今天小編分享的教育經驗：AI獨角獸Glean CEO賈因：每個人都将擁有AI代理組成的強大團隊，将個人產出提升10倍，歡迎閲讀。
作者|瓜哥
來源 | 瓜哥AI新知 管理智慧AI+
咨詢合作| 13699120588
文章為阿文德·賈因在Peter Yang頻道的訪談整理。阿文德·賈因（Arvind Jain）是一位在人工智能領網域享有盛譽的企業家和技術專家。Glean的聯合創始人兼CEO。在谷歌的十三年中對谷歌在人工智能領網域的突破性進展起到了至關重要的作用
文章僅代表作者本人觀點
内容提要: 阿文德·賈因在Peter Yang頻道的訪談：押注AI Agents，三年打造一億美元ARR的Glean
人工智能并非取代人類，而是掌握人工智能的人将取代落後者。 未來工作量将是現在的十倍，但人們會找到新的任務來推動技術和產品進步。
每個人都将管理一個AI代理團隊。 就像CEO擁有團隊支持，或網球運動員費德勒擁有50人團隊一樣，未來每個人都将擁有一支由AI代理組成的強大團隊，處理工作、了解身份、幫助進步。
產品經理能很好地适應人工智能。 產品經理是AI的重度用户，利用AI處理信息和數據，輔助決策。例如，利用AI代理監聽客户對話，分類功能請求，輔助路線圖規劃。
搭建強大的AI Agent的關鍵在于易用性和與企業系統的連接。 用户只需用自然語言描述工作，AI即可構建Agent，連接企業數據，利用LLM完成工作。Agent可分為人使用的和後台自主運行的兩種。
企業采用AI的三大障礙：
安全問題： 必須尊重企業安全和權限架構，防範新型安全攻擊。
慣性： 大型企業業務流程固化，缺乏改變的動力。需要教育員工，提供AI工具。
困惑： 面對眾多AI公司和產品，企業難以決策。擔心LLM提供商或初創公司的生存問題。
Glean在3年内ARR達到1億美元的秘訣在于專注于企業市場和協作的上市模式。 產品與企業系統、數據、知識連接，解決企業最大應用場景。通過企業團隊、解決方案專家和AI成果工程師，與客户密切合作，制定AI路線圖并共同執行。
企業數據質量問題需要接受并與之合作。 不能等待修復數據再使用AI，而應構建優秀的搜索系統，理解信号，确定最佳信息。
構建AI產品所需的關鍵技能：
迭代和敏捷：快速構建MVP，不斷重新發明，适應快速變化的市場。
處理不确定性： 學習使用不精确的系統，進行判斷。
公司文化的核心是人，價值觀要與使命保持一致，信任和尊重是關鍵。 要接受每個人都在學習的旅程中，認識到每個人都能增加價值。
五年計劃在創業公司沒有價值，應該以月度為部門進行運營，并根據變化随時調整年度計劃。
Glean的願景是為每個人建立一個出色的人工智能團隊，幫助他們成為效率提升十倍的人。
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後的人。
如何在人工智能時代找到職業安全感
Arvind： 我認為人工智能不會取代人類。更準确地説，是掌握人工智能的人會取代那些在人工智能方面落後的人。我認為未來我們能完成的工作量将是現在的十倍。但這并不意味着我們必須減少工作時間。歷史經驗表明，我們總會找到新的事情去做。我們将擁有一支由人工智能代理組成的強大團隊，它們不僅會處理我們的大部分工作，還會了解我們的身份和工作内容，并幫助我們變得更好。想象一下，一家公司的CEO，他們身邊就圍繞着一個優秀的團隊。未來，即使你剛畢業，也能擁有這種待遇。
主持人Peter： 大家好，歡迎收聽本期節目。今天的嘉賓是Glean的CEO Arvind。Arvind認為，每位員工都應該擁有自己的AI代理團隊來協助完成工作。Glean最近的年度經常性收入（ARR）已超過1億美元。我非常期待與Arvind探讨工作的未來，以及他從Glean的構建過程中總結出的頂級產品經驗。歡迎Arvind。
