Whalesbook
व्हॅल्युएशन विरुद्ध महसुलाची वास्तवता
Glean ने गाठलेले $300 दशलक्ष वार्षिक आवर्ती महसूल (ARR) हे जबरदस्त यश दर्शवते, कारण अवघ्या 15 महिन्यांत महसुलात तिप्पट वाढ झाली आहे. तथापि, आर्थिक बाबी विचारात घेणे महत्त्वाचे आहे. जून 2025 मध्ये $7.2 अब्ज मूल्यांकनानंतर, कंपनीचे मूल्यांकन सध्याच्या महसुलाच्या तुलनेत खूप जास्त आहे. महत्त्वाचे म्हणजे, कंपनी आता हायब्रिड प्राइसिंगकडे (Hybrid Pricing) वळत आहे, त्यामुळे महसुलाचा एक मोठा भाग वापरा-आधारित ॲक्टिव्हिटीशी जोडलेला आहे. यामुळे महसुलात अस्थिरता येऊ शकते, कारण हे आकडे वार्षिक रन रेट (Annualized Run Rates) आहेत, निश्चित सबस्क्रिप्शन करार नाहीत. यामुळे कंपन्यांमधील युझर एंगेजमेंट पॅटर्न बदलल्यास त्याचा परिणाम होऊ शकतो.
'कॉन्टेक्स्ट ग्राफ' कसा महत्त्वाचा?
CEO अरविंद जैन, जे Google च्या सर्च इन्फ्रास्ट्रक्चरमध्ये अनुभवी आहेत, त्यांचा विश्वास आहे की कंपनीचा 'कॉन्टेक्स्ट ग्राफ' (Context Graph) एक मजबूत स्पर्धात्मक फायदा देईल. जेनेरिक लार्ज लँग्वेज मॉडेल्स (LLMs) बऱ्याचदा चुकीची माहिती देतात किंवा कंपन्यांमधील अंतर्गत बारकावे समजून घेण्यात अयशस्वी ठरतात. याउलट, Glean चे आर्किटेक्चर विविध अंतर्गत सिस्टीम्सशी खोलवर जोडलेले आहे. संस्थेतील डेटा प्रभावीपणे इंडेक्स करून आणि परवानगीचे नियम काटेकोरपणे पाळून, हे प्लॅटफॉर्म 'टोकन टॅक्स' (Token Tax) कमी करते - म्हणजेच, अनावश्यक डेटावर प्रक्रिया करताना AI मॉडेल्सना येणारा गणनेचा खर्च. अशा वातावरणात जिथे CFOs AI प्रयोगवादाकडून ROI (Return on Investment) कडे लक्ष केंद्रित करत आहेत, तिथे Glean ची कमी खर्चिक प्रणाली कमी कार्यक्षम सर्च पद्धतींविरुद्ध एक महत्त्वाचे विक्री साधन बनले आहे.
अंतर्गत कंपन्यांकडून दबाव
तांत्रिक भिन्नता असूनही, Glean ची स्थिती स्वतंत्र नवोपक्रम आणि कमोडिटी ट्रॅप (Commodity Trap) यांच्यामध्ये आहे. एंटरप्राइज सर्च मार्केटमध्ये मायक्रोसॉफ्ट 365 कोपायलट (Microsoft 365 Copilot) आणि गूगल जेमिनी फॉर वर्कस्पेस (Google Gemini for Workspace) यांसारख्या इंटिग्रेटेड इकोसिस्टमचे वर्चस्व वाढत आहे. हे मोठे खेळाडू थेट त्या प्लॅटफॉर्ममध्ये AI क्षमता समाविष्ट करू शकतात जिथे कर्मचारी त्यांचे दैनंदिन काम करतात. Glean जरी मॉडेल-अज्ञेयवादी (Model-agnostic) राहण्याचा दावा करत असले, तरी त्यांना एक मोठे आव्हान आहे: कंपन्या अनेकदा त्यांच्या मुख्य क्लाउड व्हेंडर्सनी दिलेल्या वैशिष्ट्यपूर्ण प्लॅटफॉर्मवर अतिरिक्त थर्ड-पार्टी सॉफ्टवेअर जोडण्यास कचरतात. याव्यतिरिक्त, ओपन-सोर्स (Open-source) आणि विशेष प्रतिस्पर्धी Glean ला किमतीत आव्हान देत आहेत, विशेषतः ज्या टीम्स डेटा सार्वभौमत्व (Data Sovereignty) किंवा सेल्फ-होस्टेड डिप्लॉयमेंटला प्राधान्य देतात.
धोके आणि प्रशासन
कंपनी जसजशी 'एजंटिक' AI (Agentic AI) मध्ये अधिक प्रवेश करत आहे, जिथे ऑटोनॉमस सिस्टीम्स वायर ट्रान्सफर किंवा डेटा अपडेट्स सारखी कामे करतात, तिथे सुरक्षेचा धोका अनेक पटींनी वाढतो. प्रॉम्प्ट इंजेक्शन (Prompt Injection), डेटा पॉयझनिंग (Data Poisoning) आणि अनधिकृत प्रवेश यांसारखे धोके एजंट-आधारित आर्किटेक्चरमध्ये वाढतात. Glean जरी सुरक्षा-प्रथम दृष्टिकोन (Security-first Approach) ठेवत असले, तरी थर्ड-पार्टी इंटिग्रेशन्सवर अवलंबून राहणे हे एक संभाव्य असुरक्षितता आहे. जर एखाद्या कनेक्टेड एंटरप्राइज टूलमध्ये बिघाड झाला, तर Glean च्या ग्राफची एकमेकांशी जोडलेली रचना सिस्टीममध्ये प्रवेशाचे मुद्दे वाढवू शकते. 850 हून अधिक कर्मचारी आणि आक्रमक जागतिक विस्तारासह, कंपनीसाठी इतक्या गुंतागुंतीच्या इंटिग्रेशन्समध्ये सुसंगत प्रशासन राखणे हे एक मोठे आव्हान आहे, जे त्यांच्या पुढील वाढीस निश्चित करेल.