Gleanとは

Gleanは、企業内に散らばったドキュメント・チャット・メール・チケット・CRMなどを横断して検索し、その「企業コンテキスト」をAIアシスタントとエージェントに渡すWork AIプラットフォーム。

2019年にArvind Jainら4人が創業し、社内検索から始めて企業AIの基盤へと領域を広げた。出典

ストーリー

創業から成功に至るまでの道のり。

情報が見つからないという地味な課題

Arvind JainはRubrikの共同創業者としてR&Dを率いていた。

自社の従業員サーベイで「必要な情報が見つけられない」が最大の生産性課題として挙がり、解決策を探したが見つからなかった。

そこで同僚を説得し、自分で作ることを選んだ。出典

検索から始めてAIの土台へ

Gleanは2019年にArvind Jain、T.R. Vishwanath、Piyush Prahladka、Tony Gentilcoreの4人で創業し、$15.3MのSeries Aを調達。

約2年間ステルスで開発を続け、2021年9月に公開した時点で40社以上が企業検索を使っていた。出典

権限を壊さずに横断索引を作るという地味な設計が、生成AI時代にそのまま資産になる。

評価額が跳ねた3年間

2022年5月にSequoia主導で$100Mを$1Bバリュエーションで調達してユニコーンになり、2024年2月には$200M超を$2.2B、同年9月に$260M超を$4.6Bで調達した。出典

Arvind JainはSeries Eの発表で、手元資金が$550M超あることを示したうえで今回の増資を説明している。出典

調達は野心のため

2025年6月、GleanはWellington Management主導で$150Mを$7.2Bバリュエーションで調達した。

Arvind Jainはこのラウンドについて「今回の調達は必要性ではなく、次の成長段階へ加速する野心によるものだ」と述べている。出典

チームは850人を超え、Agentsは年間1億件以上のアクションを実行する規模になった。出典

収益の立ち上がり

ARRは2025年6月に$100Mを超え、同年12月に$200Mへ到達。

$100Mから$200Mまで9か月だった。出典

2026年には$300Mに達し、15か月で3倍になったとGleanは説明する。出典

27B件以上の文書を100以上のコネクタ経由で索引し、AIは年20兆トークン規模の処理を回している。出典

独自分析

PMF (プロダクトマーケットフィット)

Gleanが刺さるのは、SaaSが乱立し「情報はあるのに見つからない」状態が慢性化した大企業である。

RubrikでArvind Jainが観測したように、従業員サーベイで情報探索が最大の生産性課題に挙がる企業は多い。出典

Gleanは権限を壊さずに横断索引を作り、検索結果ではなく回答を返すことで、探す時間そのものを削る。出典

生成AIが普及した現在は、汎用チャットに自社文脈を与える層として需要が拡大し、ARRは2025年12月に$200M、2026年に$300Mへ到達した。出典

参入障壁 (Moat)

権限体系を保ったまま100以上のシステムを横断索引し続ける運用知が参入障壁になる。

コネクタ数だけでは再現できず、顧客ごとの権限とデータ更新への追随が必要である。出典

ネットワーク効果

弱め。

利用者が増えても検索精度が直接上がる構造ではない。

ただし顧客ごとの索引とコネクタの蓄積は乗り換えコストを高め、パートナー連携が増えるほど導入経路が広がる点で間接的な効果はある。出典

ターゲット

複数のSaaSと自社データを抱える中〜大企業のCIO・IT部門。

85%以上の顧客が5部門以上へ展開し、Fortune 500顧客は前年比約2倍。

現場では情報探索に時間を取られるナレッジワーカーが利用者になる。出典

成功要因

1点目は、生成AI以前に権限考慮の横断検索を完成させていたこと。

この索引が後のアシスタントとエージェントの土台になった。出典

2点目はモデルを固定しなかったこと。

Model Hubで用途ごとに選択できる。出典

3点目は100以上のコネクタによる導入の速さで、実装期間の前提を崩した。出典

失敗・課題

大企業顧客への依存度が高く、顧客ごとの単価や継続率は開示されていないため収益の頑健性は外部から確認できない。出典

AIエージェントの実行は権限逸脱や誤操作のリスクを伴い、統制設計の失敗は信頼喪失に直結する。

MicrosoftやOpenAIが同領域を強化すれば価格競争の圧力も強まる。出典

グロース戦略

フェーズ1はエンタープライズ営業による大企業の全社導入、フェーズ2はパートナー経由の拡張。

AWS、Google Cloud、Microsoft、Databricks、Dell、Palo Alto Networks、Snowflake、Workdayとの協業で顧客の既存スタックに接続する。出典

