رقابت بر سر هوش مصنوعی سازمانی داره حسابی داغ می شه. مایکروسافت داره کوپایلت رو با آفیس همراه می کنه. گوگل هم جمینای رو وارد ورک اسپیس کرده. OpenAI و Anthropic هم دارن مستقیما به شرکت های بزرگ خدمات می فروشن. برای موفقیت واقعی، اتصال هوش مصنوعی به داده شرکت یک امر حیاتی است. الان دیگه هر فروشنده نرم افزار ابری (SaaS) یه دستیار هوش مصنوعی هم ارائه می ده.
در حالی که بقیه دارن سر رابط کاربری با هم رقابت می کنن، Glean روی یه چیز کمتر دیده شده شرط بندی کرده: تبدیل شدن به لایه هوشمندِ زیرساختی.
هفت سال پیش، Glean با این هدف شروع به کار کرد که بشه «گوگلِ سازمان ها»؛ یه ابزار جستجوی مبتنی بر هوش مصنوعی که برای ایندکس کردن و جستجو توی کل کتابخونه ابزارهای ابری شرکت، از اسلک و جیرا گرفته تا گوگل درایو و سیلزفورس طراحی شده بود. امروز استراتژی این شرکت از ساختن یه چت بات سازمانیِ بهتر، به تبدیل شدن به بافت پیوندی بین مدل ها و سیستم های سازمانی تغییر پیدا کرده.
استراتژی Glean؛ اتصال هوش مصنوعی به داده شرکت
جِین در قسمت هفته گذشته پادکست Equity که در «وب سامیت قطر» ضبط کردیم، به تک کرانچ گفت: «لایه ای که اول ساختیم – یعنی یه محصول جستجوی خوب – لازم داشت که ما درک عمیقی از آدما، روش کارشون و ترجیحاتشون داشته باشیم. همه این ها حالا دارن می شن پایه و اساسِ ساختن ایجنت های باکیفیت.»
اون می گه با اینکه مدل های زبانی بزرگ خیلی قدرتمندن، اما در عین حال خیلی عمومی هم هستن.
جِین گفت: «خودِ مدل های هوش مصنوعی واقعا چیزی از کسب وکار شما نمی فهمن. اونا نمی دونن آدمای مختلف کیا هستن، شما چه نوع کاری انجام می دین یا چه محصولاتی تولید می کنین. بنابراین باید قدرت استدلال و تولید محتوای این مدل ها رو به بافت و اطلاعات داخلی شرکتتون وصل کنین. این دقیقا همان اتصال هوش مصنوعی به داده شرکت است که به موفقیت کسب وکارها کمک می کند.»
چرا اتصال هوش مصنوعی به داده شرکت توسط Glean اهمیت دارد؟
حرفِ اصلی Glean اینه که از قبل این فضا و اطلاعات رو نقشه برداری کرده و می تونه با فراهم آوردن اتصال هوش مصنوعی به داده شرکت، بین مدل و داده های سازمانی قرار بگیره.
دستیار Glean معمولا اولین نقطه تماس برای مشتری هاست؛ یه رابط کاربری چتِ آشنا که از ترکیب مدل های برتر اختصاصی (مثل ChatGPT، جمینای و کلود) و مدل های متن باز قدرت می گیره و بر پایه اتصال هوش مصنوعی به داده شرکت کار می کنه. اما به اعتقاد جِین، چیزی که باعث موندگاری مشتری ها می شه، تمامِ اون لایه های زیرساختیه.
اولین مورد، دسترسی به مدل هاست. Glean به جای اینکه شرکت ها رو مجبور کنه فقط از یه ارائه دهنده مدل زبانی استفاده کنن، مثل یه لایه واسط عمل می کنه که به سازمان ها اجازه می ده همزمان با پیشرفت قابلیت ها، بین مدل های مختلف سوییچ کنن یا اونا رو با هم ترکیب کنن. به خاطر همینه که جِین می گه OpenAI، Anthropic یا گوگل رو به چشم رقیب نمی بینه، بلکه اونا رو شریک تجاری خودش می دونه.
