惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

D
Docker
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
C
Cisco Blogs
Scott Helme
Scott Helme
Know Your Adversary
Know Your Adversary
NISL@THU
NISL@THU
C
Cyber Attacks, Cyber Crime and Cyber Security
D
Darknet – Hacking Tools, Hacker News & Cyber Security
C
CXSECURITY Database RSS Feed - CXSecurity.com
S
Schneier on Security
I
Intezer
Spread Privacy
Spread Privacy
AWS News Blog
AWS News Blog
V
Vulnerabilities – Threatpost
Cloudbric
Cloudbric
V2EX - 技术
V2EX - 技术
Google Online Security Blog
Google Online Security Blog
L
Lohrmann on Cybersecurity
Recent Commits to openclaw:main
Recent Commits to openclaw:main
L
LINUX DO - 热门话题
S
Secure Thoughts
T
The Exploit Database - CXSecurity.com
博客园 - 【当耐特】
Recent Announcements
Recent Announcements
Security Archives - TechRepublic
Security Archives - TechRepublic
Stack Overflow Blog
Stack Overflow Blog
罗磊的独立博客
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
K
Kaspersky official blog
阮一峰的网络日志
阮一峰的网络日志
博客园_首页
Latest news
Latest news
B
Blog
F
Full Disclosure
大猫的无限游戏
大猫的无限游戏
博客园 - 叶小钗
L
LangChain Blog
GbyAI
GbyAI
Last Week in AI
Last Week in AI
S
Security Affairs
Apple Machine Learning Research
Apple Machine Learning Research
N
Netflix TechBlog - Medium
Security Latest
Security Latest
Vercel News
Vercel News
Y
Y Combinator Blog
G
GRAHAM CLULEY
S
Securelist
T
Troy Hunt's Blog
Hacker News - Newest:
Hacker News - Newest: "LLM"
雷峰网
雷峰网

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
2000万美元种子轮!这家6个月吸引5万用户的AI招聘公司要改变什么?
深思圈 · 2025-12-28 · via 人人都是产品经理

招聘行业正迎来前所未有的革命!伦敦创业公司 Jack & Jill 用两个对话式 AI agent 彻底颠覆传统招聘:求职者告别无尽简历海投,招聘方不再被海量申请淹没。2000 万美元种子轮融资与 5 万 + 用户验证,标志着 AI 招聘从概念走向现实 —— 从 "人找工作" 到 "工作找人" 的范式转变,正在重塑整个行业生态。

你有没有想过,招聘这件事可能被彻底颠覆?不是简单的优化,不是边边角角的改进,而是从根本上推翻现有模式。想象一下,求职者不再需要在 LinkedIn 上无休止地滚动刷新,不再需要海投简历却石沉大海,而是有一个真正为你工作的 AI agent,它了解你的职业目标、技能背景和理想工作环境,然后主动为你寻找最匹配的机会。而在招聘方,HR 也不再被成千上万份不相关的简历淹没,不再需要花费大量时间筛选那些根本不合适的候选人。这不是科幻故事,而是 Jack & Jill 正在实现的现实。

这家刚刚获得 2000 万美元种子轮融资的伦敦创业公司,用两个对话式 AI agent 彻底重新定义了招聘流程的两端。在仅仅六个月的时间里,他们已经吸引了近 5 万名求职者与 Jack 对话,并将 Jill 嵌入到数百家快速成长公司的招聘团队中。更让我感兴趣的是,这轮融资由欧洲顶级早期投资机构 Creandum 领投,Dig Ventures、Entrepreneur First、Ada Ventures、Firedrop、Repeat.vc、Episode1、Playfair 等知名风投参与,还包括超过 75 位重量级天使投资人,其中不乏来自 Lovable、Anthropic 和 ElevenLabs 等公司的行业领袖,甚至包括 F1 赛车手 Nico Rosberg。这样的投资阵容本身就说明了 AI agent 在招聘领域的巨大潜力。

我认为 Jack & Jill 代表的不仅仅是一个新的招聘工具,而是整个招聘行业范式的转变。从被动的信息匹配到主动的智能撮合,从冰冷的简历筛选到有温度的对话理解,从单向的申请流程到双向的精准对接。这种转变的意义,远远超出了提升效率这么简单。