Arvind： 非常感謝邀請。
主持人Peter： Arvind，你的職業生涯非常豐富。你創辦過多家初創公司，并在谷歌工作了很長時間。在大型科技公司裏，管理層級很多，每個人在團隊中都有非常明确的角色。你認為人工智能或AI代理會從根本上改變這一切嗎？工作環境會如何演變？
Arvind：當然，人工智能肯定會改變每個人的工作方式，無論你是在初創公司、小公司還是大型企業。我認為未來一個趨勢是，我們今天所做的工作，未來能夠完成的工作量将是現在的十倍。就像過去我們需要手動進行加減運算，但有了計算器，我們就能更快地完成。同樣的情況可能會發生在我們的絕大多數工作中，許多手動任務将由人工智能來管理。
但這并不意味着我們會減少工作量。從歷史上看，我們總是會找到新的任務去完成，從而推動技術和產品的進步。可以肯定的是，一場巨大的變革即将到來，我認為這會影響人們在初創公司中所扮演的角色。在初創公司裏，人們的角色通常更廣泛。例如，在我創辦的公司裏，我扮演着許多不同的角色：我是IT人員、人力資源人員、開發人員和銷售人員。與大型公司相比，初創公司的人員分工更不精細。
人工智能會如何改變這種局面？我沒有直接的答案，但我強烈預感到，這些不同職能部門的許多任務将可以由人工智能來管理。從這個意義上説，你可以想象一個人，他的主要角色是開發人員。但由于人工智能的幫助，他将能夠處理各種以前需要額外人員才能完成的任務。
每個人都将管理一個AI代理團隊
主持人Peter： 這幾乎就像每個人都會成為AI代理的管理者。這樣説對嗎？
Arvind： 絕對正确。我真正感到興奮的概念是擁有一個支持網絡。我舉一個現實世界的例子：一家公司的CEO。他們身邊圍繞着一個優秀的團隊，包括幕僚長、一到兩名助理，以及能力超強的執行團隊。此外，他們還有一位教練，不斷指導他們成為一名優秀的CEO。所有這些幫助顯然使他們對公司的影響遠大于僅僅是一名個人貢獻者。在很多方面，這些倍增的力量有助于提高他們的效率。
類似地，我們來看一個非工作場景。比如像羅傑·費德勒這樣的網球運動員，他和我在球場上打球一樣，只是拿着球拍和球。但是，他擁有一個由大約50人組成的團隊來支持他，确保他接受良好的訓練和正确的指導，以便在比賽中發揮出色。這種廣泛的支持使他能夠取得世界級的成就，而我可能無法達到同樣的水平。
現在，将這個概念帶回到人工智能領網域，我們可以設想一個每個人都擁有不同體驗的未來。我們将擁有一支由人工智能代理組成的強大團隊，它們不僅會處理我們的大部分工作，還會了解我們的身份和工作内容。此外，它們還會像教練一樣幫助我們進步。這就是我們所期待的未來，令人興奮的是，你剛畢業就能擁有這種待遇，而無需等待多年。
主持人Peter：我有一個雲項目，我在其中提供了太多關于我自己的個人信息。然後我每三個月查看一次，它會給我關于我應該做什麼的具體建議。我認為它就像一個非常好的私人教練。
產品經理是否能很好地适應人工智能？
很多聽眾都是產品經理。產品經理需要進行大量的内部協調，他們需要制作大量的文檔或資料。你認為這個角色在未來會發展得很好嗎？即使在你自己的公司裏，對于產品經理來説，你如何讓他們為這個人工智能代理的未來做好準備？
Arvind：這是個很好的問題。首先，在我們公司，產品經理實際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強大、更企業級的ChatGPT。它能夠通過模型和網絡搜索，幫助你獲取世界上的所有知識。它還能夠幫助你獲取所有内部知識，回答你的問題，并幫助你完成正在進行的任務。
