Glean

Glean هي منصة ذكاء اصطناعي للعمل المؤسسي بناها Arvind Jain، وهو مهندس متميز سابق في Google شارك في تأسيس Rubrik قبل إطلاق Glean في عام 2019 مع المؤسسين المشاركين T.R. Vishwanath و Piyush Prahladka و Tony Gentilcore. كانت الرؤية التأسيسية واضحة: كان الموظفون في الشركات سريعة النمو يفقدون ساعات كل يوم لأن المعرفة المؤسسية كانت مبعثرة عبر العشرات من أدوات SaaS دون وجود طريقة موحدة للوصول إليها. تم بناء Glean لحل هذه المشكلة باستخدام رسم بياني معرفي يراعي الأذونات ويقوم بفهرسة كل شيء، ويفهم العلاقات بين الأشخاص والمحتوى، ويعرض نتائج مخصصة لدور كل موظف وتاريخ عمله. بحلول أوائل عام 2026، تجاوزت المنصة 250 مليون دولار من الإيرادات السنوية المتكررة (ARR) مع نمو سنوي يزيد عن 150%، مما يجعلها واحدة من أسرع شركات الذكاء الاصطناعي المؤسسي نمواً في السوق.

تعتمد المنصة على ثلاث ركائز أساسية. يربط Glean Search أكثر من 100 تطبيق مؤسسي بما في ذلك Google Drive و Slack و Confluence و Jira و Salesforce و GitHub و ServiceNow و Zendesk في طبقة بحث واحدة تراعي الأذونات، وتعرض نتائج مخصصة حسب الدور والفريق. Glean Assistant هو مساعد ذكاء اصطناعي للأسئلة والأجوبة، والتلخيص، وصياغة المحتوى، وفرز الحوادث - قدم الإصدار من الجيل الثالث الذي تم إطلاقه في سبتمبر 2025 ميزة Enterprise Graph التي تجمع بين رسم بياني معرفي على مستوى الشركة ورسم بياني شخصي لكل موظف، مما يتيح تعلم أسلوب الكتابة وأنماط العمل بمرور الوقت. تتيح Glean Apps و Glean Agents (المتاحة للجميع في يناير 2026) للمستخدمين غير التقنيين بناء ونشر وكلاء ذكاء اصطناعي مخصصين يتم تكوينهم عبر اللغة الطبيعية، مع Agent Builder يعتمد على السحب والإفلات بدون تعليمات برمجية ومكتبة من وكلاء Quickstart Agents الجاهزين. يدعم Model Hub أكثر من 15 نموذجاً لغوياً كبيراً (LLMs) بما في ذلك Amazon Bedrock و Azure OpenAI و Google Vertex، مما يمنح الشركات حرية اختيار البنية التحتية للذكاء الاصطناعي الخاصة بها.

ما الذي تفعله Glean فعلياً في مايو 2026

الآلية الأساسية في Glean هي رسم بياني معرفي لا يفهرس المستندات فحسب، بل العلاقات بينها أيضاً: من كتب ماذا، ومن يملك أي مستودع، ومن هم الخبراء المتخصصون في موضوع معين، وما هي المستندات التي تشير إلى بعضها البعض، وما الذي تمت مناقشته في أي من سلاسل رسائل Slack. عندما يبحث الموظف، تتم تصفية النتائج من خلال أذونات في الوقت الفعلي لإظهار المحتوى الذي يحق للمستخدم الوصول إليه فقط - وهي مشكلة تقنية معقدة استثمرت Glean بكثافة لحلها بشكل صحيح.

يجيب Glean Assistant على الأسئلة المعقدة متعددة الخطوات من خلال الاستنتاج عبر هذا الرسم البياني. يمكن للمهندس المناوب كتابة توقيع خطأ والحصول على إجابة مركبة مستمدة من مراجعات الحوادث السابقة، وكتيبات التشغيل ذات الصلة، وسلاسل رسائل Slack حيث تمت مناقشة الخطأ، وطلب السحب (PR) المحدد الذي تسبب في التراجع. يمكن للموظف الجديد السؤال عن سياسة النفقات والحصول على إجابة مباشرة مع استشهادات بصفحة Confluence المحددة، بدلاً من قضاء 20 دقيقة في تصفح ويكي لا يعرف هيكله. تدعي Glean توفير ما متوسطه 36 ساعة لكل موظف جديد أثناء فترة الإعداد وما يصل إلى 110 ساعات لكل مستخدم سنوياً.

