Glean apuesta a que la batalla de la IA empresarial se ganará con el contexto, no con más modelos

Glean ha convertido su conferencia anual de clientes, Glean:GO, celebrada en San Francisco, en una declaración de principios sobre cómo debería resolverse la fiabilidad de la IA en el entorno corporativo. Frente a un sector que, según la compañía, ha respondido a los errores de los modelos apilando capas de supervisión —evaluadores, barreras de seguridad, colas de revisión humana—, Glean defiende que el problema hay que atacarlo más abajo: un agente que se equivoca no necesita más vigilancia, necesita haber recibido desde el principio la información correcta para hacer su trabajo. Esa idea, el 'contexto', se repitió hasta 61 veces durante una sesión con prensa y analistas, en palabras del cofundador y consejero delegado Arvind Jain, quien lo definió como 'toda la información correcta, la experiencia y la sabiduría humana que se necesitan para completar una tarea'. Según Jain, ese conocimiento ya existe dentro de las empresas, pero está enterrado, disperso y mezclado entre documentos estructurados y señales informales que la gente deja en chats, reuniones y aprobaciones.

Esta insistencia no es casual: marca un giro narrativo para una compañía que durante años fue vista como un motor de búsqueda empresarial. El cofundador y responsable de ingeniería de producto, Tony Gentilcore, recordó la inspiración original de Glean en la vieja cita de HP sobre que si una empresa supiera todo lo que sabe, sería diez veces más productiva. Ese propósito, pensado para que los empleados encontraran información al instante, se está reconvirtiendo ahora en la infraestructura que alimenta de contexto a los agentes y modelos de IA. 'Descubrimos que lo mismo que construimos para que los humanos hicieran su trabajo es necesario para que los agentes y los modelos hagan el suyo', explicó Gentilcore.

El mercado en el que compite Glean es, sin embargo, cada vez más concurrido. Por un lado están las herramientas agénticas de trabajo del conocimiento, como Claude Cowork de Anthropic, Copilot Cowork de Microsoft, ChatGPT Work de OpenAI o las propuestas de Atlassian, Salesforce y ServiceNow. Por otro, los proveedores de búsqueda empresarial de los que Glean proviene, entre ellos Slack, Lucidworks, Elastic y Algolia. Para diferenciarse, Glean publicó benchmarks internos que comparan su Glean Assistant con Claude Cowork ejecutando Sonnet 5 en más de 180 tareas de trabajo de conocimiento, usando consultas sintéticas sobre datos de producción propios y evaluación comparativa en una escala de cinco puntos. Según esos resultados —con enrutamiento automático de modelos activado en Glean frente a Sonnet 5 en modo de razonamiento alto en Cowork—, el coste por tarea de Glean fue de 0,58 dólares frente a 2,98 dólares de Cowork, un ahorro del 81% en costes de tokens, con una preferencia de los evaluadores por las respuestas de Glean en el 78% de los casos.

Una de las novedades más llamativas fue Glean Tau, una experiencia de escritorio que, a diferencia del resto de la plataforma —que corre íntegramente en la nube—, se ejecuta en el propio ordenador del trabajador. Combina archivos locales, código y documentos con el grafo de contexto de Glean, permitiendo que la IA escriba y ejecute código en el dispositivo y realice flujos de trabajo completos sin depender exclusivamente de la nube. El directivo Emrecan Dogan señaló que Tau ya se ha desplegado internamente y que su uso se ha disparado en distintos tipos de tareas sin que los costes se disparen a la par, precisamente porque combina el contexto de la nube con el que reside solo en el equipo del empleado. Es un reconocimiento implícito de que buena parte del trabajo real —carpetas locales, archivos que nunca se sincronizan— queda fuera del alcance de un índice puramente en la nube, algo en lo que también avanza Microsoft con capacidades locales de IA en Windows 11 y sus PC Copilot+. Glean no ha dado fecha oficial de lanzamiento de Tau más allá de 'próximamente', aunque un portavoz apuntó a un plazo de unos tres meses.

Otro eje central del evento fue la llamada 'IA proactiva'. Según una investigación del Work AI Institute de Glean, los empleados dedican de media 6,4 horas semanales —casi una jornada laboral completa— a lo que la compañía llama 'botsitting': comprobar que la IA tiene el contexto correcto, depurar errores, repetir instrucciones y corregir respuestas 'seguras pero equivocadas'. Dogan sostiene que el modelo actual de IA es reactivo —el usuario tiene que acordarse de invocarla, detallar los pasos y saber qué agente sirve para qué— y que esto no es sostenible porque la atención humana es limitada. La respuesta de Glean son tres funciones orientadas a la productividad personal: gestión proactiva de tareas, que identifica próximos pasos y genera primeros borradores; triaje de correo, que señala lo urgente y redacta respuestas con contexto; y un 'coach de reuniones' que ayuda a prepararlas, guía durante su desarrollo y perfila las conversaciones después. Conviene matizar que la proactividad no es una idea exclusiva de Glean: Salesforce y Asana ya la habían planteado antes, aunque Glean insiste en presentarla como compañeros digitales que observan continuamente cómo se trabaja e inician tareas por iniciativa propia.