招聘行业到底出了什么问题

在深入了解 Jack & Jill 之前,我想先谈谈为什么招聘行业迫切需要被重构。过去二十年里,自从 LinkedIn 和 Indeed 这样的求职平台出现后,招聘行业在本质上就没有发生过重大变革。我们仍然在使用同样的模式:求职者在平台上搜索职位、投递简历,招聘方发布职位描述、筛选简历。这种模式在互联网早期确实解决了信息不对称的问题,但随着时间推移,它的弊端越来越明显。

Jack & Jill 的联合创始人兼 CEO Matt Wilson 在采访中提到了一个让人震惊的数据:”如果你在 LinkedIn 上发布一个职位,可能在前六个小时内就会收到 1000 份申请。”听起来这似乎是好事,说明有很多人感兴趣。但现实是什么呢?”有些公司甚至根本不会审查这些申请者,因为信噪比实在太低了。”这就是当前招聘系统最核心的问题:信息过载导致的效率崩溃。

我自己也经历过这种痛苦。作为求职者,你花费大量时间定制简历、撰写求职信,然后投递出去,却往往得不到任何回音。你不知道是简历没被看到,还是被看到但不合适,或者这个职位根本就是假的。而作为招聘方,情况也好不到哪里去。你发布一个职位后会被海量申请淹没,其中绝大部分根本不符合要求。有些人可能只是看到了职位标题就点了申请,根本没有仔细阅读职位描述。更糟糕的是,现在还出现了大量使用 AI 批量申请的情况,进一步加剧了这种混乱。

传统的招聘中介试图解决这个问题,但他们面临着自己的局限性。一个优秀的猎头确实能提供高质量的匹配服务,但问题在于他们的时间和精力是有限的。一个猎头一年能处理多少个职位?能深入了解多少个候选人?这种人力约束意味着招聘中介的服务成本高昂,通常收费是候选人年薪的 15-20%,而且只能覆盖相对高端的职位。对于大量的中低端职位,这种模式根本无法规模化。

Wilson 和他的联合创始人 Saaras Mehan 在创建之前的公司时就深刻感受到了这种挫折感。Wilson 之前创立了 Omnipresent,一家人力资源技术公司,在三年内将公司估值做到了 6 亿美元。而 Mehan 则是 YC 支持的 Kular.ai 创始人,还曾是英格兰国际象棋队成员。两位经验丰富的创业者在招聘过程中反复遇到同样的问题:招聘系统效率低下且充满偏见。这种切身体会最终促使他们决定从第一性原理出发,重新思考招聘应该如何运作。

Jack & Jill 的创新解决方案

Jack & Jill 的核心理念非常简单却极具颠覆性:用两个完全独立的 AI agent 分别服务招聘流程的两端,让它们各自站在自己服务对象的立场上工作,然后通过它们之间的协作来实现高质量的匹配。这种设计看似简单,但背后蕴含着深刻的洞察。

Jack 是为求职者工作的 AI agent。他的工作方式是这样的:当你第一次接触 Jack 时,他会先读取你的 LinkedIn 资料和简历,对你有一个初步了解。然后,他会和你进行一次大约 20 分钟的语音对话。这不是那种机械的问答,而是一次真正的交流。Jack 会问你关于职业经历的问题,了解你的技能特长,探讨你的职业目标和理想工作环境。他甚至会询问那些在简历上看不到但对找工作很重要的细节,比如你更喜欢大公司还是小团队,你对远程工作的态度,你希望在职业发展中获得什么。

通过这次对话,Jack 建立起对你的深度理解。然后他就开始在后台为你工作。他会浏览所有公开发布的职位,寻找那些真正匹配你条件和期望的机会。注意,这里的关键词是”真正匹配”。Jack 不会简单地按照关键词搜索,而是基于对你的全面理解来判断一个职位是否适合你。他还可以帮你进行模拟面试,提供职业指导,甚至在你需要时充当你的职业教练。

Jill 则在另一端为招聘公司工作。她的运作方式与 Jack 类似但目标相反。Jill 会仔细阅读职位描述,然后与招聘经理或人才团队进行对话,深入理解这个职位真正需要什么样的人。这不仅仅是技能匹配那么简单,还包括团队文化、工作方式、发展机会等多个维度。基于这种理解,Jill 会从 Jack 接触过的近 5 万名候选人网络中寻找最合适的人选,然后主动向公司推荐。

