Glean, çalışanların genişleyen kurumsal sistemlerde bilgileri açığa çıkarmasına yardımcı olmayı amaçlıyor – Teknolojik Haberler


Belirli büyüklükteki işletmelerde uygulamalar, çalışanlar ve projeler dahil olmak üzere verileri takip etmek giderek daha zor hale geliyor. Binaen McKinsey’e göre, çalışanlar her gün 1,8 saat – haftada ortalama 9,3 saat – bilgi aramak ve toplamak için harcıyorlar. bu doğruluk bunun gibi metriklerin sayısı yıllar içinde sorgulandı. Ancak, özellikle bilgi çalışanlarının iş günlerinin önemli bir bölümünü, ister temel iletişim bilgilerini ister alana özel dosyaları bulmak için verileri elemeye ayırdıklarını söylemek mantıklıdır.

Doğal dili ayrıştırabilen AI algoritmalarının son yıllarda ortaya çıkması, bu yığını küçültebilen platformların yükselişini hızlandırdı. En azından, eski bir Google mühendisi ve Rubrik’in kurucu ortağı olan Arvind Jain’in iddiası bu. temizbir şirkette kullanılan tüm uygulamalarda birleşik bir arama deneyimini güçlendirmek için yapay zekayı kullanır.

Eski bir Google mühendisi olan Arvind, bulut veri yönetimi şirketi Rubrik’te Glean üzerinde çalışmaya başladı. Rubrik’in yıllık çalışan nabzı anketinde Arvind, en büyük üretkenlik zorluklarından birinin, çalışanların ister belirli bir belge ister bir konu uzmanı olsun, ihtiyaç duydukları bilgileri bulamamaları olduğunu gözlemledi.

“Mühendisler kodun dışında çok fazla zaman harcıyorlardı; hesap yöneticileri, anlaşmaları kapatmak için gereken en son araştırmayı veya sunumu bulamadılar; Arvind, Teknolojik Haberler’a bir e-posta röportajında ​​​​söyledi. “Büyüyen bu sorun yalnızca üretkenliği yok etmekle kalmıyor, aynı zamanda enerjiyi tüketiyor ve çalışan deneyiminden de olumsuz etkileniyordu.”

Diğer şirketler, ortaya çıktığı gibi, bulutu ve dağıtılmış iş kurulumlarını benimsemeleriyle daha da kötüleşen aynı sorunları yaşıyordu. Bir fırsat sezen Arvind, eski mühendislik lideri Piyush Prahladka, eski Facebook ve -Microsoft mühendisi TR Vishwanath ile daha önce AT&T ve Google’da çalışan Tony Gentilcore’u Glean için prototip oluşturmaya ikna etmeyi başardı.

2022’ye hızlı bir şekilde ilerleyin ve Glean’in Okta, Confluent, Samsara, Grammarly ve Outreach dahil 70’in üzerinde müşterisi var. 2019 kuruluşundan bu yana büyümeyi yansıtan Glean, bugün Sequoia liderliğindeki Lightspeed, General Catalyst, Kleiner Perkins ve Slack Fund’ın katılımıyla 100 milyon dolarlık C Serisi turunu para sonrası 1 milyar dolarlık bir değerlemeyle kapattı.

Bir yandan, Glean’ın teknolojisi inanılmaz derecede yeni değil. Microsoft’un SharePoint Syntex, Amazon Kendra ve Google Cloud Search gibi hizmetler, yalnızca belge ayrıntılarını değil, aynı zamanda bir kuruluştaki çalışanların “Şirketimizin 401k’sine nasıl yatırım yaparım?” gibi aramaları anlamak için doğal dil işleme teknolojisinden yararlanır. Birden çok kaynaktan gelen verileri almak, anlamak, düzenlemek ve sorgulamak için AI uygulayan arama araçlarını kapsayan bir ürün kategorisi olan “bilişsel arama” başlığı altına girerler.

Ancak Arvind, Glean’in Coveo, Elastic, Lucidworks ve Mindbreeze gibi daha küçük kıyafetler de dahil olmak üzere rekabete göre kurulumu ve kullanımının daha basit olduğunu iddia ediyor.

temiz

Resim Kredisi: temiz

“[Glean] Arvind, ilk kurulum için iki saatten az sürüyor ve uygulama için herhangi bir mühendislik yeteneği veya manuel ince ayar gerektirmiyor” dedi. “Glean, web uygulamasında, yeni sekme sayfasında, kenar çubuğu aramasında, yerel aramada veya Slack komutlarında Glean’i kullanıyor olsanız da, sorunsuz iş akışı entegrasyonuna sahip.”

Arvind, kurumsal aramadaki en büyük sorunlardan birinin bilgi tabanları, biletler, sohbet mesajları ve çekme istekleri gibi veri kaynaklarının çeşitliliği olduğunu belirtiyor. Bunu ele almak için Glean, her sorgu için bu kaynaklardaki içeriğin göreceli önemini tahmin etmek için AI sistemlerini kullanır ve şirkete özel jargonu, kavramları, varlıkları ve kısaltmaları öğrenmek için müşteri verileri üzerinde ayrı sistemler eğitir. Kişiselleştirilmiş sonuçlar sağlamak ve proaktif olarak tavsiye edilen belgeler için Glean, bir kişinin rolü, iş modelleri, iş işlevi ve indekslemedeki belirli projeler ve sorumluluklar gibi değişkenleri hesaba katar.