يشمل العملاء الذين ينشرون Glean على نطاق واسع TIME Magazine و Databricks و Booking.com و T-Mobile و Duolingo و Wealthsimple و Grammarly و Confluent، ويمتدون عبر قطاعات التكنولوجيا والإعلام والخدمات المالية والخدمات المهنية.

"تساعدك Glean على إنجاز العمل، بدلاً من مجرد العثور على المعلومات." - Tadeu Faedrick، مدير هندسة أول، Booking.com

"يحل المهندسون الحوادث بشكل أسرع، مما يؤدي إلى تجربة أفضل." - Kathleen Cauley، مديرة المعرفة، Wealthsimple

كانت جولة التمويل Series E في سبتمبر 2024 لحظة حاسمة للشركة. جمعت Glean أكثر من 260 مليون دولار بقيادة مشتركة من Altimeter و DST Global، مما دفع تقييمها إلى 4.6 مليار دولار - أي ضعف التقييم البالغ 2.2 مليار دولار الذي وصلت إليه قبل سبعة أشهر فقط في جولة Series D في فبراير 2024. كانت الجولة بارزة بسبب قائمة المستثمرين: شارك فيها كل من SoftBank Vision Fund 2 و Craft Ventures و Sapphire Ventures و Coatue و General Catalyst و ICONIQ و IVP و Kleiner Perkins و Lightspeed و Sequoia. بالتزامن مع التمويل، أطلقت Glean نظام Next-Generation Prompting الخاص بها: مطالبات RAG متقدمة متعددة الخطوات، واستوديو Prompt Builder لإنشاء المطالبات ومشاركتها على مستوى المؤسسة، ومكتبة Prompt Library، وتكاملات مدمجة مع Zendesk و Salesforce Service Cloud.

موقع Glean مقارنة بـ Hebbia و Microsoft Copilot

أبرز منافسين مختلفين من حيث الآلية هما Hebbia و Microsoft 365 Copilot، ومقارنتهما توضح بدقة ما تم تحسين Glean من أجله وما لم يتم تحسينه من أجله.

تتعمق Hebbia في استنتاج المستندات بينما تتوسع Glean في البحث المؤسسي. تم تصميم واجهة Matrix الخاصة بـ Hebbia لمعالجة آلاف الصفحات بالتوازي واستخراج رؤى منظمة، مما يجعلها مصممة خصيصاً لسير العمل المالي والقانوني والاستشاري حيث تحتاج إلى سحب نقاط بيانات محددة من مستندات غير منظمة على نطاق واسع (استخراج جميع أرقام الإيرادات من 200 مكالمة أرباح؛ مقارنة عوامل الخطر عبر 50 نشرة إصدار). لا تمتلك Glean وضع استخراج عميق على مستوى المستند. ما تمتلكه Glean وتفتقر إليه Hebbia هو الرسم البياني المعرفي المؤسسي الكامل: القدرة على البحث عبر الأشخاص والمحادثات والتعليمات البرمجية والتذاكر والوثائق في وقت واحد، مع التخصيص حسب الدور. تشير الإيرادات السنوية المتكررة (ARR) المقدرة لـ Hebbia بـ 13.7 مليون دولار (Sacra، أوائل 2024) مقابل أكثر من 250 مليون دولار لـ Glean إلى أن Hebbia تظل أداة متخصصة لسير عمل البحث المهني عالي القيمة، بينما تستهدف Glean مشكلة الإنتاجية المؤسسية الأوسع.