我认为这种设计最聪明的地方在于利益一致性。传统的招聘中介存在一个根本性的利益冲突:中介首先为自己的佣金工作,其次考虑公司(因为公司付钱),最后才考虑候选人。这导致中介可能会推动一些并不完全合适的匹配,只是为了尽快完成交易赚取佣金。而 Jack & Jill 通过将 agent 分开的方式,让 Jack 完全站在求职者一边,Jill 完全站在公司一边。Jack 被明确指示为求职者的利益工作,他不会把你推向一个不合适的职位。而 Jill 同样只为公司服务,不会为了促成交易而推荐不合格的候选人。

这种设计在产品架构上也得到了体现。Jack 和 Jill 不是同一个系统的不同界面,而是真正独立的两个 agent,它们甚至可以相互交流。当 Jill 发现 Jack 网络中有一个非常适合某个职位的候选人时,她会通过邮件联系 Jack,Jack 再去和候选人沟通,看对方是否有兴趣。这种 agent 之间的协作创造出了一种全新的招聘动态,更像是两个专业的猎头在为各自的客户寻找最佳匹配。

Wilson 在采访中特别强调了对话界面的重要性。”与其他很多 AI 产品不同,Jack 和 Jill 真的更像是人而不是传统软件。”他说。”当你思考求职这件事时,你会发现很多对话其实是非常脆弱和私密的。你在谈论自己内心的感受、欲望和目标,你打开自己接受被拒绝的可能性。在这种情况下,有一个感觉像是有人格的伙伴陪伴你,即使我们不是假装 Jack 是人类,但这种拟人化确实很有帮助。”

从实际效果来看,这种方法确实有效。已经使用 Jill 的公司报告说,他们的招聘时间缩短了,候选人质量提高了,而招聘成本相比传统猎头降低了高达 50%。Jack & Jill 的收费模式是向成功入职的候选人基础年薪收取 10% 的佣金,这比传统猎头的 15-20% 要低得多。而对于求职者来说,Jack 的服务是完全免费的。

为什么现在是 AI Agent 改造招聘的最佳时机

我一直在思考一个问题:为什么 AI agent 驱动的招聘平台会在 2025 年爆发,而不是更早或更晚?这背后有几个关键因素的汇聚。

技术成熟度是第一个因素。大语言模型的能力在过去两年里发生了质的飞跃。早期的对话 AI 系统可能能够进行简单的问答,但无法真正理解对话中的细微差别和上下文。而现在的模型不仅能理解复杂的对话,还能捕捉到语气、意图和隐含信息。这对于招聘场景至关重要。当 Jack 和求职者聊天时,他需要理解的不仅仅是对方说了什么技能,还要理解对方的职业追求、工作偏好,甚至是那些没有明说但透露出来的考虑因素。没有足够强大的语言理解能力,这一切都无法实现。

市场时机也恰到好处。招聘市场在疫情后经历了剧烈动荡。远程工作的普及、大辞职潮、科技行业的裁员潮,这些变化让传统招聘模式的弊端暴露得更加明显。求职者发现自己需要在更广泛的地理范围内寻找机会,而公司也意识到他们可以从全球招聘人才。但现有的招聘工具并没有很好地适应这种变化。LinkedIn 仍然在很大程度上是一个地理导向的平台,传统猎头的网络通常也局限在特定区域。而 AI agent 天然适合处理这种跨地域的规模化匹配。

用户接受度的变化同样重要。几年前,如果你告诉人们他们需要和一个 AI 进行 20 分钟的求职面谈,很多人可能会觉得这很奇怪或者不舒服。但现在,人们已经习惯了和 ChatGPT、Claude 这样的 AI 助手对话。这种心理门槛的降低为 Jack & Jill 这样的产品创造了空间。Wilson 在采访中提到,他们很注重 Jack 和 Jill 的”人格”设计,投入大量心思在对话设计和个性塑造上。他们希望用户感觉自己在和一个真正关心自己职业发展的伙伴交流,而不是在填写一个冰冷的表格。

商业模式的可行性也是关键。在 AI agent 出现之前,想要提供类似猎头的个性化服务,必然需要大量人力投入,这就导致了高昂的成本。而 AI agent 改变了这个等式。Jack 可以同时和数千人对话,Jill 可以同时为数百家公司服务,而边际成本几乎为零。这让 Jack & Jill 能够以远低于传统猎头的价格提供高质量服务,同时仍然保持健康的利润率。据 Wilson 介绍,Jack 和 Jill 现在每天可以进行数千次对话,这种规模是任何传统招聘机构都无法企及的。