“Glean’in en büyük rakibi statükodur: çalışanlar, işte ihtiyaç duydukları bilgileri ve insanları bulmanın karmaşıklığıyla uğraşmaya devam ediyor. Tipik bir satış sürecinde, potansiyel müşteriler genellikle Glean’ın ilk olarak Glean’in uygulanmasının ne kadar değer sağlayabileceğini göstermek için bir pilot uygulama ile başlamasını isterler,” dedi Arvind. “Glean, kullanıcının bilgilerini çeşitli boyutlarda kullanıcı için arama deneyimini kişiselleştirmek için kullanır – örneğin, aynı sorgu için bir mühendis bir satış yöneticisinden çok farklı sonuçlar görebilir. Glean ayrıca, arama alaka düzeyini artırmak için kullanıcının arama sonuçlarına yapılan tıklamalar gibi etkinliğini de kullanır.”

Glean, bir şirketin kullandığı diğer tüm uygulamaların üzerinde bir katman gibi davrandığından, yöneticilerin kaynaklara “kısa bağlantılar” oluşturup paylaşabileceği bir iş portalı olarak ikiye katlanabilir (örneğin, uzun bir URL yerine “git/yararlar”). Yönetim ayrıca haberleri, el kitaplarını, gider politikalarını, KPI gösterge tablolarını ve şirket OKR’lerini paylaşabilir ve şirketin, kişilerin kim olduğunu ve hangi projeler üzerinde çalıştıklarını gösteren kişi dizinini ortaya çıkarabilir.

Bir gösterge panosunda, Glean sık sorulan soruların yanıtlarını gösterir ve daha geniş kuruluşla paylaşılabilecek bağlantılara ve bu bağlantıların açıklamalarına yer ayırır. Bir kontrol paneli, kullanıcıların Glean’in yararlandığı kaynaklar hakkında veri kaybı önleme raporları çalıştırmasına ve GDPR, CCPA ve diğer gizlilik düzenlemelerine uygunluğu kontrol etmesine olanak tanır.

“Muhtemel müşteriler genellikle Glean’e tüm verilerine erişim sağlama konusunda endişeli, bu nedenle Glean, entegre olduğu uygulamalardaki tüm gizlilik kontrollerine saygı göstermek için çok zaman harcadı ve güvenlik sertifikalarına ve süreçlerine büyük yatırım yaptı. çok başlangıç… Ne zaman [a] kullanıcı, temel uygulamadaki (Slack, Drive, Office, vb.) bir belgeyi silerse, belge Glean sisteminden de silinir,” dedi Arvind. “Glean müşterileri, bilgilerini kendi ortamlarında tutmak için Glean’in kendilerini barındırmasını veya Glean’i kendi kendilerine barındırmasını seçebilir. Glean’ın e-keşif ve veri kaybını önleme araçlarıyla şirketler, kuruluşlarında hangi verilerin mevcut olduğundan ve bu bilgilerin nasıl kullanıldığı konusunda emin olabilir.”

Hiçbir kurumsal arama aracı sınırsız değildir. APQC tarafından işletmeler için karşılaştırmalı değerlendirmeler ve en iyi uygulamalar sağlayan 2021 anketinde, çalışanların %19’u, kuruluşlarında zayıf arama işlevselliğinin önemli bir sorun olduğunu söyledi. Ancak ne olursa olsun kurumsal arama çözümleri için sağlıklı bir pazar var. Aynı anket, katılımcıların %41’inin önümüzdeki 12 ila 18 ay içinde kuruluşlarında arama ve bulunabilirlik yatırımlarını “önemli ölçüde” artırmayı beklediğini ortaya koydu.

Toplam sermayesi 155 milyon dolar olan Glean, son turdan elde edilen geliri ekibini genişletmek, bir pazara giriş planı oluşturmak ve “yeni özellik inovasyonu sağlamak” için kullanmayı planlıyor. Glean’in bugün 100’den fazla çalışanı var ve yıl sonuna kadar 250’den fazla çalışanı olmasını bekliyor.

Arvind, “Çalışan verimliliğine ve mutluluğuna verilen artan değer, çalışan deneyimini önemseyen hızlı büyüyen şirketler arasında Glean’ın büyümesi için bir nimet oldu” dedi. “Glean, potansiyel müşterilere aramaya başladıkları ilk andan itibaren değer sağlar ve Glean, müşterilerin o andan itibaren en iyi deneyimi yaşamalarını sağlamak için sürekli olarak ürün geliştirme ve müşteri etkinleştirme yoluyla çalışır.”



Kaynak : https://techcrunch.com/2022/05/18/glean-aims-to-help-employees-surface-info-across-sprawling-enterprise-systems/

Yorum yapın