Glean

Glean이란?

Glean은 회사의 지식과 시스템, 맥락을 이어 붙여 AI가 조직 안에서 실제로 쓸모 있는 일을 하도록 만드는 엔터프라이즈 Work AI 플랫폼입니다. 공개 인터넷 지식으로 두루뭉술하게 답하는 것과는 다릅니다. 이 제품이 겨냥하는 문제는 큰 조직에서만 생깁니다. 직원이 일하는 데 필요한 정보는 Slack 대화와 Google Drive 문서, Jira 티켓, Confluence 페이지, SharePoint 사이트, GitHub 저장소, Salesforce 레코드에 흩어져 있고, 범용 챗봇은 그중 어느 것에도 접근하지 못합니다. Glean은 그 자료를 색인하고, 누가 무엇을 볼 권한이 있는지 파악한 다음, 그 위에 검색창과 어시스턴트, 그리고 여러 에이전트를 올립니다.

운영 주체는 Glean Technologies, Inc.와 그 자회사입니다. 여기서 분명히 해둘 경계가 하나 있습니다. 마케팅 사이트에 게시된 개인정보 처리방침은 웹사이트와 사업 운영만을 다루며, 제품과 서비스 자체의 이용에는 적용되지 않는다고 명시합니다. 다시 말해 기업 데이터의 처리 방식을 규율하는 것은 공개된 정책이 아니라 계약 조항입니다. 창업자이자 CEO인 Arvind Jain은 Google에서 10년 넘게 뛰어난 엔지니어로 일하며 검색과 지도, YouTube 팀을 이끌었고 이전에 Rubrik을 공동 창업했습니다. 공동 창업자이자 CTO인 Vishwanath T R은 Facebook에서 10년 가까이 기술 리더를 맡았습니다. 이런 이력이 중요한 이유는 엔터프라이즈 검색이 AI 문제이기 이전에 색인과 순위 결정 문제이기 때문입니다.

회사가 공개한 연표는 의도된 순서를 보여줍니다. 2019년 설립해 스텔스 상태로 엔터프라이즈 검색을 만들었고, 2021년 공개 출시 시점에 이미 40개가 넘는 회사가 쓰고 있었으며, 2022년 유니콘이 되었고, 2023년 대화형 어시스턴트를, 2025년 에이전트를 내놓으며 72억 달러 기업가치에 이르렀고, 2026년에는 AI 코워커를 선보였습니다. 이 순서가 제품의 성격을 설명합니다. 검색과 권한 계층이 먼저 있었고 생성형 기능은 그 위에 얹혔습니다. 모델에서 출발해 나중에 사내 데이터 접근을 덧붙이려는 소비자용 AI 검색 도구와는 정반대의 경로입니다.

핵심 기능

• 기업 애플리케이션 전반을 아우르는 커넥터 계층: 커넥터 계층이 제품 전체의 토대입니다. 275개가 넘는 기본 제공 연동이 네이티브 커넥터와 MCP 기반 커넥터, 그리고 데이터를 밀어 넣어야 하는 시스템을 위한 Push API 형태로 제공됩니다. 목록은 영업과 마케팅, 엔지니어링과 분석, 인사, 문서, 프로젝트 관리처럼 기능별로 정리되어 있습니다.
• 질의 시점에 강제되는 권한 상속: 모든 데이터 권한은 원본 시스템에서 상속되어 엄격하게 적용되므로, 사용자는 이미 볼 수 있도록 허용된 것만 보게 됩니다. 권한이 바뀌면 다음 크롤링을 기다리지 않고 즉시 결과에 반영됩니다. 이것이 엔터프라이즈 검색에서 가장 어려운 부분이며, 경쟁 제품을 평가할 때 가장 먼저 확인해야 할 항목입니다.
• 색인된 콘텐츠 위에 세운 지식 그래프: 플랫폼은 데이터 전반에 색인과 지식 그래프를 구축해 비즈니스가 실제로 어떻게 돌아가는지 파악합니다. 누가 무엇을 소유하고, 어떤 프로젝트가 어느 팀과 연결되며, 어떤 문서가 기준이 되는지를 이해하는 것이지, 모든 문서를 고립된 텍스트 덩어리로 취급하지 않습니다.
• 실제 사내 맥락에 접근하는 어시스턴트: 대화형 계층은 내부 자료에 근거해 답하며 35종이 넘는 대규모 언어 모델을 활용할 수 있습니다. 덕분에 조직은 한 공급업체에 묶이지 않고 비용이나 성능, 벤더 정책에 따라 모델을 고를 수 있습니다.
• 일을 실행하는 에이전트와 액션: 검색을 넘어 Actions와 Agents가 있습니다. 자연어로 작업을 지시하고, 이벤트나 일정에 따라 에이전트를 실행하며, 명시적 경계와 실행 전 사람의 승인 절차로 에이전트가 할 수 있는 일을 제한합니다.
• 명시적 제품 가치가 된 토큰 경제성: 대표적인 상업적 논거가 검색 가능성에서 비용 통제로 옮겨 갔습니다. Glean은 기성 MCP 도구 대비 토큰 사용량을 30퍼센트 줄인다고 주장합니다. 미리 연결되고 잘 구조화된 맥락이 있으면 모델이 답에 이르기까지 더 적은 연산을 거친다는 논리입니다.
• 플랫폼과 데이터, 에이전트를 아우르는 거버넌스 계층: Glean Protect는 보안 통제를 세 층으로 묶어 배포 격리, 민감 데이터 탐지와 조치, 그리고 자율 에이전트에게 허용되는 행위의 가드레일을 다룹니다.