我們還有一個代理平台，你可以在其中為特定的日常流程構建特定的代理。所以人們會在Glean中構建代理。你可以為自己和你的部門構建代理。我想説的是，當我們查看產品經理在我們公司中使用的代理數量時，這個數字在所有不同的職能部門中是最高的，比如工程師、銷售人員和支持人員。他們對這些代理的使用最多。為什麼？因為我認為他們的工作總是涉及到處理來自組織内部不同人員（來自客户和產品使用）的信息和數據。
你必須始終做出數據驅動和知識驅動的決策。我舉一個簡單的例子，就是如何決定優先開發哪些功能。在我們公司，這個過程已經被代理重新定義了。以前，在企業軟體公司中，你通常會通過與一些最重要的客户合作來決定如何優先處理新的工作和功能。你會從他們那裏了解他們正在尋找的關鍵内容，進行10或15次會議的調研，然後在此基礎上構建路線圖。
但現在，我們的團隊可以訪問公司中發生過的所有客户對話，我們有成千上萬的對話。他們構建了這個代理，它會監聽與客户的所有通話錄音。該代理的任務是監聽客户提出的任何需求或新功能，然後收集這些信息。之後，代理的任務是将這些請求分類到不同的主題中。你可以提出六七個不同的主題，然後相應地對功能請求進行分類。
之後，你創建一個包含所有通話反饋的大型電子表格，并要求代理總結、綜合和挑選出要關注的頂級主題。它為你完成了所有這些工作，這是你以前無法做到的。過去，你必須處理有限的信息，并且只能與少數人會面。現在，他們可以利用組織中存在的集體知識，這些知識以前在人工智能出現之前是完全未開發的。這就是我們的團隊現在進行路線圖規劃的方式，他們感到更有信心。
主持人Peter： 嗯，因為那樣你就可以把時間花在思考上，而不是僅僅試圖收集所有信息。沒錯。嗯，我做的也差不多。當我寫PRD（產品需求文檔）的時候，可能有點偷懶。但我有一個客户社區，我會跟他們交流。我只是問他們一些問題，比如，你們有什麼問題？你們想要什麼樣的解決方案？然後我用一個模板來起草PRD。我實際上不是從頭開始寫的。但的确很有幫助。你知道嗎？我覺得Roblox實際上有一個很簡潔的功能，但我從沒用過那個agent功能。我覺得我錯過了。你可以創建這些agent，它們每天自動為你總結信息。
如何搭建強大的AI Agent
Arvind： 嗯，在Glean中構建agent的方式是，首先，構建agent非常簡單。你不需要是開發者或者產品經理。你可以是一個銷售人員，只需要描述你所做的工作，一些困擾你或者覺得太繁瑣的事情。用自然語言告訴Glean，嘿，這就是我所做的工作，你能從現在開始為我做這件事嗎？基本上就這麼簡單。
然後我們會構建這個agent。它已經與你的企業系統和數據連接起來。所以它實際上能夠提供正确的數據，并使用LLM（大型語言模型）的力量訪問該agent。此外，它還可以在這些不同的系統中采取行動來完成這項工作。
現在，當你觀察這些agent時，有兩種類型。一種是人使用的，比如，我去一個agent，讓它為我做一些工作。另一種agent可以在後台自主運行，可能是基于一些觸發器。例如，每次有新的潛在客户進入你的營銷系統時，它可以執行一系列工作，用一些信息來增強該潛在客户。所以你可以擁有兩種類型的agent。
主持人Peter： 好的，那麼後者有點像Zapier，用于内部公司事務，對吧？有點像...工作流。
Arvind：我認為Zapier實際上是一個非常廣泛的動作庫。但是，一個agent不僅僅是一個動作庫。它涉及到大量的邏輯和思考。
當你思考一個agent以及如何表示它時，agent的流程中會涉及到幾個組成部分。其中一些組成部分包括從企業系統中讀取信息，而另一些則專注于在這些系統中采取行動。
