Sherlock

Sherlock은 면접을 지켜보며 AI가 만든 답변, 숨은 부조종사, 대본 읽기를 찾아낸다. 회사에 따르면 기기 활동, 음성 환경, 행동을 하나의 신호로 묶는 멀티모달 적대적 모델을 쓰며, 재학습으로 탐지 정확도를 약 85%에서 97% 넘게 끌어올렸다. 경고는 면접 도중에 뜨고, 며칠 뒤 보고서로 오지 않는다. 같은 모델이 AI 부조종사 탐지도 떠받친다.

합성되거나 조작된 영상, 그리고 카메라 앞 인물이 기록상 지원자가 아닌 정황을 찾는다. 설득력 있는 얼굴이나 복제 음성으로 통화를 넘기는, 늘어나는 부정행위 유형을 덮는다. 면접관은 자동 탈락이 아니라 확인할 표시를 받는다.

외부인이 참여하거나 여분의 기기가 있거나, 누군가 답을 귀띔하는 정황을 살핀다. 노리는 건 전형적인 대리 구조, 즉 더 강한 지원자나 돈 받은 도우미가 질문에 답하는 형태다.

회사가 지원자에게 AI를 허용하면, Sherlock은 부정행위를 잡는 쪽에서 역량을 재는 쪽으로 옮겨 간다. 문제 해결에서 AI 도구에 얼마나 기대는지 관찰해 활용 점수를 준다. AI 신호를 전부 탈락 사유로 보지 않고, 잘 쓰는 걸 평가하려는 발상이다.

면접 중에 구조화한 노트를 적고, 성과와 면접관에 관한 통찰을 덧붙인다. 덕분에 노트 도구 하나가 줄고, 검토하는 쪽은 표시와 나란히 볼 기록을 얻는다.

표시된 각 순간은 타임스탬프와 맥락을 함께 달고 면접의 정확한 지점으로 이어진다. 검토자는 무슨 일이 언제 있었는지 보고 스스로 판단한다. 결정을 점수에 맡기지 않고 사람을 고리 안에 남기는 설계다.

Google, Apple, Outlook에 연결하고, 면접으로 표시한 회의에 참여하며, 안전한 링크를 스스로 만든다. ATS 연동도 제시해, 점검 흐름을 팀이 이미 쓰는 채용 스택 안에 둘 수 있다.

Sherlock은 탐지를 자사 흐름에 넣으려는 팀을 위해 API를 공개한다. API 페이지에서는 면접 녹화에서 부정행위를 분석하거나 점검을 자체 파이프라인에 붙일 수 있다. 자체 도구를 가진 대형 채용 팀에 특히 쓸모가 있다.