활용 사례

1. 전문가 팀에 몰리는 사내 문의 부담 줄이기: 큰 회사에서는 소수의 사람이 같은 질문에 반복해서 답합니다. 답이 어디 있는지 아는 사람이 그들뿐이기 때문입니다. 권한을 인식하는 검색 계층으로 직원을 안내하면 그 답변이 셀프서비스로 옮겨 갑니다. PeerSpot의 한 지원 업무 리뷰어는 Confluence와 Jira 티켓을 연결해 각 시스템을 따로 조회할 때보다 훨씬 빠른 시야를 얻었고 티켓 종결 시간이 약 5퍼센트 개선되었다고 보고했습니다.
2. 대규모 코드베이스나 조직 구조에 신규 입사자 적응시키기: 새로 들어온 사람은 어떤 문서가 최신인지, 어느 팀이 어떤 서비스를 맡는지, 누구에게 물어야 하는지 알아내느라 몇 주를 씁니다. 회사의 실제 시스템 위에 놓인 지식 그래프가 그 탐색을 압축합니다. 권한이 상속되기 때문에 신규 입사자는 자기 역할에 허용된 범위만 정확히 보게 됩니다.
3. 맞춤 RAG를 직접 만들지 않고 AI를 사내 지식에 접지하기: 많은 기업이 자체 검색 증강 생성 스택을 만들려다 정작 노력이 커넥터와 권한 동기화, 신선도 유지에 들어간다는 사실을 발견합니다. 그 계층을 사면 여러 분기가 걸리는 엔지니어링 과제가 배포 작업으로 바뀝니다.
4. 부서를 가로지르는 에이전트 배포: 같은 맥락 계층이 모든 팀을 지원하므로 조직은 한 부서에 국한하지 않고 여러 기능에 걸쳐 에이전트를 배포합니다. Glean은 고객의 85퍼센트 이상이 5개 이상 부서에 배포한다고 밝히며, 개별 기업 내부에서 수천 개의 에이전트가 만들어졌다는 고객 사례도 제시합니다. 다만 이는 모두 벤더가 자체 보고한 수치입니다.
5. 사용량이 늘어도 AI 지출을 통제하기: 모델 청구서가 AI가 만들어내는 가치보다 빠르게 늘고 있는 조직이라면, 작업당 모델 연산 횟수를 줄이는 맥락 계층은 재무 부서가 이해하는 언어입니다. 이것이 부차적 이점이 아니라 Glean의 주된 상업적 제안이 되었습니다.
6. 묵혀 둔 아카이브 자료를 쓸모 있게 만들기: 수십 년치 연구 자료나 편집 아카이브, 과거 계약서를 쌓아 둔 조직은 그 말뭉치를 살아 있는 시스템과 같은 검색 화면으로 끌어와 잠들어 있던 콘텐츠를 실제로 질의 가능한 자산으로 바꿀 수 있습니다.

