最近，专注于人工智能招聘业务的一家初创企业Ethos宣布成功筹集了A轮融资，金额为2275万美元（约等于人民币1.55亿元），该融资由a16z领投，并且得到了General Catalyst、XTX Markets、Evantic Capital和Common Magic的共同投资。
许多公司在寻找专家建议或招聘员工时都会遇到类似的困难：尽管在LinkedIn或GLG平台上输入了复杂的搜索要求，却往往只能获得与职位标题匹配但实际不符合需求的人选名单。此外，求职者也可能面临简历信息不准确的问题，导致错失理想的工作机会。
传统的专家网络服务提供商如GLG、Third Bridge和AlphaSights，在过去的二十年里一直在使用相同的底层技术：即让专家提交个人资料，并根据职位名称进行匹配搜索。客户在这种粗糙的匹配机制下只能大海捞针般地寻找合适的专家。
Ethos正在改变这一现状，它利用AI语音智能体来进行面试过程，通过一系列有针对性的问题追问来获取超出传统简历范围的信息，如亚专业领域、项目经验和个人迁移能力等详细信息。
除了个人资料之外，Ethos还会抓取专家的公开博客文章、学术论文和社交网络数据，以此构建详细的技能档案。平台将这些专家与咨询顾问、市场调研、AI数据标注以及全职工作机会联系起来。然而，这种模式是否能在更大范围内持续成功还有待观察。
Ethos的目标是帮助专家发现他们未曾考虑过的潜在职业机会，而不是简单的优化简历内容。
除了白领专业人士外，该平台还吸引了电工和管道工等蓝领技术工种的加入，这些群体的能力通常在传统简历中被严重低估了。
Ethos披露，每周有超过35000名新专家加入其平台，其中收入最高的成员每月可以赚取10,000美元。目前，Ethos按照项目向企业收取服务费，并预计年化收入将突破千万美元大关。尽管具体客户名单尚未公布，但已知包括顶级对冲基金、私募股权机构和领先的人工智能实验室等在内的客户已经使用了该平台。
除了Ethos之外，市场上还有其他一些公司如Listen Labs和Outset也提供类似的AI语音面试功能，这意味着竞争正在加剧。然而，Ethos的独特之处在于其采用的主动推送匹配方式：即通过分析专家的能力，然后将最合适的就业机会直接推荐给他们。
Ethos的核心竞争力来源于其创始团队的专业背景：首席执行官James Lo在麦肯锡担任战略顾问两年后加入软银愿景基金参与了多项重大投资和并购活动；而CTO Daniel J. Mankowitz则在Google DeepMind有着丰富的强化学习项目经验，包括AlphaDev和Gemini大模型等。
两人于2023年至2024年间共同创立Ethos公司，并且目前团队成员仅有8人。此轮融资的金额将用于提升AI智能体的能力、扩大全球专家网络以及深化与人工智能实验室及企业客户的合作关系。
不过，随着业务的发展也面临着新的挑战：如何防止虚假信息和伪造简历影响平台信誉成为了一个技术性和运营性的重要问题；此外，在激烈的市场竞争中保持顶尖专家的忠诚度也是一个亟待解决的问题。
Ethos最关键的差异在于匹配逻辑：传统平台是“被动搜索”，即客户输入关键词，系统返回列表；Ethos则是“主动推送”，即AI识别专家的隐性能力后，主动将机会呈现给最匹配的企业。不过，主动推送的匹配精度目前尚无第三方验证。
支撑这套差异化逻辑的，是一个背景互补的创始团队：
CEO James Lo的职业生涯横跨咨询、投资与创业这些领域。在麦肯锡担任两年战略顾问后，他加入软银愿景基金，深度参与了WeWork 2019年IPO崩盘后的危机处置、Arm与NVIDIA的并购拆分，以及千亿美元级投资组合的运营管理。此后他独立创办创作者经济平台Mana，完成从零到一的产品搭建并成功退出。
CTO Daniel J. Mankowitz则在Google DeepMind深耕超过六年，从实习生一路晋升至Staff Research Scientist。他主导的AlphaDev项目使用强化学习发现更快的排序算法，发表于Nature并已集成到C++标准库；同时负责了Gemini大模型的RLHF工作，以及MuZero在YouTube视频压缩中的上线应用。
一个懂商业运作与危机处置，一个在强化学习领域有顶级论文和产品落地经验。两人于2023至2024年间联合创立Ethos，目前团队仅8人。
本轮融资资金将用于扩展AI智能体能力、扩大全球专家网络，并深化与AI实验室及企业客户的合作。
不过挑战同样存在：如何用AI准确识别“AI生成的假专家”以守住平台口碑，是一个技术与运营的双重考验。此外，能否在竞争中持续留住最顶尖的专家，也是一项严峻的挑战。