会社の状況に根ざして、熟考し、計画し、行動するエージェント。

Gleanのエージェント推論エンジンは、企業向けに特別に構築されています。目標の理解、エンタープライズコンテキストでの基盤、チームが毎日使用するツール全体での行動など、会社の仕組みを正確に反映しています。

デモを申し込む

Agentic Engine

Agents that build plans and execute by learning from your organization

Data Analysis

セマンティック理解

ユーザーはまず、エージェントに実行させたいタスクを自然言語で説明することから始めます。Glean は舞台裏で意図を完全に理解するように努め、必要に応じてフォローアップクエリを発行して適切なコンテキストを収集し、目標を明確にしています。

Adaptive planning informed by enterprise context.

Data Analysis

複雑で状況に応じたワークフロー

Glean、組織がどのように仕事を進めているかを分析し、過去のワークフローの構造を調べて新しいタスクに最適なプランを決定します。単なる類似性マッチングにとどまらず、ハイブリッド検索と、成功率、使用パターン、最新性などのワークフローからのシグナルを利用して意思決定の指針としています。その後、この豊富なプロセス知識をLLMと共有して、新しいコンテキスト認識型ワークフローの作成に役立てます。

Data Analysis

パターンと目標の自動認識

各エージェントは、データ分析の実施、オンボーディング、調査の実施など、特定の目標を達成するように設計されており、それぞれが企業独自のクエリパターンを表しています。Glean は、これらのパターンを深く理解し、AIの応答を適切な企業コンテキストに基づいて行うことで、強力な検索体験を提供します。

Complete long-term memory with the Enterprise Graph.

Data Analysis

継続的なパフォーマンス評価と評価

エージェントを評価することは、エージェントが正しい答えを見つけたかどうかを確認することだけではありません。各タスクにとって「良い」とは実際に何を意味するのかを定義することです。Glean では、執筆の創造性、問題解決への有用性、指導ガイドの一貫性など、意図を評価するよう努めています。次に、さらに深く掘り下げて、エージェントの推論の各ステップがどの程度成り立つかを評価します。これを大規模に行うために、LLMジャッジを使用します。LLMジャッジとは、特定のクエリクラス内のエージェントの出力を評価するようにトレーニングされた言語モデルです。

Run-time autonomy with design-time controls.

Data Analysis

オープンで拡張可能なプラットフォーム

Glean を利用すると、LLMの最新機能にアクセスでき、増え続けるサードパーティエージェントのネットワークに接続できます。Glean ではプラットフォーム内でエージェントを簡単に構築できますが、企業がさまざまな場所でエージェントを作成することはわかっています。そのため、Anthropicのモデルコンテキストプロトコル、OpenAI Agents SDK、LangChainなどの主要なエージェントフレームワークと統合するオープンで拡張可能なプラットフォームを構築しました。