投资环境也在推动这个趋势。根据 Dealroom 的数据,仅 2025 年上半年,全球 AI agent 创业公司就获得了 28 亿美元投资。投资者已经意识到 AI agent 不是炒作,而是真正能够重构各个行业的技术。招聘只是其中一个应用场景,但它是一个特别适合 AI agent 发挥作用的领域,因为它本质上就是一个信息匹配和关系建立的过程。

从伦敦到旧金山:全球化的独特价值

Jack & Jill 的扩张策略也很有意思。他们没有选择先在一个市场做深做透,而是计划在还很早期的阶段就同时在欧洲和美国展开业务。这个决定背后有深思熟虑的逻辑。

Wilson 解释说,招聘本质上是一个全球化的活动。”人们经常会为了职业发展而跨地域迁移,如果能更容易地发现其他地方的机会,这种情况会更加普遍。”他说。”同样,公司也愿意从海外招聘人才,前提是他们能够更容易地发现这些人才。但实际上,我们今天找工作和找员工的方式都是相当地域局限的。”

这个洞察非常深刻。LinkedIn 虽然是全球平台,但实际使用中,人们主要还是在自己所在地区搜索职位,公司也主要招聘本地候选人。这不是因为他们不想跨地域招聘,而是因为现有工具让跨地域招聘变得很困难。你如何判断一个位于另一个城市甚至另一个国家的候选人是否真的适合你的职位?传统猎头可以做到,但成本高昂。

而 Jack & Jill 的 AI agent 模式天然适合解决这个问题。Jack 了解全球各地的候选人,Jill 服务全球各地的公司,他们之间的匹配不受地理限制。Wilson 提到他们已经看到了这种价值:”我们已经有一些客户在国外注册,但他们实际上提供签证担保。我们有几家海湾地区的公司在这样做,也有一些美国公司在这样做,他们希望从世界各地引进最优秀的人才,为他们提供签证并将他们带到当地。我们能够为他们提供一个非常多元化的人才库,这是他们通过其他渠道无法获得的。”

这也解释了为什么 Jack & Jill 要在如此早期的阶段就筹集 2000 万美元这么大一笔种子轮融资。Wilson 坦率地说:”我们实际上是在一个公司里同时构建两个业务。Jack 是一个 B2C 产品,我们有 B2C 的市场策略。Jill 是一个 B2B 产品,我们有 B2B 的市场策略。为了实现我们的愿景,我们需要把两者都打造成世界领先的产品,并快速扩展它们。所以我们真的是在同时构建两个业务。”

除了双边市场的复杂性,他们还要在多个地理市场同时运营。”我们在欧洲和美国都在推进,我认为在今天这个时代,你必须并行推进,不能按顺序来。”Wilson 说。”这显然需要在两个市场都进行投资。”

人才密度是另一个需要大笔资金的原因。Wilson 说他非常相信人才密度的重要性,尤其是在 AI 时代。”我认为人才密度一直很重要,但在今天比几年前重要 10 倍。”他说。”使用 AI 时人们的杠杆率有多高,这就对人才密度提出了巨大的溢价要求。我们主要在伦敦组建团队,我们的目标是打造欧洲人才密度最高的团队。当我们找到优秀人才时,我们会支付非常慷慨的薪酬,高于当地市场的顶端水平,这显然需要前期投资。”

这种对人才的重视在 Jack & Jill 的团队构成上也能看出来。虽然公司目前只有 12 名员工,但他们的首席 AI 官 Anirudh Badam 来自微软西雅图总部,拥有超过十年的 AI/ML 专业经验。创始 AI 工程师 Vijay Sagar 则在谷歌硅谷办公室工作了十年,开发机器学习模型。这种小而精的团队配置,正是 Wilson 所说的人才密度的体现。

六个月达到 5 万用户的增长秘诀

Jack & Jill 的增长速度令人印象深刻。在仅仅六个月内,他们就吸引了近 5 万名求职者使用 Jack 的服务,并将 Jill 部署到数百家快速成长的公司中,包括 Airtable、Airwallex 和 TrueLayer 这样的知名科技公司。这种增长速度在企业级服务中是很少见的。

