地方。你会意识到该模型实际上很擅长为你做某些类型的事情。为此，你需要那些热衷于尝试的人。他们可能会从人工智能那里看到一些非常糟糕的反应，但他们会调整并与它合作。最终，他们会达到一个很好的状态，他们以一种特定的方式提示了模型，它为他们做了一些神奇的事情。
当这种情况发生时，你就要确保他们使用的产品能够让他们很容易地与公司中的其他人分享这个发现。在Glean，我们采用了这种方法，即拥有一个提示库和一个代理库，每个人都可以尝试、构建代理和构建提示。当有很棒的事情发生时，他们就可以与公司里的其他人分享。
然后，我们会想办法把那些爱好者和倡导者正在构建的大型库，以有效的方式，带给那些将从中受益的人。
使人工智能与混乱的内部公司数据一起工作
主持人Peter： 是的，我喜欢这样。前几天我在使用Gemini，他们可以用我的高级提示制作这些宝石。但是他们忘记了做这个功能，让我和我的同事分享我的提示。所以，这有什么意义呢？这是一个至关重要的功能。那么，就像你说的，在人工智能产品中，数据为王。如果你的数据很烂，你的人工智能产品就不会好。但是公司内部的数据，很多时候都很糟糕。有些檔案已经过时了。有一些是不完整的。你甚至怎么知道什么是好的？你知道吗？
Arvind： 是的，那是一个大问题。实际上，这并不是说内部数据更糟糕。互联网上的数据本质上也一样。其中很多都是过时的信息。这是你必须理解并与之合作的事情。
我们已经看到了两种方法。一些企业说，"哦，我今天还没有准备好使用人工智能，我要先清理我的知识，"因为他们尝试了所有这些使用不同人工智能产品的概念验证（POC），但它们效果不佳。这些产品中的许多产品都回来告诉客户，"嗯，你的数据很糟糕，因此人工智能很糟糕。"但这不是正确的方法。
我认为你永远无法以全面的方式修复你的数据。数据是长期产生的，而且自然会变得过时。有些数据质量会很高，因为它是由优秀的作家或主题专家编写的，而有些数据则不是。你实际上必须接受所有这些——好的、坏的、新鲜的、过时的、流行的和非流行的内容。
然后你必须理解这一点，并弄清楚什么是正确的信息，以及在任何任务中，什么是最好的信息。为此，你必须构建一个非常好的搜索系统。你必须将你的搜索系统与所有这些数据连接起来，而且你必须开始理解这些信号。你必须开始弄清楚在任何给定场景中，对于任何给定的任务，应该使用什么数据。
当我们考虑我们在Glean自己的技术时，我想说，其中很大一部分——实际上都花在了试图理解企业上。我们专注于解决数据质量问题，并确保对于你将要使用人工智能执行的任何任务，我们都可以将正确的信息带入模型，然后使他们能够对其进行推理，从而产生出色的工作。
主持人Peter： 是的，所以它就像系統資料庫，还是说它是一个与LM（语言模型）分离的系统，对吧？
Arvind： 是的，我们的方法。是的。就像RAG（检索增强生成）是一种方法，它是一个非常具体的构造，从这个意义上讲，对吧？是的。就像在企业中的任何任务，你都需要从企业内部检索正确的信息，因为你的模型没有用这些知识进行训练。
然后你必须使这些信息对模型可用。但整个过程的运作方式是，这是一个协作过程，对吧？你可能会选择一些信息，然后你可能会要求模型说，嘿，这是一个任务，这是我目前所选的信息。
你想让我再选一些数据吗？你可以进行这种互动，它们可以多次检索，并结合模型所具有的智能。最终，你将组装你需要的所有信息，并对其进行处理，以产生你想要产生的成果。
主持人Peter： 这有点像深度研究或者像通道思维的东西吗？就像它需要信息，然后他们要求更多信息。
Arvind： 是的，但我认为你也不能总是进行深度研究，因为大多数时候，你的用户只有一秒钟的时间来获得他们想要获得的东西，对吧？
所以你不能坐在那里，表现得过于聪明，然后花费20秒，对吧？你必须理解背景，理解使用案例。