يُعد Microsoft 365 Copilot المرجع التنافسي الأكثر ذكراً لـ Glean في التقييمات المؤسسية. الاختلاف الميكانيكي الرئيسي هو نطاق النظام البيئي. تم دمج Copilot بعمق في Word و Excel و PowerPoint و Teams و Outlook و SharePoint - فهو يعرف ما كنت تقوم بتحريره في Word، وما هو الاجتماع الذي انتهى للتو في Teams، وما هي رسائل البريد الإلكتروني التي تلقيتها. لكن قدرات البحث والذكاء الاصطناعي الخاصة به تتراجع بشدة خارج نظام Microsoft البيئي. إذا كانت شركتك تستخدم Slack بدلاً من Teams، أو Jira بدلاً من Azure DevOps، أو Salesforce كنظام إدارة علاقات العملاء (CRM)، فإن Copilot ينتج نتائج ضعيفة وجزئية. تغطي موصلات Glean أكثر من 100 تطبيق بغض النظر عن المورد، مما يجعلها مناسبة بشكل أفضل للبيئات التقنية غير المتجانسة. فيما يتعلق بمرونة النماذج، تدعم Glean أكثر من 15 نموذجاً لغوياً كبيراً (LLMs)؛ بينما يرتبط Copilot بـ OpenAI عبر Azure فقط. المقايضة هي أنه بالنسبة للشركات التي تعتمد بالفعل على M365 كمعيار، فإن عمق Copilot داخل تلك التطبيقات يمكن أن يتفوق على اتساع Glean.

للحصول على سياق حول الأدوات المجاورة، تحتل AlphaSense مكانة مشابهة لـ "البحث المؤسسي مع تركيب الذكاء الاصطناعي" ولكنها تركز بشكل خاص على الذكاء المالي والسوقي (إيداعات SEC، ونصوص الأرباح، وأبحاث الوسطاء)، وليس المعرفة الداخلية للشركة. يعالج Snowflake Cortex جانب البيانات المنظمة من البحث المعرفي المؤسسي - الاستعلام عن قواعد البيانات ومستودعات البيانات باللغة الطبيعية - حيث تركز Glean على المستندات غير المنظمة ومحتوى الاتصالات. غالباً ما تقوم الفرق التي ترغب في بديل مستضاف ذاتياً أو مفتوح المصدر لنموذج Glean السحابي فقط بتقييم AnythingLLM، والذي يقايض اتساع الموصلات بالنشر المحلي الكامل.

كيف يبدو واقع سير العمل اليومي

بالنسبة لمعظم الموظفين، تظهر Glean كشريط بحث متاح من إضافة متصفح، أو تطبيق ويب، أو تطبيق سطح مكتب (إصدار نوفمبر 2025)، أو مدمج في Slack. النمط الأكثر شيوعاً: يحتاج شخص ما إلى العثور على شيء يعرف أنه موجود في مكان ما - مستند تسعير، أو قرار سياسة، أو تقرير عن حادث سابق، أو محادثة مع عميل - ويكتب استعلاماً باللغة الطبيعية بدلاً من الانتقال إلى التطبيق المحدد. تُرجع Glean إجابة مركبة مع استشهادات بالمصادر والمستندات ذات الصلة من أي تطبيقات متصلة بها.

بالنسبة للفرق التي تستخدم Glean Assistant بكثافة، تتضاعف القيمة بمرور الوقت. يتعلم مساعد الجيل الثالث (سبتمبر 2025) تفضيلات الكتابة لكل موظف حسب السياق. يحصل المهندس الذي يصيغ تقرير ما بعد الحادث على اقتراحات نبرة مختلفة عن مندوب المبيعات الذي يكتب تحديثاً لصفقة. يتعلم النظام من الأنماط في العمل السابق عبر جميع التطبيقات المتصلة التي يزيد عددها عن 100 تطبيق - وهو أمر قوي عندما يعمل بشكل صحيح، وقد يعرض أحياناً سياقاً سابقاً خاطئاً عندما لا يعمل كما ينبغي.

تتيح طبقة Agent و Apps (المتاحة الآن للجميع) للفرق بناء مساعدين متخصصين: روبوت مكتب مساعدة تكنولوجيا المعلومات يجيب فقط من مقالات قاعدة المعرفة (KB) المعتمدة، ومساعد إعداد يوجه الموظفين الجدد خلال أول 30 يوماً لهم باستخدام محتوى معتمد، ومساعد مبيعات يعرف كل صفقة في Salesforce بالإضافة إلى وثائق المنتج. تم نشر أكثر من 1,000 تطبيق مخصص بواسطة أكثر من 100 عميل خلال فترة المعاينة. يعتمد Agent Builder على عدم وجود تعليمات برمجية، باستخدام السحب والإفلات وتكوين اللغة الطبيعية - مما يعني أن المستخدمين غير التقنيين في الموارد البشرية أو العمليات يمكنهم بناء وكلائهم الخاصين دون تدخل هندسي.