我很好奇他们是如何做到的,Wilson 的回答既实在又耐人寻味:”绝大多数增长来自口碑传播。”他说。”我认为这既是一项了不起的技术,也对人们非常有用,正在真正改变人们的生活。我们都认识一些对现在工作不满意的人,或者正在考虑换工作的人,或者觉得自己可以在其他地方做得更好的人。但找到下一个机会是一个非常艰难的过程。所以拥有一个工具,既有趣又符合 2025 年的潮流,同时又是一种远远优于传统方式、10 倍更好的优化人生重要部分的方法,这自然会带来大量口碑传播。”

这段话里有几个关键点。产品本身的独特性和实用性是驱动口碑的核心。人们愿意分享 Jack & Jill 不仅因为它是新奇的 AI 产品,更因为它真的解决了他们的问题。求职是一个普遍的痛点,几乎每个人都经历过或正在经历。当你发现一个真正能帮你找到好工作的工具时,你自然会告诉朋友。

Wilson 也提到他们在口碑之外补充了付费和自然流量的社交媒体营销。但他强调:”你总是希望口碑成为业务的核心驱动力。拥有一个真正差异化的、比市场上现有产品好 10 倍的产品,能让人们谈论它,这是你能拥有的最好的业务驱动力,你应该不断努力提升产品、提升给客户提供的价值。”

这种对产品质量的执着在 Wilson 的创业理念中一以贯之。他在采访中提到,这是他的第三家创业公司,前两次创业的经验让他深刻认识到一些关键因素的重要性。”如果你要打造一家全球市场领先的、定义品类的企业,你必须把人才密度做对。你必须把招聘做对。你必须把这种无情的速度和执行质量做对,并从一开始就做对。我认为公司的前 10 个员工、产品市场契合后的前 12 个月,这些会设定动量,让飞轮转起来,最终决定了 10 年后这家公司是什么样子。”

在前 6 个月里,Jack & Jill 显然把这些事情做对了。他们不仅快速增长,而且保持了产品质量。从客户反馈来看,使用 Jill 的公司报告了更快的招聘时间、更高的候选人质量,以及相比传统猎头高达 50% 的成本节省。这些数字不是空谈,而是实实在在的业务价值。

AI Agent 对招聘行业的深远影响

站在更宏观的角度看,我认为 Jack & Jill 代表的不仅仅是一个成功的创业公司,而是整个招聘行业即将发生的深刻变革。这种变革会产生多层次的影响。

对求职者来说,AI agent 将从根本上改变找工作的体验。传统求职是一个充满焦虑和不确定性的过程。你投出去的简历像石沉大海,你不知道自己是否在正确的方向上努力,你面对的是一个个冰冷的申请表格和毫无人情味的拒绝邮件。而 Jack 提供的是一种截然不同的体验:有一个真正为你工作的伙伴,他了解你的情况,知道你的目标,会主动为你寻找机会,在你需要时给你指导和支持。这不仅提高了找工作的效率,也让整个过程变得不那么孤独和令人沮丧。

对公司来说,AI agent 解决了招聘中最耗时耗力的部分:筛选和初步接触。传统招聘中,HR 需要从成百上千份简历中筛选出合适的候选人,这不仅耗时,而且容易出错。人类招聘者会疲劳,会有偏见,会因为时间压力而做出匆忙的决定。Jill 则可以不知疲倦地工作,以一致的标准评估每一个候选人,并且只向招聘团队推荐真正匹配的人选。这让 HR 可以把时间和精力集中在更有价值的工作上,比如深入面试、文化契合度评估和候选人体验优化。

对整个招聘行业来说,AI agent 的出现可能会重新定义价值链。传统招聘中介的价值主要来自他们的人脉网络和筛选能力。但当 AI agent 可以构建更大规模的网络并提供同样甚至更好的筛选质量时,传统中介的生存空间会受到挤压。当然,这不意味着人类招聘者会完全消失。Wilson 也承认:”AI 会对很多角色造成很大的破坏性影响。”但他同时指出,人类在招聘中仍然有重要价值,比如”高质量的对话”和战略思考。AI 可以处理那些”价值增值不是特别高”的工作,比如在 LinkedIn 上滚动浏览和审查简历。

我还注意到一个有趣的趋势:AI 让小团队能完成大团队的工作。Jack & Jill 目前只有 12 名员工,却服务着近 5 万名求职者和数百家公司。Wilson 提到他们在各个方面都在使用 AI,包括编码、AI 生成的营销视频,以及审查用户交互等。”这让我们能够用更少的人完成更多的工作。”这种效率提升不仅改变了 Jack & Jill 自身的运营方式,也预示着整个行业的未来走向。