agent的大部分功能都圍繞着思考、分析和綜合。這就是人工智能真正發光的地方，它引入了以前依賴于人類智能的新功能。
當你考慮當今企業的自動化時，你現在可以自動化過去被認為需要人類智能的任務，從而為新的效率和創新讓路。
企業采用AI的三個真正障礙
主持人Peter： 有道理。那麼讓我們來談談企業采用AI的問題。我最近發了一條推特，火了，内容是"初創公司比大型科技公司更有優勢，因為他們可以使用所有可用的AI工具。"你認為為什麼有些公司采用這些東西的速度如此之慢？是因為安全問題，還是僅僅需要時間？
Arvind： 是的。我認為大型企業需要更長的時間來采用一些AI技術。即使對我們來説，作為一家為大型企業服務的公司，我們也必須非常小心地使用我們公司内部的技術。因為最終，如果發生不好的事情，我們會在某種程度上危及我們的客户。所以我認為存在一種自然的摩擦；安全絕對是關于如何确保你的AI在構建這些agent時是安全的關鍵摩擦點之一。你必須尊重企業的治理要求、安全性和權限架構。你不應該暴露信息，即使在内部，當然更不能在外部，而且也不能暴露給那些不應該訪問的員工。許多企業數據本質上是私有的，所以我們需要解決這個問題。這絕對是一個因素。
随着AI的興起，AI也出現了新型的安全攻擊；例如，你可能容易受到prompt注入攻擊。因此，在構建這些平台時，你需要确保一切都以一種嚴謹的方式完成，并具有正确的安全控制。但這只是其中一個挑戰。還有其他的挑戰。其中一個，我想説的是慣性。在大型企業中，業務流程更加固化。有一種特定的做事方式，而且人們通常不想改變。例如，如果我有一個繁忙的工作日程，我需要在一天内完成十件不同的事情，我沒有時間去思考如何用AI來做不同的事情。
然而，當你創辦一家新公司時，情況正好相反；你沒有現有的人員或流程，你需要弄清楚如何完成事情。你使用現代工具是因為它們比以前的方法更好，而且這些工具承諾在不需要更多員工的情況下幫助改進業務流程。因此，這種差異經常被低估，并且是一個重要的因素。當你考慮大型企業中的AI時，你首先要做的是教育人們。
目前，許多人覺得AI遙不可及。如果我是一個人力資源人員，你讓我使用AI技術或構建一個agent，我可能會回答，"你在説什麼？我從來沒有構建過類似的東西。這似乎是技術方面的事情。"你必須培訓你的員工，并為他們提供基本的AI工具。讓他們使用ChatGPT或Glean，Glean是同類型的更側重于企業的產品。一旦他們開始感到舒适并知道如何使用AI，他們将推動對更多產品的需求，并實際采用和接受它們。這些是我們觀察到的一些障礙。
最後，人們感到困惑。如果你是一家大型企業的CIO（首席信息官），你會受到數千家初創公司和大型公司的轟炸和推銷，因為每家公司，無論是初創公司還是已經存在50年的公司，都聲稱自己是今天的AI公司。他們有AI產品，并且有很多選擇。做出決定并不容易；企業必須進行長期的思考。我經常聽到的一個擔憂是，他們不知道哪些大型語言模型（LLM）提供商會成功，或者哪些初創公司會在一兩年内仍然存在。在這樣一個充滿活力的行業中，你如何做出重大決策，并使用明年可能不存在的產品來改造你的業務流程？這些實際的考慮因素使得企業進展緩慢。
Glean如何在短短3年内達到1億美元的ARR
主持人Peter： 是的。而且，舉個例子，像使用AI在會議期間做筆記這樣簡單的事情。對于像我這樣的普通員工來説，這聽起來是個好主意。我們為什麼沒有呢？但有些會議可能非常敏感，比如員工被解雇之類的。你并不希望所有這些東西都被記錄下來。所以，作為為企業構建產品的人，你可能需要構建正确的控制機制，對吧？這可能是消費產品不會考慮到的。在獲得企業采用方面，OpenAI和其他所有公司也都在努力争取企業采用。那麼，Glean的秘訣是什麼呢？僅僅是你剛才所説的那些嗎？還是有什麼其他的？
