2026年9月16日，伦敦。

Jack给一个正在Monzo工作的工程师打了个电话。

不是猎头，不是HR。是一个AI Agent，用20分钟的语音对话，精确地记录下了这个工程师真正想要的下一份工作：不是”高薪”，不是”成长机会”，而是一个具体的要求——他想要一个能在每年两次offsite时带家人同行的公司文化。这个信息，任何简历都写不出来，任何LinkedIn主页都不会透露。

与此同时，Jill正在访谈一家B轮SaaS公司的CTO：团队规模、技术栈偏好、这个职位失败的最主要原因——以及，这个CTO自己在面试中从不明说但实际上最在意的一件事。

两周后，当Jack和Jill都认为”这是一个双方都会接受通话的匹配”时，他们把这两个人连接在了一起。这位工程师成了那家SaaS公司第一个真正长期留下来的技术负责人。

这是Jack & Jill平台的核心主张。不是更好的简历数据库，不是更快的AI筛选流程，而是：让两个AI Agent分别代表求职者和雇主，只在双方都会”接听电话”的时候才介绍彼此。

2026年9月，这个主张获得了4000万美元的Series A背书。领投方是Air Street Capital——Nathan Benaich的基金，此前投过Synthesia（2亿美元估值的AI视频生成公司）和Wayve（自动驾驶独角兽），专注于”AI真正改变行业结构”的赌注。新一轮融资总计使Jack & Jill的累计融资达到6000万美元，候选人网络扩张到35万人，服务企业5000家，收入在10个月内增长了40倍。

一个旧问题的新形状：军备竞赛导致的信号崩溃

招聘市场的核心矛盾从未改变：双向信息不对称。

求职者不知道哪个公司是真正的”好机会”，而不是HR包装出来的宣传。雇主不知道哪个候选人是真正的合适人选，而不是AI生成简历冲量的僵尸申请。在生成式AI出现之前，这个矛盾还勉强可控。一个招聘季，一个热门职位可能收到几百份简历——人类HR虽然效率低，但总能做出一些判断。候选人需要花时间打磨简历，这本身就是一道门槛，某种程度上过滤了不够认真的申请者。

2024年之后，这个平衡被彻底打破了。

当每个求职者都能用AI在30秒内生成一份完美匹配JD关键词的简历，当每个雇主都能用AI在3秒内批量拒绝不符合格式的申请，”简历优化”和”简历筛选”就进入了一场典型的军备竞赛——双方都在消耗大量资源，但信号质量却越来越低。当投递的边际成本接近于零，接收方的注意力成了最后的瓶颈。雇主开始减少招聘渠道，从LinkedIn切换到内部推荐，甚至有公司公开宣布”不接受AI生成简历”——尽管没人能真正验证这一点。求职者发现自己投出了数百份完美简历，却面临数月的沉默。

Saaras Mehan，Jack & Jill的联合创始人兼CTO，曾经创办了Kular，一个AI销售工具。他在B2B销售领域直接见证了AI对”冷邮件”市场的毁灭性影响：当AI让发送1000封个性化邮件的成本和发送1封一样低，收件人的回复率从2%跌到了0.02%。信号被噪音淹没，整个渠道的价值归零。

他看到的洞察是：这个问题不能用效率解决，因为效率本身就是问题的来源。

解决方案不是让求职者更容易地投递申请，也不是让雇主更快地筛选，而是重新引入稀缺性——让双方知道，这次连接本身就是有价值的，是经过了某种双向验证的。

这是Mehan和联合创始人Matt Wilson在2025年初开始构建Jack & Jill时的出发点。他们不是在优化现有招聘流程，而是在提出一个不同的问题：如果两个AI分别代理求职者和雇主，在双方都有意愿的情况下才介绍彼此，这个市场会是什么样子？

Jack和Jill如何工作：用稀缺性取代效率

Jack是候选人端的Agent。它通过电话采访候选人——不是表单，不是结构化问卷，而是真实的语音对话。这个设计选择不是随机的：语音对话的信息密度，远高于任何形式的文本输入。

Jack的问题不是”你有什么技能”，而是更深层的探索：你为什么要考虑离开现在的工作？你理想工作的一天是什么样子？上一个让你真正投入的项目是什么，为什么那个项目让你感觉值得？你有什么硬性的地理限制或生活方式需求——不是”希望”，而是”如果不满足就不会接受”的条件？什么样的管理风格会让你在六个月内寻找下一个机会？

这些问题产生的信息，Jack存储为结构化的”偏好模型”，但背后是语义理解，而非关键词匹配。一个”想要好的工程文化”在Jack的理解里，可能映射到”每季度有跨团队技术分享”、”代码评审是强制性的”、”工程师在产品路线图讨论中有发言权”等一系列具体特征，而非简历上的”注重技术成长”这样的空话。更重要的是，Jack记录了候选人在谈到某些话题时的语气变化——这是任何文本表单都无法捕获的。

Jill在雇主端做对称的事情。它采访招聘经理——不是HR，而是实际会和候选人共事的人——了解这个职位真正需要什么、这个团队的实际工作方式、过去失败的招聘案例是什么原因。Jill还会问一个关键问题：”对于这家公司来说，一个’完美候选人’最不可能在简历上写出什么？”