トレードオフは、セルフサーブの入口を持たないため獲得が営業主導になり、成長速度が営業組織の拡張に律速されること。出典

主要チャネル: content, seo, events, partnerships, enterprise_sales

学べること

企業AIの差はモデル性能ではなく、自社固有の文脈を権限込みでどれだけ構造化できるかで決まる。

枯れた領域に見える検索を権限まで作り込むことが、AI時代の資産になった。出典

資本政策では、必要に迫られてではなく成長速度を選ぶために調達するという判断が参考になる。出典

日本で展開するなら

日本企業は部門ごとのシステム分断と複雑な権限管理ゆえに、横断検索+権限モデルの価値が出やすい。

ただし日本語の社内文書や表記ゆれの索引精度が導入判断の分かれ目になる。出典

全部署一斉ではなく、問い合わせ対応や営業の情報探索など効果を測りやすい1部門から入り、利用率で判断する進め方が現実的である。出典

主な競合

Timeline

創業から成功に至る道のり。転機ごとの収益・調達・バリュエーション (出典あり) も併記します。

  1. Arvind Jain、T.R. Vishwanath、Piyush Prahladka、Tony GentilcoreがGleanを創業し、$15.3MのSeries Aを調達。以後2年間ステルスで開発を続けた。出典

    • 調達 $15,300,000
    • Series A
    • Sequoia Capital, Kleiner Perkins
  2. ローンチ出典

  3. ステルスから公開。企業検索は公開時点で40社以上が利用していた。出典

  4. Sequoia主導で$100MのSeries Cを$1Bバリュエーションで調達。ユニコーンになった。出典

    • 調達 $100,000,000
    • バリュエーション $1,000,000,000
    • Series C
    • Sequoia Capital
  5. 企業検索に生成AIを載せた会話型アシスタントを投入し、検索だけでなく回答を返す領域へ広げた。出典

  6. Kleiner PerkinsとLightspeedが主導し、$200M超を$2.2Bバリュエーションで調達(Series D)。100以上のコネクタで企業データを接続する構成を明確にした。出典

    • 調達 $200,000,000
    • バリュエーション $2,200,000,000
    • Series D
    • Kleiner Perkins, Lightspeed Venture Partners
  7. AltimeterとDST Globalが共同主導で$260M超を$4.6Bバリュエーションで調達(Series E)。手元資金は$550M超、従業員は500人を超え、直近1年で事業規模が3倍以上になった。出典

    • 調達 $260,000,000
    • バリュエーション $4,600,000,000
    • Series E
    • Altimeter, DST Global
  8. Wellington Management主導で$150Mを$7.2Bバリュエーションで調達(Series F)。チームは850人を超え、Agentsは年間1億件以上のアクションを実行した。出典

    • 調達 $150,000,000
    • バリュエーション $7,200,000,000
    • Series F
    • Wellington Management
  9. ARRが$200Mを突破($100M到達から9か月)。27B件以上の文書を100以上のコネクタ経由で索引し、AIは年20兆トークン規模の処理になった。出典

    • ARR $200,000,000
  10. ARRは$300Mに到達($100Mから15か月で3倍)。Fortune 500の顧客数は前年比約2倍、85%以上の顧客が5部門以上へ展開した。出典

    • ARR $300,000,000
  11. ARR 記録出典

    • ARR $350,000,000

ポジショニング

分析で挙げた競合プロダクトとの相対位置を示しています。

エンタープライズ向けの高価格帯で、検索からエージェントまでを覆う横断プラットフォームとして位置する。[出典](https://www.glean.com/pricing)

参考リンク

関連プロダクト

AI Agent

Relevance AI

Relevance AIは、AIエージェントとマルチエージェントのチームを、コードを書かずに組んで運用するプラットフォーム。「AI Workforce」と呼ぶ考え方を掲げ、営業、カスタマーサポート、運用の定型業務をエージェントのチームに委ねる。2025年1月だけで4万個のエージェントが作られ、同年5月にBessemer Venture Partners主導で$24MのSeries Bを調達した。2026年9月には、エージェントを組み立てるだけでなく管理し続けるInvent 2.0を発表している。

Australia · 出典 15

#no-code#AI Workforce#AI Agent

Search

Coveo

Coveoはカナダ・ケベック州を拠点とするエンタープライズAI検索企業。デスクトップ検索のCopernicから2005年に企業検索部門がスピンオフして生まれ、2011年から2025年までTaleo創業者のLouis TêtuがCEOを務めた。商品検索、カスタマーサービス、社内ナレッジ、Webサイトの4領域で、統合インデックスと機械学習による関連性チューニング、RAGベースの生成回答を提供し、トロント証券取引所に上場している (TSX: CVO)。

Canada · 2005 年 · 出典 14

#Personalization#RAG#SaaS

Collaboration / Productivity

Guru

Guruは、社内に散らばったドキュメントやチャットの会話から知識を構造化し、検証済みの「唯一の正」として人とAIエージェントの双方へ届けるknowledge layer。Rick NucciとMitchell Stewartが2013年にフィラデルフィアで創業し、Boomiで経験した「情報が古くなる」課題を出発点に、Chrome拡張から始まった。現在はSlackやブラウザ、MCP経由のAIツールへ、権限に沿った引用付きの回答を配信する。

United States · 2014 年 · 出典 21

#Slack#knowledge governance#MCP

AI Infrastructure

Fundamental

Fundamentalは、企業の表データを予測へ変えるLarge Tabular Model「NEXUS」を提供するenterprise AI platform。

United States · 2024 年 · 出典 16

#Large Tabular Model#AI#Predictive Analytics