当一家公司收到的求职申请在一年内翻了三倍,招聘团队却没有同步扩张时,筛选效率的崩溃几乎是必然的。AI 让投递简历的成本趋近于零,也让招聘方的收件箱变成了一场数字洪水。一个更隐蔽的后果是:简历正在失去信号价值。当 47% 的劳动者用 AI 准备申请材料,标准化措辞抹平了个体差异,招聘人员面对的不再是候选人,而是一堆难以区分的文本。获得面试的平均概率从约 15% 跌至 2%,这个数字背后是招聘方与求职者同时陷入的困境——一方被海量申请淹没,另一方被算法筛选挡在门外。

2026 年 11 月 20 日,前身为 hackajob 的 AI 招聘平台 Archer 宣布完成 1000万美元新一轮融资,由 Volition Capital 领投,现有投资方 AVP 参投。这笔资金将用于扩大纽约和伦敦的市场推广团队,并支持其 AI 招聘平台的进一步开发。Archer 试图回答的问题是:当申请量激增与简历标准化同时发生,招聘筛选能否被重新设计,而不是被更快的自动化进一步恶化。

Archer 的前身 hackajob 是一个反向招聘市场,由 Mark Chaffey 和 Razvan Creanga 在伦敦国王学院创立。在那个模式下,公司向软件工程师提交申请,而非求职者向公司投递简历。平台增长至 100 万用户后,公司于 2025 年开始开发 Archer,转向一个同时服务招聘方和求职者的双边 AI 匹配平台。据 tech.eu 报道,Archer 与客户 Sainsbury’s 合作开发,于 9 月公开发布。

字段 内容
公司 Archer(前身为 hackajob)
轮次 未披露
金额 1000万美元
投资方 Volition Capital(领投)、AVP(参投)
总部 未披露
创始人 Mark Chaffey、Razvan Creanga
官网 https://hackajob.com/

双边匹配试图同时解决两个被单边工具放大的问题

Archer 的产品逻辑与大多数招聘工具的分野在于,它不把效率问题定义为“更快地筛选更多简历”,而是定义为“在双方进入筛选环节之前,先确认匹配是否值得发生”。据公司通稿披露,平台为招聘方自动化候选人寻源、资格筛选和引荐,同时为求职者推荐相关职位并解释匹配原因。求职者设定自己期望的工作内容、薪酬、地点和到岗办公天数等条件,系统据此返回一份附带匹配说明的职位清单;招聘方则列出职位要求,在申请人跟踪系统中接收符合条件的候选人,以及简历之外的情境信息。

这种设计的实质是把传统的“投递—筛选”流程前置为“匹配—确认—引荐”。公司通稿称,Archer 在引荐之前会确认候选人的求职意愿、所在地和薪酬要求,避免招聘方在无效沟通上消耗时间。对于求职者端,系统解释为什么某个职位可能适合他们,这在一定程度上回应了 AI 海投时代求职者“投了没有回音”的体验问题。

从产品机制上看,Archer 的差异化不在于 AI 技术本身,而在于它把 AI 的自动化能力同时作用于市场两端。单边工具——无论是帮求职者批量投递的 AI 代理,还是帮招聘方批量筛选的 AI 过滤器——都在加速各自的动作,却让另一端的噪声同步放大。Archer 的假设是,只有双边同时被纳入匹配逻辑,才能降低整体系统的无效流量。这个假设能否成立,取决于平台能否在两端都积累足够的密度和信任。

寻源网络覆盖 2500 万份档案,但真实壁垒在身份验证层

据 tech.eu 报道,Archer 的候选人寻源结合了三个渠道:自有网络中的 150 万求职者、定向招聘广告,以及通过邮件、WhatsApp 和 iMessage 的直接触达。其寻源能力还利用美国、英国和印度的 2500 万份专业档案。公司通稿进一步披露,自有网络中的 150 万候选人经过审查并核实身份,更广泛的人才搜寻库覆盖美国和英国的 2500 万名专业人士。

这里存在一个需要区分的关键点:150 万与 2500 万是两个不同层级的数字。前者是经过身份验证、可被直接引荐的自有网络;后者是用于寻源的更广泛专业档案池,其验证程度和活跃度未在来源中披露。将两者混为一谈会高估平台的可交易供给。公司通稿的表述保持了这一区分,但在传播中容易被压缩为“Archer 拥有 2500 万候选人”。

更值得关注的是 Archer Approves 这一身份验证机制。公司通稿称,该机制检查每个人是否只有一个档案、审查行为信号和政府签发的身份证件,已拦截超过 30,000 名虚假候选人。在 AI 生成申请和虚假候选人泛滥的背景下,这一层过滤的实际价值可能高于匹配算法本身。一个招聘平台的核心资产不是它能触达多少人,而是它能在多大程度上保证触达的人是真实的、有意愿的、且符合基本资格。如果身份验证层失效,后续的匹配效率都是空中楼阁。但需要指出的是,30,000 这个拦截数字是公司单方声明,其统计口径——例如覆盖的时间段、拦截的定义、误拦截率——均未披露,尚无独立第三方验证。