我对这个领域的思考和展望

在研究 Jack & Jill 的过程中,我产生了一些更深层次的思考。AI agent 在招聘领域的应用,其实揭示了一个更广泛的趋势:AI 正在重新定义服务行业的边界。

过去,个性化服务总是意味着高成本。如果你想要一个真正了解你、为你量身定制方案的服务,你通常需要支付高昂的费用,无论是私人理财顾问、职业规划师,还是猎头。这种高成本限制了这些服务的可及性,只有少数人能够享受到真正个性化的专业服务。

但 AI agent 正在打破这个限制。Jack 可以免费为每个求职者提供类似高端猎头的个性化服务。他会花时间了解你,会主动为你寻找机会,会在过程中给你指导。这种服务质量在以前只有支付高额费用的高管才能享受到,现在变得普及化了。我认为这是 AI 技术最有意义的应用方向之一:让高质量的个性化服务民主化。

当然,AI agent 驱动的招聘也面临一些挑战。隐私和数据安全是首要问题。Jack 和 Jill 需要收集和处理大量个人信息和公司机密信息,如何确保这些数据的安全和合规使用是一个持续的挑战。偏见问题同样值得关注。虽然 Wilson 和 Mehan 创立 Jack & Jill 的初衷之一就是解决招聘中的偏见问题,但 AI 系统本身也可能带来新的偏见。如果训练数据中存在偏见,AI agent 可能会无意中延续甚至放大这些偏见。这需要持续的监控和调整。

信任建立也是一个关键挑战。虽然人们已经习惯了和 AI 聊天,但把职业发展这样重要的事情托付给一个 AI agent,仍然需要建立信任。Jack & Jill 通过给 agent 赋予人格、设计有温度的对话体验来应对这个挑战。但长期来看,信任最终还是要靠结果来建立。只有当 Jack 真的帮助人们找到了好工作,当 Jill 真的帮助公司招到了合适的人,这种信任才能巩固。

从更长远的角度看,我认为 Jack & Jill 的模式可能会扩展到招聘之外。Wilson 在采访中提到,Jack 的角色不仅仅是帮你找工作,而是”帮助人们优化他们的职业生涯”。这是一个更宏大的愿景。Jack 可以成为你的长期职业伙伴,不仅在你找工作时提供帮助,也在你职业发展的各个阶段提供指导。他可以帮你规划职业路径,提供学习建议,甚至在薪资谈判时充当你的代表。Wilson 已经提到他们正在开发让 Jack 与第三方招聘者对接的功能,让他可以代表你处理 LinkedIn 上的招聘者联系。

这让我想起了科幻作品中经常出现的”个人 AI 助手”概念。但与科幻不同,这不是一个无所不能的通用助手,而是在特定领域深度专精的专业助手。Jack 专注于职业发展,他在这个领域的知识和能力远超任何通用 AI。我相信未来我们每个人可能都会有多个这样的专业 AI agent,分别在财务、健康、教育等领域为我们工作。

对于招聘行业本身,我预计未来几年会出现明显的分化。那些能够拥抱 AI、重新定义自己价值主张的招聘机构会继续繁荣。他们可能会转型成为更加战略性的人才顾问,专注于那些需要深度人际互动和复杂判断的高端招聘。而那些仍然依赖传统模式、把主要精力放在简历筛选和初步接触上的机构,则会面临越来越大的压力。

Jack & Jill 的成功也会吸引更多竞争者进入这个领域。2000 万美元的种子轮融资和 Creandum 这样顶级投资机构的背书,会让更多创业者和投资者关注 AI agent 在招聘领域的应用。我们可能会看到针对不同细分市场的 AI 招聘 agent 出现,比如专注于技术人才的、专注于创意人才的,或者专注于特定行业的。这种竞争最终会让整个行业受益,推动技术进步和服务质量提升。

Creandum 的合伙人 Peter Specht 在评论这笔投资时说:”Jack & Jill 是我们见过的利用 AI agent 的最令人兴奋的企业之一。他们在如此早期阶段获得的显著市场牵引力证明了市场需求。我们毫不怀疑 Matthew、Saaras 和团队正在引领这个行业的革命,我们迫不及待想看到美国市场的反应。”这番话既是对 Jack & Jill 的认可,也反映出整个投资界对 AI agent 在垂直领域应用的看好。‍

本文由人人都是产品经理作者【深思圈】,微信公众号:【深思圈】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。