Perfectly

Perfectly의 핵심은 Paul이다. 대부분의 팀이 싫어하는 채용 초기 업무를 떠맡는 에이전트다. 직무에 맞는 후보자를 찾고, 당신의 메시지와 말투를 반영한 접근을 쓰고, LinkedIn, 이메일, 문자로 보낸다. 직접 검색하려고 대시보드에 로그인할 필요가 없다. 방식을 승인하고 돌리면 된다. 이는 채용 자동화의 가장 직설적인 의미이며, 탐색에 몇 시간을 쓸 수 없는 팀에게 바로 그 핵심이다.

정적인 직무 기술서 대신, Perfectly는 각 직무에서 '강한 채용이란 무엇인가'의 모델을 세우고 계속 다듬는다. 후보자마다 주는 피드백은 저장된다. 그래서 시스템은 실제로 승인하는 인물상에 기울고, 거부하는 인물상에서 멀어진다. 한 번의 탐색에서는 영향이 작다. 여러 직무를 거치면 첫날보다 예리한 상태로 에이전트가 출발한다. 배우는 AI 후보자 선별이라고 부를 만하다.

범용 리크루터 스팸은 무시당한다. 그래서 Perfectly는 개인화에 건다. 에이전트는 당신의 말투를 흉내 내고, 메시지를 보내기 전에 후보자별 추가 데이터를 모은다. 접근은 대량 발송이 아니라 팀에서 온 것처럼 읽힌다. LinkedIn, 이메일, 문자에서 작동하며, 당신의 브랜드가 봇처럼 들리지 않게 설계됐다.

Perfectly를 혼자 설정하지는 않는다. 현장에 파견된 리크루터가 도입을 맡는다. 직무에 맞춰 보정하고, 당신의 목소리에 맞는 시퀀스를 쓰고, 첫날 접근을 보낸다. 회사의 목표는 초기에는 주당 한 시간 정도, 파이프라인이 돌기 시작하면 15분으로 줄이는 것이다. 사람이 회로 안에 있는 이 단계가 순수 소프트웨어와의 차이다.

시스템은 이름을 찾는 데서 멈추지 않는다. 접근을 조율하고 일정 잡기로 넘어간다. 목표는 리드 표를 건네는 것이 아니라 면접 캘린더를 채우는 것이다. 공석 하나에 파묻힌 팀에게 실질적 차이는 단순하다. 이력서 더미에서 실제로 잡힌 대화로 옮겨간다. 엔지니어를 더 빨리 채용하는 게 목표라면, 속도는 여기서 드러난다.

Perfectly 팀은 창업자가 TikTok과 Meta Research에서 한 추천 시스템 작업 위에 매칭을 세웠다. 피드에서 다음에 무엇을 볼지 정하는 같은 순위 논리가 어떤 후보자가 직무에 맞는지 정한다는 주장이다. 이는 회사 자신의 설명으로 받아들여야 하지만, 검색만이 아니라 매칭이 제품의 초점인 이유를 설명해준다.