Arvind： 是的。嗯，我的意思是，這有兩個方面。一個是產品本身。我們專注于企業市場，而且已經存在很長時間了。我們的產品比市面上任何其他產品都要老三倍。我們在過去的六年裏一直在構建它。我們產品的一部分是與我們所有的企業系統、數據、知識連接，而且無論如何，這是當今人工智能最大的應用。
當你想到AI時，人們試圖做什麼？首先，他們試圖将其用作一個可以真正幫助你獲取知識的助手。它可以回答你的問題。所以這是我們長期以來構建的產品。我們非常适合企業領網域目前最成功的人工智能應用。
而且，我們認為企業采用的另一個必要條件是，這項技術并不容易使用。你不能只是構建產品，然後把它們扔給你的客户，期望他們能完全成功。你必須建立一個協作的上市模式。
我們通過一個大型的企業團隊和一個上市團隊來實現這一點。我們有很多解決方案專家和AI成果工程師，他們與我們的客户密切合作。我們了解他們的關鍵業務問題，與他們一起制定未來一年的人工智能路線圖，然後一起執行。這種關注再次強調了我們以企業為導向，并将此視為一項人事業務，而不僅僅是一項軟體和技術業務。我們不僅僅是構建一些東西，然後期望你自己弄清楚如何使用它。我們不采取這種方法。
主持人Peter： 是的，因為聊天就像一個非常通用的工具，對吧？誰知道我們會往聊天框裏放什麼？
Arvind： 這很大程度上取決于真實情況。你提出了一個有趣的觀點。實際上，一個搜索或聊天產品很容易，對吧？在某種意義上，嗯，它只是一個空白的框。随便問什麼問題都可以。
但實際上，事實證明它非常困難。很多人實際上沒有人工智能可以為你做什麼的背景知識或方向。我們過去常常為提供一個非常幹淨的界面而自豪，頁面上除了一個框之外什麼都沒有。你只需要在那個框裏輸入就可以了。然而，我們意識到人們并沒有使用它；他們沒有弄清楚能做什麼。
從那時起，我們采取了一種更加積極主動的方法。人工智能教育已經成為我們的關鍵主題。當用户來到我們的產品時，我們了解他們；我們知道他們是誰。現在，根據他們的角色以及他們使用產品和人工智能的程度，我們開始定制他們的教育。
我們會提示他們并建議他們嘗試一些東西。這已被證明非常非常有效。
主持人Peter： 你知道，我認為在每個公司，都有這些人工智能的倡導者或那些高級用户。然後，你知道，和他們交流，比如他們如何才能真正推動？假設他們不是CEO。他們只是一個員工。那麼他們如何才能推動公司的其他人真正使用這些東西呢？也許你可以，也許你的策略是與他們合作，以獲得Glean或其他工具的采用。
Arvind： 是的。我的意思是，我們絕對需要這些人。每個公司都會有一小部分人是人工智能愛好者。他們想走在前沿。他們是那些做出非常有趣的發現的人。我想明确一點，我不認為世界上有人真正了解當前的模型能為我們做什麼，它們所擁有的所有能力。只有當你把它們投入使用，當你要求它們做事情時，你才能弄清楚。
這就是發現發生的地方。你會意識到該模型實際上很擅長為你做某些類型的事情。為此，你需要那些熱衷于嘗試的人。他們可能會從人工智能那裏看到一些非常糟糕的反應，但他們會調整并與它合作。最終，他們會達到一個很好的狀态，他們以一種特定的方式提示了模型，它為他們做了一些神奇的事情。
當這種情況發生時，你就要确保他們使用的產品能夠讓他們很容易地與公司中的其他人分享這個發現。在Glean，我們采用了這種方法，即擁有一個提示庫和一個代理庫，每個人都可以嘗試、構建代理和構建提示。當有很棒的事情發生時，他們就可以與公司裏的其他人分享。