按职位收费的定价结构把利益从“成交”转向“匹配质量”

Archer 的商业模式与人力中介机构形成直接对照。公司通稿称,Archer 按职位收费而非按录用人数收费,因此单个职位产生的录用越多,单次招聘成本越低。公司通稿还披露,客户单次招聘成本比通过人力中介机构招聘低 67%。

这个定价结构的意义在于改变了平台的经济激励。按录用人数收费的模式下,平台有动力推动尽可能多的录用,哪怕匹配质量并非最优;按职位收费的模式下,平台收入在职位发布时即已确定,边际成本随录用人数增加而摊薄,激励方向转向“让每个职位产生更多有效录用”。对于招聘方而言,这意味着平台与客户在“提高匹配质量”上利益一致,而非在“促成交易”上利益一致。

但这一模式的成立有一个前提:客户愿意为职位付费,而不是为结果付费。在招聘预算普遍收紧的环境下,按职位收费意味着客户承担了“职位发布了但没有合适候选人”的风险。Archer 的回应逻辑是,如果平台的前置筛选足够有效,职位发布后的匹配效率会显著高于传统渠道,从而降低客户的整体招聘成本。这个逻辑在纸面上成立,但需要客户在实际使用中验证。67% 的成本降幅是公司通稿的单方声明,其对比基准——人力中介机构的费用结构、职位类型、地区差异——均未披露,因此这一数字的可比性尚待独立验证。

增长指标亮眼,但统计口径与验证边界需要划清

公司通稿披露了一组增长数据:过去 12 个月超过 70 万名求职者注册 Archer,超过 hackajob 前五年累计注册人数;每周促成 10,000 次人才引荐,其中约一半涉及客户此前从未接触过的人选;经引荐的候选人获得面试的可能性比各客户自身基准高五倍;年度经常性收入在过去 12 个月增长至原来的五倍;约 120 家企业客户,包括 Google、Sierra 和 Barclays 的招聘团队。

这组数据的信号意义在于,Archer 在从 hackajob 转型后的第一年内实现了显著的规模跃升。70 万新增注册用户超过前五年累计,说明 AI 招聘工具在求职者端存在真实的需求拉力。每周 10,000 次引荐中约一半触达客户此前未见过的候选人,这个指标试图证明平台不是在重复客户已有的候选人池,而是在扩展可触达的人才边界。

但必须明确这些指标的性质:它们全部来自公司通稿,属于单方声明,未经独立第三方验证。具体而言,ARR 五倍增长的基数未披露,无法判断是从一个很小的基数起步还是从已有规模上的实质增长;面试转化率高五倍的“客户基准”如何计算、覆盖哪些客户、统计周期多长,均未披露;120 家客户中 Google、Sierra 和 Barclays 的使用深度——是全面部署还是试点——也未说明。这些边界不意味着相关能力或记录不存在,而是意味着在当前来源材料下,无法对这些指标进行独立核证。

从已披露的 70 万新增注册与 150 万自有网络规模看,Archer 的求职者端增长确实快于其历史积累,这意味着平台在需求侧已经形成了某种自增长动力。但供给侧——即愿意为职位付费的企业客户——只有约 120 家,相对于 150 万求职者,供需密度存在明显的不对称。平台能否将求职者端的规模转化为企业端的付费意愿,是这笔融资之后最核心的验证问题。

从技术招聘向企业销售与金融前台扩张,品类边界面临考验

hackajob 在科技招聘领域深耕了十年,Archer 的转型不仅是产品形态的变化,也是品类边界的扩展。据 Unite.AI 报道,Archer 目前支持企业销售和金融前台岗位的招聘,也涵盖与数据中心建设相关的职位。这意味着平台正在从软件工程师这一相对标准化的技能市场,进入技能定义更模糊、匹配变量更多的岗位类别。

科技招聘之所以适合算法匹配,是因为技能相对可量化:编程语言、框架、项目经验都有明确的信号。企业销售和金融前台岗位的匹配变量则复杂得多:客户关系、行业人脉、交易风格、合规背景等软性因素难以从简历或在线信号中提取。Archer 声称其系统依据工作资格、薪酬、地点、到岗办公天数等条件筛选,再根据职位说明为候选人评分。这套逻辑在硬性条件筛选中有效,但在软性匹配上是否同样有效,来源材料未提供证据。

从已披露的客户名单看,Google 和 Barclays 分别代表科技与金融服务两个领域,Sierra 则是 AI 客服领域的初创公司。这些客户的共同点是招聘规模大、筛选压力高,对自动化筛选有迫切需求。但它们的招聘需求也高度分化,Archer 能否在同一套匹配逻辑下服务好不同品类的岗位,而不是为每个品类做大量定制化调整,将决定其规模化的效率。