Glean 사용 방법

1. 웹사이트의 데모 요청을 통해 영업팀과 접촉합니다. 셀프서비스 가입이 없으므로 어떤 시스템을 연결할지, 사용자는 몇 명인지, 어떤 배포 방식과 어느 지역을 쓸지 범위를 정하는 일부터 시작됩니다.
2. 배포 방식을 정합니다. Glean이 호스팅하는 단일 테넌트 환경에서 운영하거나, 자사의 AWS나 Azure, GCP 계정 안에서 운영할 수 있으며, 데이터 소재지 의무를 충족하도록 지역을 선택합니다.
3. 원본 시스템을 좁게 시작해 연결합니다. 시범 그룹이 필요로 하는 지식의 대부분을 담고 있는 소수의 시스템부터 커넥터를 켜고, 범위를 넓히기 전에 권한 상속이 예상대로 작동하는지 확인합니다.
4. 일부러 공격적으로 권한을 검증합니다. 직급과 역할이 다른 사용자들에게 볼 수 없어야 할 자료를 검색해 보게 하십시오. 이것이 가장 중요한 인수 시험이며, 운영에 올린 뒤 발견하는 것보다 시범 단계에서 수행하는 편이 훨씬 저렴합니다.
5. 민감 콘텐츠 정책을 켜고 무엇이 드러나는지 검토합니다. 기술적으로는 접근 가능했지만 사실상 보이지 않던 과다 공유 문서가 좋은 검색이 도입되는 순간 찾아지기 시작하므로, 스캔 결과를 분류하고 바로잡을 시간을 예산에 넣으십시오.
6. 한 부서에 어시스턴트를 먼저 배포하고, 검색 동작이 신뢰를 얻은 뒤 에이전트를 도입합니다. 에이전트는 읽기 전용이나 승인 게이트를 건 구성으로 시작하고, 사람이 개입하는 절차가 신뢰할 만하다고 확인된 뒤에만 쓰기 권한을 부여하십시오.

팁과 모범 사례

• 과다 공유 발견을 놀랄 일이 아니라 프로젝트의 한 단계로 다루십시오. 엔터프라이즈 검색을 배포하면 원본 시스템의 권한이 누구의 짐작보다도 느슨하다는 사실이 어김없이 드러납니다. Glean은 AI 환경에서 기업 데이터를 지키기에 권한만으로는 충분하지 않다고 분명히 말하며, 그래서 민감 데이터 보호와 과다 공유 문서 조치 워크플로가 내장되어 있습니다. 그 정리 작업을 배포 도중에 마주치지 말고 미리 계획하십시오.
• 커넥터는 시스템 개수가 아니라 지식 밀도로 범위를 정하십시오. 고유한 지식이 거의 없는 시스템 스무 개를 연결하면 잡음과 비용만 늘어납니다. 의사결정이 실제로 기록되는 세 개의 시스템을 연결하는 편이 가치의 대부분을 가져옵니다.
• 시범 단계에서 현실적인 질의로 지연 시간을 반드시 시험하십시오. 리뷰어들은 응답이 눈에 띄게 느릴 수 있다고 보고합니다. 답변 품질이 아무리 좋아도 사람들이 굼뜨다고 느끼는 검색 도구는 동료에게 그냥 물어보는 습관에 밀립니다.
• 규모를 키우기 전에 에이전트를 제약하십시오. 벤더 자신도 정책이 강력해도 에이전트는 비결정적이라고 인정하며, 모든 쓰기 동작을 실행 전에 사전 검사하는 정렬 모델과 프롬프트 주입, 악성 코드, 유해 콘텐츠에 대한 보호로 이에 대응합니다. 기본값이 적절하다고 가정하지 말고 이 통제 수단을 의식적으로 사용하십시오.
• 배포뿐 아니라 변화 관리에도 예산을 잡으십시오. 보고된 도입 수치는 교육과 사내 홍보에 투자한 조직에서 나온 것입니다. 기술적으로 성공했지만 아무도 쓰지 않는 배포는 아무것도 돌려주지 않습니다.
• 실제 사용량 곡선에 맞춰 가격을 모델링하십시오. 사용량 기반 과금은 도입이 늘수록 비용이 늘어난다는 뜻이고, 도입이 느는 것이야말로 여러분이 목표로 삼는 결과입니다. 시범 단계 물량이 아니라 성공한 경우를 기준으로 추정하십시오.
• 검색 계층 바깥에 권위 있는 원본을 유지하십시오. Glean은 이미 존재하는 것을 드러내고 순위를 매길 뿐, 서로 모순되거나 낡은 문서를 고쳐 주지는 않습니다. 기반 콘텐츠의 거버넌스는 여전히 여러분의 몫입니다.