然後，我們會想辦法把那些愛好者和倡導者正在構建的大型庫，以有效的方式，帶給那些将從中受益的人。
使人工智能與混亂的内部公司數據一起工作
主持人Peter： 是的，我喜歡這樣。前幾天我在使用Gemini，他們可以用我的高級提示制作這些寶石。但是他們忘記了做這個功能，讓我和我的同事分享我的提示。所以，這有什麼意義呢？這是一個至關重要的功能。那麼，就像你説的，在人工智能產品中，數據為王。如果你的數據很爛，你的人工智能產品就不會好。但是公司内部的數據，很多時候都很糟糕。有些檔案已經過時了。有一些是不完整的。你甚至怎麼知道什麼是好的？你知道嗎？
Arvind： 是的，那是一個大問題。實際上，這并不是説内部數據更糟糕。互聯網上的數據本質上也一樣。其中很多都是過時的信息。這是你必須理解并與之合作的事情。
我們已經看到了兩種方法。一些企業説，"哦，我今天還沒有準備好使用人工智能，我要先清理我的知識，"因為他們嘗試了所有這些使用不同人工智能產品的概念驗證（POC），但它們效果不佳。這些產品中的許多產品都回來告訴客户，"嗯，你的數據很糟糕，因此人工智能很糟糕。"但這不是正确的方法。
我認為你永遠無法以全面的方式修復你的數據。數據是長期產生的，而且自然會變得過時。有些數據質量會很高，因為它是由優秀的作家或主題專家編寫的，而有些數據則不是。你實際上必須接受所有這些——好的、壞的、新鮮的、過時的、流行的和非流行的内容。
然後你必須理解這一點，并弄清楚什麼是正确的信息，以及在任何任務中，什麼是最好的信息。為此，你必須構建一個非常好的搜索系統。你必須将你的搜索系統與所有這些數據連接起來，而且你必須開始理解這些信号。你必須開始弄清楚在任何給定場景中，對于任何給定的任務，應該使用什麼數據。
當我們考慮我們在Glean自己的技術時，我想説，其中很大一部分——實際上都花在了試圖理解企業上。我們專注于解決數據質量問題，并确保對于你将要使用人工智能執行的任何任務，我們都可以将正确的信息帶入模型，然後使他們能夠對其進行推理，從而產生出色的工作。
主持人Peter： 是的，所以它就像系統資料庫，還是説它是一個與LM（語言模型）分離的系統，對吧？
Arvind： 是的，我們的方法。是的。就像RAG（檢索增強生成）是一種方法，它是一個非常具體的構造，從這個意義上講，對吧？是的。就像在企業中的任何任務，你都需要從企業内部檢索正确的信息，因為你的模型沒有用這些知識進行訓練。
然後你必須使這些信息對模型可用。但整個過程的運作方式是，這是一個協作過程，對吧？你可能會選擇一些信息，然後你可能會要求模型説，嘿，這是一個任務，這是我目前所選的信息。
你想讓我再選一些數據嗎？你可以進行這種互動，它們可以多次檢索，并結合模型所具有的智能。最終，你将組裝你需要的所有信息，并對其進行處理，以產生你想要產生的成果。
主持人Peter： 這有點像深度研究或者像通道思維的東西嗎？就像它需要信息，然後他們要求更多信息。
Arvind： 是的，但我認為你也不能總是進行深度研究，因為大多數時候，你的用户只有一秒鍾的時間來獲得他們想要獲得的東西，對吧？
所以你不能坐在那裏，表現得過于聰明，然後花費20秒，對吧？你必須理解背景，理解使用案例。
有時你會采取一個非常簡單快速的路徑。有時你甚至不需要檢索，因為這是一個常識性問題，模型的核心智能就可以回答這個問題。
有時你甚至不使用模型，因為你的問題是如此的事實性，以至于我可以直接使用我的檢索，它已經知道答案了。所以你必須根據你想要做的事情來選擇。
構建AI產品所需的關鍵技能
