企業の業務に合わせて構築されるAIエージェント

Enterprise Graphを基盤とするAIエージェントで複雑な業務をスケールします。ワークフロー、関係性、コンテキストを取り込み、あらゆるやり取りを最適化します。

デモを依頼

Agentic Engine

組織から学び、計画を立てて実行するAIエージェント

データ分析

エンタープライズコンテキストに基づく
適応型プランニング

ユーザーごとの傾向、組織全体で蓄積された知見、これまでのエージェントの実行結果をもとに進化します。これらはPersonal GraphおよびEnterprise Graphに蓄積され、新たな知見が加わるたびに計画も柔軟に更新されるため、より創造的で複雑かつ戦略的な業務に対応できます。

Adaptive planning informed by enterprise context.

データ分析

高精度な実行

ツールの品質は成果を左右します。Glean Searchは「現在進行中の案件は何か」といった複数アプリ横断の検索に対応し、カレンダー検索は「次の会議はいつか」のように時間や人物に基づく情報整理を行います。さらにデータ分析では、「現在の総ARRはいくらか」といった構造化データやメタデータを活用した検索が可能です。各ツールとインデックスは、それぞれの検索用途に最適化されています。GleanのAgent Builderは高性能な検索基盤を活用し、数百のツールにまたがる業務を支援するとともに、外部エージェントも呼び出し可能なツールとして扱い、マルチエージェント環境にも対応します。

データ分析

Enterprise Graphによる長期記憶

Enterprise GraphはAgentic Engineにコンテキストを提供し、回答精度の向上、対応可能な業務範囲の拡大、企業全体および個々のユーザーに合わせた最適化を実現します。エージェントの履歴はEnterprise Graph内の一要素にすぎず、企業アプリケーション全体の活動やアクションと組み合わせることで、より動的で個別最適化された業務を支えます。

Complete long-term memory with the Enterprise Graph.

データ分析

企業全体のコンテキストで推論を実行

大量の構造化データ・非構造化データを横断する複雑な業務や高度な分析のために、GleanのAIエージェントはサンドボックス環境で動作します。これは独立したセッション環境であり、短期記憶用ファイルシステム、データ処理用コード実行環境、必要なデータやアクションを取得するインデックス検索を備えています。
‍
サンドボックスにより、LLMのコンテキストウィンドウ制限に左右されることなく、企業全体のコンテキストを活用した重要なワークフロー実行が可能になります。

データ分析

安定稼働を支える
評価基盤

評価は単に回答の正誤を確認するだけではありません。出力が実際に有用かどうか、またタスクごとに求められる品質を測定します。たとえば文章生成では創造性、問い合わせ対応では有用性、ガイド作成では一貫性が重視されます。これを大規模に実現するため、GleanはLLM Judgeを活用しています。これは特定のエージェントカテゴリにおける出力品質を評価するよう設計された言語モデルです。