Glean은 누구에게 맞나?

• 도구 환경이 파편화된 대기업: 핵심 고객층입니다. 수십 개의 SaaS를 운영하면서 무엇이 어디에 있는지 아무도 온전히 알지 못하는 조직입니다.
• 규제가 촘촘한 업종의 기업: PeerSpot에서 이 제품을 가장 활발히 조사하는 업종은 금융 서비스이며, 인증 구성 자체가 규제 환경을 염두에 두고 갖춰져 있습니다.
• 데이터 소재지 의무가 있는 조직: 특정 지역에 데이터를 두어야 해서 단일 테넌트나 자사 클라우드 배포가 필요한 팀입니다.
• IT와 사내 지원 조직: 문서로 답이 있는데도 아무도 찾지 못하는 질문이 티켓의 대부분을 차지하는 팀입니다.
• AI 전략을 제도화하는 기업: 2026년 5월 기준 회사는 연간 반복 매출 3억 달러 도달을 발표했고 이는 불과 15개월 전 1억 달러 이정표의 세 배이며, 고객으로 Databricks와 Reddit, Pinterest, 삼성이 언급됩니다.
• 자체 RAG 스택 구축을 검토한 팀: 커넥터와 권한 작업의 규모를 가늠해 보고 그것이 자사의 차별점이 아니라고 결론 내린 엔지니어링 조직입니다.
• 개인이나 소규모 팀에는 맞지 않음: 무료 등급도, 셀프서비스 진입점도, 개인용 요금제도 없습니다. 작은 조직이라면 범용 어시스턴트나 더 가벼운 지식 관리 도구를 보는 편이 낫습니다.

지원 플랫폼

• 웹 애플리케이션: 브라우저로 접속하는 기본 인터페이스입니다.
• 연결된 도구 안에서의 접점: 사용자가 별도 사이트를 방문하도록 요구하는 대신 일이 벌어지는 시스템 안으로 들어갑니다. 커넥터는 Slack과 Google Workspace, Microsoft 365, Atlassian 도구를 비롯해 폭넓게 걸쳐 있습니다.
• 단일 테넌트 클라우드 배포: 완전히 격리된 단일 테넌트 환경에서 운영되며, Glean이 호스팅하거나 자사의 AWS, Azure, GCP 계정 안에 둘 수 있고, 데이터 주권 요건을 위해 AMER과 EMEA, APAC 지역 배치를 지원합니다.
• MCP 기반 연결: 네이티브 커넥터와 나란히 Model Context Protocol 커넥터를 사용하므로, 데이터를 받아오는 쪽뿐 아니라 다른 AI 도구에 맥락을 공급하는 쪽으로도 작동할 수 있습니다.
• 컴플라이언스 인증: 홈페이지에 표시된 준수 항목은 ISO 42001과 HIPAA, TX-RAMP Level 2, SOC 2 Type II, ISO 27001, GDPR입니다.

요금제

Glean은 가격을 공개하지 않습니다. 가격 페이지도, 무료 등급도, 셀프서비스 가입도 없으며 제품에 이르는 유일한 경로는 영업 조직이 처리하는 데모 요청입니다. 이 규모로 판매되는 기업용 소프트웨어에서는 일반적인 방식이지만, 상업적으로 접촉하지 않고는 비용을 가늠할 수 없고 병행 조달 절차를 돌리지 않는 한 경쟁 제품과 직접 비교하기도 어렵다는 뜻이기도 합니다.

구조에 관해 알려진 내용은 웹사이트가 아니라 CEO에게서 나왔습니다. Jain은 TechCrunch에 두 가지 구조를 설명했습니다. 고객이 사용한 만큼 지불하는 소비 기반 모델과, 활성 사용자에 대한 고정 월 요금에 모델 소비에 따른 사용료를 별도로 더하는 혼합 모델입니다. 실무적 함의는 도입이 늘수록 비용이 늘어난다는 것이므로, 재무 모델은 시범 단계 물량이 아니라 예상되는 정상 사용량을 기준으로 세워야 합니다. 제3자 요약에서 발견되는 좌석당 구체적 금액은 검증되지 않은 것으로 취급하십시오.