投资方押注招聘支出从服务向软件迁移,但迁移速度并不确定

Volition Capital 管理合伙人 Sean Cantwell 指出,招聘支出从服务向软件转移是 Archer 的机会,并提到该公司在企业及金融服务客户中的增长。这一判断的逻辑基础是:人力中介机构收取的按录用付费费用远高于软件订阅费用,如果软件能够提供接近中介机构的匹配质量,企业有动力将预算从服务转向软件。

这个逻辑在招聘行业并不新鲜。过去十年,ATS(申请人跟踪系统)、CRM 类招聘软件和 LinkedIn 等平台都在试图切走中介机构的预算,但人力中介机构在全球招聘市场中仍占据可观份额。原因在于,中介机构提供的不仅是匹配,还包括主动寻源、候选人沟通、薪酬谈判和入职协调等人工服务。软件可以替代其中的信息匹配环节,但难以完全替代需要人际信任和判断力的环节。

Archer 的定位介于两者之间:它提供自动化的寻源和筛选,但将最终的招聘决策权留给招聘人员。公司通稿强调,候选人通过现有的申请人跟踪系统申请流程提交申请,并标记为来自 Archer,招聘人员在筛选阶段接手并作出所有招聘决定。这种“人机协作”的定位试图规避“算法做招聘决定”的伦理和合规风险,但也意味着平台的价值上限受制于招聘人员自身的判断效率。如果招聘人员仍然是瓶颈,软件能释放的效率增量就有限。

资金用途指向供需两端,但产品路线图的时间差带来执行风险

据 Unite.AI 报道,Archer 计划将资金投入市场的供需两端:面向求职者的智能代理计划于 1 月推出,面向招聘团队的 Archer OS 计划于 2027 年第一季度正式发布。公司还计划在 Slack、Teams 以及招聘人员已在使用的 AI 工具中运行,将人才寻访和筛选能力扩展至现有工作流程。

这个产品路线图揭示了一个时间差:求职者端的智能代理将在融资后约两个月内推出,而招聘团队端的 Archer OS 要等到 2027 年第一季度。这意味着在未来一年多的窗口期内,平台将先增强求职者端的能力,而招聘端的产品升级相对滞后。对于一个双边市场而言,单边能力先行可能导致供需失衡加剧:更多求职者进入平台,但招聘端的处理能力没有同步升级,匹配效率反而可能下降。

公司通稿称过去 12 个月已有 70 万求职者注册,而企业客户约 120 家。如果求职者端继续高速增长而企业端扩张跟不上,平台的匹配压力会进一步加大。Archer 的资金用途中包含了扩大纽约和伦敦的市场推广团队,这显然是针对供给侧的动作,但市场推广团队的见效周期通常长于产品功能的发布周期。在 Archer OS 正式发布之前,平台能否用现有产品承接住求职者端的增长,是一个需要观察的执行问题。

在 Slack 和 Teams 中运行的规划则指向一个更务实的策略:招聘人员已经在这些工具中工作,Archer 不需要把用户拉到一个新平台,而是嵌入现有工作流。这降低了采用门槛,但也意味着 Archer 需要与这些平台上的其他招聘工具竞争注意力。来源材料未披露 Archer 在这些渠道中的具体集成方式或合作状态,因此这一计划仍处于方向性描述阶段。

从已披露的信息看,Archer 面临的核心待验证假设有三个:第一,双边匹配能否在技术招聘之外的品类中保持匹配质量;第二,按职位收费的定价模式能否在客户中形成足够的续费动力;第三,求职者端的规模增长能否在 Archer OS 发布前转化为企业端的付费增长。这三个假设的验证结果,将决定这笔 1000万美元融资是加速器还是缓冲垫。

RecodeX 极客视:Archer 的融资故事真正值得关注的不是 AI 招聘这个已经被反复讲述的叙事,而是一个结构性问题的解法尝试:当 AI 让申请量翻三倍、简历信号趋近于零时,筛选效率的瓶颈已经从“处理速度”转移到“匹配质量”。Archer 用双边匹配和身份验证来回应这个问题,方向上比单边自动化更接近问题的根源。但它的验证路径并不轻松——120 家企业客户对 150 万求职者的供需不对称、技术招聘向金融前台和销售岗位的品类跨越、以及求职者端产品先行而招聘端 OS 滞后一年的路线图,都是比融资数字更值得跟踪的信号。这笔钱能买到时间,但买不到产品市场匹配的证据。

信息来源

本文在采集与核验阶段引用了以下公开来源,按站点去重列出;来源内容归原发布方所有,其口径不代表 RecodeX 的核实结论。