有时你会采取一个非常简单快速的路径。有时你甚至不需要检索，因为这是一个常识性问题，模型的核心智能就可以回答这个问题。
有时你甚至不使用模型，因为你的问题是如此的事实性，以至于我可以直接使用我的检索，它已经知道答案了。所以你必须根据你想要做的事情来选择。
构建AI产品所需的关键技能
主持人Peter： 明白了。好的。让我们谈谈构建像Glean这样的产品，或者改进Glean本身。总有一些显而易见的事情，比如，我需要与客户交谈，你需要考虑问题。但是，人们必须培养哪些新的技能才能构建AI产品？我猜是适应不确定性之类的吗？需要什么技能？Arvind： 这是一个很好的问题。首先，我认为最大的技能，或者说我们的团队必须学习的关键技能之一，是当整个行业突然开始快速发展时：你依赖于底层的一组特定技术，并且你基于此构建你的系统。然后，这个基础变得非常不稳定，并且不断变化。在此之上建造房屋是非常困难的，对吧？
我想说，我们的团队在2023年确实感受到了这种压力，我们一直在努力弄清楚，在这种新世界中，你甚至如何进行开发？没有什么是永恒的。没有什么是绝对正确的。例如，本周发生的事情与上周看起来完全不同。所以谢天谢地，我们不再处于那种状态了。我想在某些方面，创新步伐可能更加成熟或缓慢，这并不是一件坏事。但我认为你必须学会从根本上改变你构建系统的心态。
首先，你必须变得更加迭代。你不能花两个月的时间来设计一个系统，然后在接下来的四个月中构建它。你必须进入MVP模式。在MVP模式下，你需要快速构建一些东西。你不知道它是否会持续超过一个月。第二件事是，不要对你所构建的东西产生依恋，并且不断地重新发明它。你应该准备好放弃你两个月前构建的东西，因为市场已经赶上来了，现在你实际上可以免费从市场上获得它了。大型模型的能力得到了提高，因此这些是现在推动成功的关键技能：你作为开发人员或产品经理所需的敏捷心态，以及快速变化的能力。
除此之外，AI作为一种技术是模糊的；它实际上是不确定的，你必须学习如何使用不精确的系统，对吧？你必须弄清楚。这是搜索工程师一直需要处理的事情。多年前，我们在Google构建搜索时，我们总是不得不处理不完善的知识、数据和信息。没有真正的公式可以确定对于给定的问题应该在顶部显示哪些信息。本质上，这是一种判断行为。我认为这种技能转换得很好，而且我感觉那些从事搜索工作的人通常也会在AI方面取得成功。
主持人Peter： 哦，这更像是基于概率，而不是确定会发生的事情，对吧？现在，你现在在你的第二家公司，对吧？你有什么价值观吗？比如，你对公司有什么样的原则或价值观？我认为这非常重要。
Arvind： 是的。首先，我认为一家公司不仅仅是人。想法，代码库，这些都只是构成公司的一小部分。真正重要的是人。当你建立一家创业公司时，你必须始终关注核心：谁是真正关心构建此产品或此技术或解决我们正在解决的业务问题的人。你必须拥有这些，因为这将是一段充满起伏的漫长旅程。将会有竞争和经济衰退；这将会发生。
我认为构建公司文化的一个重要部分是与你的使命保持一致。就我们的价值观而言，我们的价值观可能与任何公司都渴望的相同。我们以客户为中心。我们希望确保我们使我们的客户成功，因为这使我们成功。我们喜欢快速行动。我们希望有行动的倾向。此外，我们旨在创建一个团队合作的文化。
对我来说，这些是我真正关心的事情。我们所有的文化价值观可能看起来都很明显。你会说，"是的，当然，我已经听过了。为什么不呢？" 你希望人们努力工作，你希望他们有奉献精神，并且你希望他们与使命保持一致。所有这些都是真的。但是，我认为非常重要的一件事，我可能会更加重视的是信任和尊重的价值。我相信，当你保持积极的心态并尊重同事所做的好事时，你才能建立一家伟大的公司。
你必须接受每个人都在学习的旅程中。我认为，这种相互尊重和对员工的信任对于建立具有正确文化的公司并长期维持它至关重要。