لمن تم بناء Glean

تعتبر Glean الأنسب للمؤسسات التي تضم أكثر من 200 موظف، وبيئات SaaS غير متجانسة (أكثر من 20 أداة)، ومشكلة موثقة في اكتشاف المعرفة. عادةً ما تكون الفرق ذات العائد الأعلى على الاستثمار (ROI) هي تكنولوجيا المعلومات (الاستجابة للحوادث، قاعدة المعرفة)، والموارد البشرية وعمليات الأفراد (الإعداد، استعلامات السياسة)، والهندسة (سياق قاعدة التعليمات البرمجية، كتيبات التشغيل)، وتمكين المبيعات (التحضير للصفقات، الذكاء التنافسي)، ودعم العملاء (استرجاع معرفة المنتج). الشركات التي يعيش فيها جزء كبير من المعرفة المؤسسية في سلاسل رسائل Slack، ومساحات Confluence، وتذاكر Jira التاريخية - وهي أماكن نادراً ما يعرف الموظفون البحث فيها - تشهد أسرع وقت لتحقيق القيمة.

نتائج محددة للعملاء أبلغت عنها Glean: خفضت SafetyCulture أوقات البحث بنسبة 50%. تم تشغيل TIME Magazine في غضون ثلاثة أسابيع ("لم نقم بدمج أي شيء بشكل أسرع من قبل"، وفقاً لمديرة تكنولوجيا المعلومات Sharon Milz). وجد فريق دعم Grammarly مستندات لم يكونوا يعرفون بوجودها. قلل فريق هندسة Wealthsimple من أوقات حل الحوادث.

يعكس التكريم كقادة ناشئين من Gartner (دليل الابتكار لعام 2025 لإدارة المعرفة بالذكاء الاصطناعي التوليدي) والإدراج في قائمة Fast Company للشركات الأكثر ابتكاراً في العالم لعام 2025 تحققاً حقيقياً من السوق، وليس مجرد تموضع تسويقي.

ما لا تمثله Glean

ليست Glean منصة لأتمتة سير العمل بالمعنى المقصود في أدوات مثل Zapier أو Make. حتى ظهور طبقة Agents في 2025-2026، كانت تعثر على المعلومات وتقوم بتركيبها ولكنها لم تكن تتخذ إجراءات. حتى مع تفعيل Agents الآن، لا يزال سطح الإجراءات في مرحلة النضج - يجب على الفرق التي لديها سير عمل موافقات معقد، أو عمليات متعددة الخطوات تتطلب تدخلاً بشرياً، أو احتياجات تكامل عميقة مع تخطيط موارد المؤسسات (ERP) تقييم أدوات التنسيق المصممة خصيصاً بالإضافة إلى Glean أو بدلاً منها.

لا تناسب Glean الفرق التي تعتمد بالفعل على Microsoft 365 كمعيار مع الحد الأدنى من الأدوات غير التابعة لـ Microsoft. بالنسبة لتلك الفرق، فإن عمق Microsoft Copilot داخل تطبيقات Office يفوق اتساع Glean. كما أن Glean لا تناسب الفرق التي يقل عدد أفرادها عن 100 شخص، نظراً للحد الأدنى للعقد البالغ 100 مقعد (التزام بحد أدنى يبلغ حوالي 60,000 دولار سنوياً). يجب على الفرق التي ترغب في تجربة البحث المؤسسي بتعرض مالي أقل التفكير في AnythingLLM أو أدوات مفتوحة المصدر مماثلة قبل الالتزام بعقد مع Glean.

بالنسبة للمؤسسات التي تحتاج إلى الذكاء الاصطناعي للاستنتاج بعمق حول مجموعات مستندات خارجية محددة - الإيداعات المالية، العقود القانونية، المؤلفات العلمية - بدلاً من المعرفة الداخلية للشركة، فإن Hebbia أو AlphaSense هما خياران أفضل.