대안 도구

• Microsoft 365 Copilot: 이미 Microsoft로 표준화한 조직에는 가장 직접적인 위협입니다. Microsoft Graph 데이터에 대한 네이티브 접근과 묶음 계약 조건이 강점이지만 Microsoft 외 시스템에서는 약합니다.
• Google Gemini for Workspace: Google 중심 조직에 같은 논리가 적용됩니다. Workspace 안에서는 강하고 밖에서는 그만큼 약합니다.
• Amazon Q Business: AWS의 기업용 어시스턴트로, 데이터 자산이 이미 AWS에 있고 조달이 기존 클라우드 약정을 통해 이뤄질 때 매력적입니다.
• ChatGPT Enterprise와 Claude for Enterprise: 모델을 앞세운 제품으로 커넥터와 검색 기능을 덧붙여 왔습니다. 순수 추론에서는 대체로 강하고, 이질적인 시스템 전반에 걸친 권한 인식 색인의 깊이에서는 약한 편입니다.
• Elastic Search와 전통적 검색 플랫폼: PeerSpot 자료에 따르면 Search as a Service 범주에서 Glean의 마인드셰어는 4.7퍼센트로 1년 전 2.3퍼센트에서 올랐지만 Elastic Search의 16.2퍼센트와 Amazon OpenSearch Service의 12.3퍼센트에는 여전히 크게 못 미칩니다. 이들은 커넥터와 권한, AI 계층을 직접 만드는 대가로 더 큰 통제권과 낮은 라이선스 비용을 줍니다.
• 벡터 데이터베이스 위에 사내 구축: 시스템 수가 적고 엔지니어링 역량이 강한 조직에는 실행 가능한 선택이지만, 커넥터 유지보수와 권한 동기화의 부담은 으레 과소평가됩니다.

제한 사항 및 유의점

공개된 매출 수치는 조심해서 읽어야 합니다. TechCrunch는 이 3억 달러가 전통적 의미의 ARR로 온전히 설명될 수 없다고 지적했습니다. 소비 기반 모델은 정의상 엄격하게 반복되는 구성 요소를 갖지 않기 때문에, 그 일부는 연간 반복 매출이라기보다 연환산 매출 실행률이라고 부르는 편이 정확합니다. 이는 사업이 부실해서가 아니라 성장 헤드라인 수치와 계약된 반복 매출이 같은 것이 아니기 때문에 벤더 안정성을 따질 때 짚어 둘 대목입니다.

커넥터 설정과 맞춤 개발에는 마찰이 있습니다. PeerSpot에 리뷰를 남긴 금융 서비스 회사의 애널리스트는 세 가지 구체적 불만을 제기했습니다. 커넥터를 켜는 일이 기본으로 제공되지 않고 여러 차례 오가는 소통을 요구했다는 점, 맞춤 액션에서 맞춤 엔드포인트로 가는 요청을 추적할 개발자 로그가 없다는 점, 질의 지연이 눈에 띄게 컸다는 점입니다. 같은 리뷰어는 이를 속도와 정확성 사이의 맞바꿈으로 규정하면서 응답 자체는 대체로 매우 정확했다고 덧붙였습니다.

에이전트 워크플로 통제는 아직 무르익는 중입니다. 되풀이되는 지적은 워크플로 에이전트가 모든 노드에서 AI를 적용하는데 노드별로 끄는 스위치가 없어 때때로 출력을 망친다는 것이며, 더 많은 모델 선택지와 과도한 검색 대신 더 나은 라우팅 품질을 원한다는 요청도 함께 나옵니다.

공개 리뷰 표본은 작습니다. PeerSpot에서 이 플랫폼은 12건의 리뷰에 걸쳐 5점 만점에 4.3점을 유지하며 리뷰어의 100퍼센트가 추천 의사를 밝혔습니다. 대기업이 표본의 다수를 차지하지만 표본 자체가 작아 통계적으로 단단하다기보다 방향을 가리키는 정도로 읽어야 합니다. 이 가격대의 기업용 소프트웨어는 소비자용 도구보다 공개 리뷰가 훨씬 적게 쌓이므로 별점보다 레퍼런스 콜이 더 중요합니다.

경쟁 구도는 근본적으로 달라졌습니다. Jain은 회사가 존재한 첫 4~5년 동안에는 경쟁자가 없었지만 이제는 Google과 Microsoft, OpenAI, Anthropic, Salesforce, Atlassian이 모두 비슷한 도구를 만들고 있다고 인정했습니다. 그중 몇몇은 여러분이 이미 보유한 계약 안에 이 기능을 묶어 넣을 수 있습니다.