Más allá de la productividad personal, Glean presentó sus 'agentes independientes', comparables a los Frontier Agents de Amazon Web Services: programas autónomos que persisten entre sesiones, se comparten entre empleados, tienen identidad y permisos propios, y un mandato que define el alcance de su trabajo. Según Dogan, estos agentes se autocorrigen y mejoran con el uso, incorporando el feedback recibido en cada ejecución. Jain distinguió dos categorías: los agentes que actúan en nombre de un trabajador —limitados a los datos a los que ese empleado tiene acceso, operando de forma acotada dentro de una sola aplicación— y los que tienen identidad propia, funcionan de manera continua y pueden iniciar acciones por sí mismos, a los que comparó con 'empleados o colegas'. Esta segunda categoría, reconoció Jain, abre un nuevo conjunto de problemas: diseño de roles y permisos, definición del alcance de responsabilidad, normas de comportamiento y colaboración, y mecanismos de rendición de cuentas y supervisión. Resulta especialmente revelador el origen técnico de estos agentes: Gentilcore confirmó que el equipo de Glean llegó a bifurcar (fork) el proyecto OpenClaw, pero abandonó ese camino al concluir que no era lo bastante seguro, ya que estaban 'recreando parte de la pila sin las barreras de seguridad correspondientes'. Migraron entonces todo al motor de agentes principal de Glean, aunque el propio Gentilcore admitió que, en esencia, sus agentes independientes son 'agentes claw, sin la analogía de la langosta'. Los tres primeros agentes independientes —para gestión de guardias (on-call), voz del cliente y ventas— están en fase beta.

El resto del anuncio incluyó Glean Transform, un 'mapa vivo' que usa el grafo empresarial de la plataforma para observar cómo fluye el trabajo entre correo, tickets de soporte, documentos y reuniones, generando informes con sugerencias de agentes o automatizaciones desplegables con un clic y midiendo su impacto en el negocio; está listado como 'próximamente'. También se presentó Team Chat, que permite a empleados, al asistente de Glean y a los agentes colaborar en el mismo hilo o documento compartido —una función ya disponible en beta que, según Dogan, mueve la IA 'de un solo jugador a multijugador', en línea con movimientos similares de Slack y Microsoft—. A ello se suman paneles interactivos que combinan datos estructurados con contexto de negocio no estructurado (disponibles en beta), una ampliación de su AI Gateway —lanzado en julio— para cubrir más puntos de entrada de IA, aplicar políticas de temas restringidos mediante Glean Protect y ampliar el acceso MCP gobernado a habilidades organizativas y memoria personal (también en beta), y un sistema de detección de amenazas basado en contexto que analiza si el comportamiento de un agente es legítimo, todavía en fase 'próximamente'.

En el plano de negocio, estas novedades llegan tres meses después de que Glean anunciara que sus ingresos recurrentes anuales (ARR) superaron los 300 millones de dólares, una cifra que la compañía dice haber triplicado desde comienzos de 2025. Gentilcore afirmó que el 85% de sus clientes despliega la plataforma de forma integral en toda la organización, y que la proporción de usuarios activos diarios sobre usuarios activos mensuales alcanza el 45%, es decir, que casi la mitad de quienes usan Glean en un mes dado lo hacen a diario. Sobre si Glean podría convertirse en la primera compañía de infraestructura de IA en superar los 1.000 millones de dólares, Jain evitó responder directamente, limitándose a decir que existen planes internos que no puede compartir y que 'el mercado nos sigue sorprendiendo'. Sí fue más explícito sobre el modelo de negocio: Glean persigue un esquema de ingresos tipo SaaS y no uno ligado al consumo de tokens, porque, en sus palabras, la IA es hoy muy cara para los clientes y la compañía quiere posicionarse como la que ayuda a las empresas a gestionar ese coste, no como la que se beneficia de un uso desbordado. Esa distinción —cobrar por valor de suscripción en lugar de por consumo— es, en el fondo, coherente con el argumento central de todo el evento: si el contexto correcto reduce el número de intentos fallidos y de tareas repetidas, también reduce el gasto en tokens, lo que convierte la propia arquitectura de contexto de Glean en un argumento comercial tanto técnico como económico frente a rivales que cobran por uso intensivo de modelos.