主持人Peter： 是的，因为你们可以一起走得很远。
Arvind： 你可以独自快速前进，但要走得更远，就需要一起携手。是的，人们必须意识到这一点。有时候，如果你真的很优秀，比如擅长工程，甚至是个超级明星，精通十件事。然后另一个人可能只擅长两件事，你可能就不再尊重他们了。
这会营造一个糟糕的环境。但现实是，即使有人只擅长两件事，他们实际上也能增加很多价值。随着时间的推移，他们会掌握第三件、第四件。
所以我认为这种心态很重要。但这很难。在我看来，人们并没有真正意识到这一点。这需要时间才能明白，要尊重每个人的价值。
五年计划完全没有价值吗？
主持人Peter： 是的，而且这也会让工作更有乐趣，对吧？因为你每天和周围的人一起工作八个小时。我想问你一个比较随意的问题。我和一些人工智能领網域的创始人聊过，就像你说的，因为模型总是在变化，脚下的地面也在不断移动。他们不再有明确的路线图。也许他们有一个季度的计划，但没有五年计划。但因为你在企业领網域工作，也许你有，你是如何平衡这种迭代的方式和拥有一个计划之间的关系呢？
Arvind： 在我之前的公司，我们取得了成功，现在它是一家大型上市公司。它确实有一个五年计划，但实际上这个五年计划完全没有用，因为它既没有被真正执行，也没有对我们的实际工作产生任何影响。
甚至在人工智能时代之前，我们就已经认识到，对于一家创业公司来说，最好只计划一年，不要想得太远。最多，你可能会对接下来的一年有一个大致的想法，但主要重点应该放在你今年要完成什么。无论是人工智能还是前人工智能时代，这都没关系；作为一家创业公司，这就是正确的时间范围。
在这里，我们做类似的事情。我们提出今年应该做什么的观点，并进行年度规划。但是，我们不会死守着它，因为我们知道事情会不断变化。
我们执行的方式是制定月度计划。月度计划从年度计划中汲取灵感，但也允许我们保持敏捷。我们可以根据变化随时调整年度计划。在所有实际用途中，我们都是以月为部門进行操作的。
主持人Peter： 但是在长期方面，你们确实有一个愿景，对吧？一个长期愿景。能快速概括一下，用一句话总结一下这个愿景吗？
Arvind： 是的。我们的愿景是，为每一个工作的人建立一个出色的人工智能团队，这个团队将帮助他们成为效率提升十倍的人。这就是我们努力实现的目标。所以，我们所做的一切都以这个为指导，构建最好的AI，这个AI团队由你的助手、同事和教练组成，帮助你获得更多成就，实现更多成长。这就是我们的北极星，它驱动着年度规划过程和我们的月度里程碑。
主持人Peter： 我喜欢这个。我感觉我用这些不同的工具让我的生产力提高了十倍。不是因为我自己的天赋，而是因为我可以外包很多我不想做的工作。
Arvind： 太棒了。如果你已经达到这个程度了，我觉得我们还有很多工作要做，才能把其他人带到这个水平。但这太不可思议了。我偶尔会听到，特别是来自开发人员的声音，他们说使用新的代码生成工具，他们的工作效率比以前快得多。
Glean的愿景是为每个人提供一个人工智能团队
主持人Peter： 你有什么结束语或建议给那些想要将效率提升十倍的人吗？
Arvind： 我认为我的主要建议是，使用人工智能，多使用它。我认为这很重要。一方面，对于企业家或开发者来说，首先考虑人工智能会有所帮助。
但我认为我谈论的是世界上的每一个人。有很多工作岗位将被人工智能取代。但我认为不是人工智能会取代人，而是精通人工智能的人将取代那些在人工智能方面落后的人。
因为这是一项很棒的技术，我认为我们只需要学习它。我们需要与它一起前进。这就是我想说的，这是我的核心建议。
主持人Peter： 好的，非常感谢你构建了一个很棒的企业人工智能工具。非常感谢。
原始内容参考：https://www.youtube.com/watch?v=YKhuv8bUQCA