배포 품질은 원본 시스템의 상태에 좌우됩니다. 검색 품질의 상한은 기반 콘텐츠와 권한의 상태가 정합니다. 과다 공유된 드라이브와 중복된 문서, 낡은 콘텐츠를 안고 있는 조직은 바로 그 문제들을 더 빨리 드러내게 됩니다.

공개된 개인정보 처리방침의 적용 범위도 유의할 점입니다. 마케팅 사이트의 방침은 제품 자체를 명시적으로 제외하므로, 기업 데이터를 규율하는 조건은 공개된 것이 아니라 계약에 담깁니다. 그런 질문은 웹사이트에서 추론하지 말고 조달 과정에서 법무와 보안 검토를 통해 확인하십시오.

자주 묻는 질문（FAQ）

Q1. Glean은 ChatGPT 같은 범용 AI 어시스턴트와 무엇이 다른가요?

범용 어시스턴트는 사내 시스템에 접근하지 못하고 누가 무엇을 볼 수 있는지에 대한 모델도 갖고 있지 않습니다. Glean은 연결된 시스템 전반에서 회사의 실제 콘텐츠를 색인하고 모든 질의에 원본 권한을 강제하므로, 답변이 공개 학습 데이터가 아니라 사내 지식에 근거합니다.

Q2. 기존 파일과 채널 권한을 존중하나요?

그렇습니다. 권한은 각 원본 시스템에서 상속되어 엄격히 적용되고, 권한 변경은 다음 색인 갱신이 아니라 즉시 결과에 반영됩니다. 그렇더라도 접근 수준이 다른 사용자들로 이 동작을 시험하는 일은 평가 과정에 포함해야 합니다.

Q3. 비용은 얼마인가요?

Glean은 가격을 공개하지 않습니다. 계약은 영업을 통해 협상되며 CEO는 소비 기반 과금과, 활성 사용자당 고정 요금에 모델 사용료를 더하는 혼합 방식을 함께 언급했습니다. 도입이 늘수록 비용이 늘어난다고 보시면 됩니다.

Q4. 얼마나 많은 시스템에 연결할 수 있나요?

기본 제공 커넥터가 275개를 넘습니다. 네이티브 연동과 MCP 기반 커넥터, 그리고 콘텐츠를 밀어 넣어야 하는 시스템을 위한 Push API 형태로 제공됩니다.

Q5. 자사 클라우드에 배포할 수 있나요?

가능합니다. 완전히 격리된 단일 테넌트 배포를 지원하며 Glean이 호스팅하거나 자사의 AWS, Azure, GCP 환경 안에 둘 수 있고 AMER과 EMEA, APAC에 지역 배치가 가능합니다.

Q6. 우리 데이터가 모델 학습에 쓰이나요?

Glean은 모델 공급업체와 무보존 계약을 맺어 고객 데이터가 저장되거나 모델 학습에 사용되지 않는다고 밝히며, RAG 구조가 애초에 모델에 노출되는 범위를 최소화한다고 설명합니다. 구체적 계약 조건은 조달 과정에서 확인하십시오.

Q7. 사내 문서가 과다 공유되어 있으면 어떻게 되나요?

좋은 검색은 그동안 보이지 않던 과다 공유를 드러냅니다. Glean은 자격 증명과 결제 데이터, 의료 정보를 아우르는 민감 콘텐츠 탐지 정책과 과다 공유 문서를 조사해 바로잡는 워크플로를 제공하지만, 기반이 되는 권한 위생 관리는 여전히 여러분의 책임입니다.

Q8. 에이전트가 데이터를 바꾸는 동작을 할 수 있나요?

할 수 있고, 그래서 가드레일이 중요합니다. 에이전트는 명시적인 동작 경계로 제약할 수 있고 실행 전 사람의 승인을 요구하도록 설정할 수 있으며 쓰기 동작을 사전 검사하는 정렬 모델의 적용을 받습니다. 자율적인 쓰기 권한을 주기 전에 승인 게이트를 건 구성으로 시작하십시오.

Q9. 무료 체험이나 소규모 팀용 요금제가 있나요?

없습니다. 무료 등급도 셀프서비스 진입점도 없으며 제품 자체가 대규모 조직을 전제로 설계되고 가격이 매겨져 있습니다. 규모가 작은 팀이라면 범용 어시스턴트나 더 가벼운 지식 관리 도구가 더 잘 맞습니다.