主持人Peter： 明白了。好的。讓我們談談構建像Glean這樣的產品，或者改進Glean本身。總有一些顯而易見的事情，比如，我需要與客户交談，你需要考慮問題。但是，人們必須培養哪些新的技能才能構建AI產品？我猜是适應不确定性之類的嗎？需要什麼技能？Arvind： 這是一個很好的問題。首先，我認為最大的技能，或者説我們的團隊必須學習的關鍵技能之一，是當整個行業突然開始快速發展時：你依賴于底層的一組特定技術，并且你基于此構建你的系統。然後，這個基礎變得非常不穩定，并且不斷變化。在此之上建造房屋是非常困難的，對吧？
我想説，我們的團隊在2023年确實感受到了這種壓力，我們一直在努力弄清楚，在這種新世界中，你甚至如何進行開發？沒有什麼是永恒的。沒有什麼是絕對正确的。例如，本周發生的事情與上周看起來完全不同。所以謝天謝地，我們不再處于那種狀态了。我想在某些方面，創新步伐可能更加成熟或緩慢，這并不是一件壞事。但我認為你必須學會從根本上改變你構建系統的心态。
首先，你必須變得更加迭代。你不能花兩個月的時間來設計一個系統，然後在接下來的四個月中構建它。你必須進入MVP模式。在MVP模式下，你需要快速構建一些東西。你不知道它是否會持續超過一個月。第二件事是，不要對你所構建的東西產生依戀，并且不斷地重新發明它。你應該準備好放棄你兩個月前構建的東西，因為市場已經趕上來了，現在你實際上可以免費從市場上獲得它了。大型模型的能力得到了提高，因此這些是現在推動成功的關鍵技能：你作為開發人員或產品經理所需的敏捷心态，以及快速變化的能力。
除此之外，AI作為一種技術是模糊的；它實際上是不确定的，你必須學習如何使用不精确的系統，對吧？你必須弄清楚。這是搜索工程師一直需要處理的事情。多年前，我們在Google構建搜索時，我們總是不得不處理不完善的知識、數據和信息。沒有真正的公式可以确定對于給定的問題應該在頂部顯示哪些信息。本質上，這是一種判斷行為。我認為這種技能轉換得很好，而且我感覺那些從事搜索工作的人通常也會在AI方面取得成功。
主持人Peter： 哦，這更像是基于概率，而不是确定會發生的事情，對吧？現在，你現在在你的第二家公司，對吧？你有什麼價值觀嗎？比如，你對公司有什麼樣的原則或價值觀？我認為這非常重要。
Arvind： 是的。首先，我認為一家公司不僅僅是人。想法，代碼庫，這些都只是構成公司的一小部分。真正重要的是人。當你建立一家創業公司時，你必須始終關注核心：誰是真正關心構建此產品或此技術或解決我們正在解決的業務問題的人。你必須擁有這些，因為這将是一段充滿起伏的漫長旅程。将會有競争和經濟衰退；這将會發生。
我認為構建公司文化的一個重要部分是與你的使命保持一致。就我們的價值觀而言，我們的價值觀可能與任何公司都渴望的相同。我們以客户為中心。我們希望确保我們使我們的客户成功，因為這使我們成功。我們喜歡快速行動。我們希望有行動的傾向。此外，我們旨在創建一個團隊合作的文化。
對我來説，這些是我真正關心的事情。我們所有的文化價值觀可能看起來都很明顯。你會説，"是的，當然，我已經聽過了。為什麼不呢？" 你希望人們努力工作，你希望他們有奉獻精神，并且你希望他們與使命保持一致。所有這些都是真的。但是，我認為非常重要的一件事，我可能會更加重視的是信任和尊重的價值。我相信，當你保持積極的心态并尊重同事所做的好事時，你才能建立一家偉大的公司。
你必須接受每個人都在學習的旅程中。我認為，這種相互尊重和對員工的信任對于建立具有正确文化的公司并長期維持它至關重要。
主持人Peter： 是的，因為你們可以一起走得很遠。