جِین گفت: «محصول ما بهتر می شه چون می تونیم از نوآوری هایی که اونا توی بازار ایجاد می کنن، بهره ببریم.»
مورد دوم، اتصال دهنده ها (Connectors) هستن. Glean به صورت عمیق با سیستم هایی مثل اسلک، جیرا، سیلزفورس و گوگل درایو یکپارچه می شه تا جریان اطلاعات رو بین اونا نقشه برداری کنه و زمینه ساز اتصال هوش مصنوعی به داده شرکت شود و به ایجنت ها اجازه بده داخل اون ابزارها فعالیت کنن.
و سومین مورد که شاید مهم ترینشون هم باشه، حاکمیت داده (Governance) است.
جِین گفت: «شما باید یه لایه حاکمیت و بازیابیِ اطلاعات بسازین که نسبت به سطح دسترسی ها آگاه باشه؛ یعنی بتونه اطلاعات درست رو بیاره، اما در عین حال بدونه کی داره اون سوال رو می پرسه تا اطلاعات رو بر اساس حق دسترسیِ اون فرد فیلتر کنه.»
در سازمان های بزرگ، این لایه می تونه تفاوت بین آزمایشِ اولیه راه کارهای هوش مصنوعی و پیاده سازیِ اونا در مقیاس وسیع باشه. اتصال هوش مصنوعی به داده شرکت با ساختاری صحیح، برای مقیاس پذیری این راه کارها حیاتی است. جِین می گه سازمان ها نمی تونن به سادگی تمام داده های داخلیشون رو توی یه مدل بارگذاری کنن و بعدا یه پوسته روش بکشن تا مشکلات رو حل کنن.
همچنین خیلی مهمه که مطمئن بشیم مدل ها دچار توهم (Hallucination) نمی شن. جِین می گه سیستم اونا خروجی های مدل رو با اسناد منبع چک می کنه، خط به خط ارجاع (Citation) می ده و تضمین می کنه که پاسخ ها به حقوق دسترسیِ فعلی احترام بذارن.
سوال اینجاست که آیا با پیشرویِ غول های پلتفرم به لایه های زیرین، این لایه میانی دوام می آره یا نه. مایکروسافت و گوگل همین الان هم بخش زیادی از فضای کاریِ سازمان ها رو در اختیار دارن و تشنه تصاحبِ بیشتر هستن. اگه کوپایلت یا جمینای بتونن با همون سطح دسترسی به همون سیستم های داخلی متصل بشن، آیا داشتن یه لایه هوشمندِ مستقل هنوز اهمیتی داره؟
جِین استدلال می کنه که سازمان ها نمی خوان توی دامِ یه مدل یا مجموعه نرم افزاریِ خاص بیفتن و ترجیح می دن به جای یه دستیارِ کاملا یکپارچه، از یه لایه زیرساختی بی طرف برای اتصال هوش مصنوعی به داده شرکت استفاده کنن.
سرمایه گذارها هم این ایده رو قبول کردن. Glean توی خرداد 1404 یه جذب سرمایه 150 میلیون دلاری (سری F) داشت که ارزش شرکت رو تقریبا دو برابر کرد و به 7.2 میلیارد دلار رسوند. برخلاف آزمایشگاه های پیشروِ هوش مصنوعی، Glean نیازی به بودجه های کلان برای پردازش نداره.
جِین گفت: «ما یه کسب وکار خیلی سالم و با رشد سریع داریم.»
در نهایت، موفقیت ابزارهای هوش مصنوعی در محیط های سازمانی به توانایی آن ها در درک دقیق بافت اطلاعاتی و رعایت پروتکل های امنیتی بستگی دارد. Glean با تمرکز بر لایه های زیرساختی و ایجاد محیطی برای استفاده بهینه از مدل های مختلف، مسیری را هموار کرده است که شرکت ها بتوانند بدون وابستگی به یک پلتفرم خاص، از قدرت هوش مصنوعی در تمام بخش های کاری خود بهره مند شوند.
The enterprise AI land grab is on. Glean is building the layer beneath the interface.