Arvind： 你可以獨自快速前進，但要走得更遠，就需要一起攜手。是的，人們必須意識到這一點。有時候，如果你真的很優秀，比如擅長工程，甚至是個超級明星，精通十件事。然後另一個人可能只擅長兩件事，你可能就不再尊重他們了。
這會營造一個糟糕的環境。但現實是，即使有人只擅長兩件事，他們實際上也能增加很多價值。随着時間的推移，他們會掌握第三件、第四件。
所以我認為這種心态很重要。但這很難。在我看來，人們并沒有真正意識到這一點。這需要時間才能明白，要尊重每個人的價值。
五年計劃完全沒有價值嗎？
主持人Peter： 是的，而且這也會讓工作更有樂趣，對吧？因為你每天和周圍的人一起工作八個小時。我想問你一個比較随意的問題。我和一些人工智能領網域的創始人聊過，就像你説的，因為模型總是在變化，腳下的地面也在不斷移動。他們不再有明确的路線圖。也許他們有一個季度的計劃，但沒有五年計劃。但因為你在企業領網域工作，也許你有，你是如何平衡這種迭代的方式和擁有一個計劃之間的關系呢？
Arvind： 在我之前的公司，我們取得了成功，現在它是一家大型上市公司。它确實有一個五年計劃，但實際上這個五年計劃完全沒有用，因為它既沒有被真正執行，也沒有對我們的實際工作產生任何影響。
甚至在人工智能時代之前，我們就已經認識到，對于一家創業公司來説，最好只計劃一年，不要想得太遠。最多，你可能會對接下來的一年有一個大致的想法，但主要重點應該放在你今年要完成什麼。無論是人工智能還是前人工智能時代，這都沒關系；作為一家創業公司，這就是正确的時間範圍。
在這裏，我們做類似的事情。我們提出今年應該做什麼的觀點，并進行年度規劃。但是，我們不會死守着它，因為我們知道事情會不斷變化。
我們執行的方式是制定月度計劃。月度計劃從年度計劃中汲取靈感，但也允許我們保持敏捷。我們可以根據變化随時調整年度計劃。在所有實際用途中，我們都是以月為部門進行操作的。
主持人Peter： 但是在長期方面，你們确實有一個願景，對吧？一個長期願景。能快速概括一下，用一句話總結一下這個願景嗎？
Arvind： 是的。我們的願景是，為每一個工作的人建立一個出色的人工智能團隊，這個團隊将幫助他們成為效率提升十倍的人。這就是我們努力實現的目标。所以，我們所做的一切都以這個為指導，構建最好的AI，這個AI團隊由你的助手、同事和教練組成，幫助你獲得更多成就，實現更多成長。這就是我們的北極星，它驅動着年度規劃過程和我們的月度裏程碑。
主持人Peter： 我喜歡這個。我感覺我用這些不同的工具讓我的生產力提高了十倍。不是因為我自己的天賦，而是因為我可以外包很多我不想做的工作。
Arvind： 太棒了。如果你已經達到這個程度了，我覺得我們還有很多工作要做，才能把其他人帶到這個水平。但這太不可思議了。我偶爾會聽到，特别是來自開發人員的聲音，他們説使用新的代碼生成工具，他們的工作效率比以前快得多。
Glean的願景是為每個人提供一個人工智能團隊
主持人Peter： 你有什麼結束語或建議給那些想要将效率提升十倍的人嗎？
Arvind： 我認為我的主要建議是，使用人工智能，多使用它。我認為這很重要。一方面，對于企業家或開發者來説，首先考慮人工智能會有所幫助。
但我認為我談論的是世界上的每一個人。有很多工作崗位将被人工智能取代。但我認為不是人工智能會取代人，而是精通人工智能的人将取代那些在人工智能方面落後的人。
因為這是一項很棒的技術，我認為我們只需要學習它。我們需要與它一起前進。這就是我想説的，這是我的核心建議。
主持人Peter： 好的，非常感謝你構建了一個很棒的企業人工智能工具。非常感謝。
原始内容參考：https://www.youtube.com/watch?v=YKhuv8bUQCA