这个问题很关键，因为最重要的需求往往是连雇主自己都没有明确articulate过的。一个CTO说他需要”独立工作能力强”的工程师，但Jill发现，他真正担心的是”需要被手把手带着做架构决定的人会让他精疲力竭”——这两个表述指向不同的筛选标准，也指向完全不同的候选人画像。如果雇主自己无法articulate这个真实需求，任何简历筛选都只是在黑暗中摸索。

关键机制在这里：只有当Jack认为”这个候选人会对这个机会感兴趣”，且Jill认为”这个雇主会想和这个候选人谈”，双向匹配才会触发。整个过程bypass了传统的”投递→筛选→邀约”流程，直接到”双方都有意愿的一次对话”。这不是对流程的加速，而是对流程的重构。

Nathan Benaich，Air Street Capital的GP，对这个机制的评价直接点出了核心逻辑：”下一个招聘的飞跃，不会来自对同样简历的更好搜索，也不会来自更多的自动化外联。它将来自在双方桌上各放一个Agent，只在双方都会接听电话的时候才做介绍。”

这个判断的隐含前提是：市场中真正缺乏的，不是信息的数量，而是双向意愿的验证。当一个工程师接到介绍时，他知道：有一个Agent专门代表他的利益，这个Agent认为这个机会值得他花时间——这个认知本身就改变了这次互动的性质。

数字背后的故事

Jack & Jill在2025年11月完成了2000万美元的种子轮融资，距今正好10个月。在这10个月内：

候选人网络从35000人增长到35万人，扩张了10倍。收入增长了40倍（绝对数字未披露）。服务的雇主数量达到5000家，其中包括金融科技独角兽Ramp、新一代CRM工具Attio和AI邮件助手Fyxer。公司团队从不足10人扩展到25人，其中15人是有创业经历的连续创业者。

从英国市场出发，Jack & Jill于2026年1月进入旧金山，6月进入纽约。这个地理扩张的节奏，显示了一种对市场验证的谨慎态度——而不是”先烧钱获取GMV”的典型SaaS增长逻辑。

这些数字的背景值得注意：招聘是一个典型的慢市场。一个职位从发布到录用，平均需要6-12周；从录用到真正判断”这次招聘成功与否”，通常需要12-18个月。40倍的收入增长在10个月内，意味着客户愿意付钱——但还没有足够的数据证明客户因为Jack & Jill招到了”更好”的人。

这是一个重要的区别。付费意愿和结果验证，是招聘市场的两个不同层面。Jack & Jill目前在第一个层面有了清晰的信号，第二个层面的数据还需要时间积累。

Air Street Capital和Madrona显然认为，等第二个层面的数据成熟再进入已经太晚了。如果Jack & Jill的模型真的有效，先进入市场的公司将获得足够强的网络效应——更多的候选人意味着更好的匹配，更好的匹配意味着更多的雇主，更多的雇主意味着更多的候选人愿意接受Jack的电话。

那个以1500万卖掉6亿公司的创始人

Matt Wilson的经历，是这次融资背后最有张力的人物叙事。

2019年，他与人共同创办了Omnipresent，一家雇主记录（employer of record）公司——帮助企业在没有本地实体的国家雇用员工的法律合规服务。在疫情期间远程工作热潮的催化下，Omnipresent到2024年达到了6亿美元估值。这是一个让人感觉”时代在推着你走”的时刻——EOR市场在远程工作热潮中被迅速放大，投资人争相入局。

然后，潮水退去。远程工作浪潮在2024-2025年明显回落，越来越多的公司开始要求员工返回办公室，EOR市场的增速放缓，而Deel、Rippling等有更强技术基础的竞争对手已经把护城河建得更深。

2025年10月，Deel收购了Omnipresent——据Dealroom数据，价格约为1500万美元。对于一家曾经估值6亿的公司来说，这是一个无法解释的低价。Wilson本人从未公开解释这个数字背后的故事，但整个创业圈都知道：有时候，即使公司的产品是真实有用的，结构性的市场变化也会让估值和实际价值之间出现天渊之别。

十个月后，Wilson带着Jack & Jill回来了。

他现在在向投资人要的钱——4000万美元A轮——是出售Omnipresent所得的近三倍。但他的目标也更大：在2030年之前为全球10亿人提供招聘Agent。

Air Street和Madrona为什么愿意投一个”上一个公司以低价出售”的创始人？

有几种解读。第一种是：失败的经历本身是一种不可替代的资产。Wilson现在知道了当公司进入错误的竞争赛道时会发生什么，知道了什么是真正的产品-市场契合，什么是由市场热潮驱动的虚假繁荣。他不再是一个需要”证明自己能创业”的人，而是一个需要”证明上一次没有做到的事”的人——这个动机更持久，也更聚焦。

第二种解读更直接：Jack & Jill的产品数据本身足够令人信服，投资人认为这一次的基本面是真实的。40倍收入增长，在10个月内，在一个通常需要3-5年才能建立信任的市场里，这不是Pitch ppt说出来的，是真实客户的真实付费行为。

第三种解读是关于时机：AI重构招聘市场的时间窗口正在打开，而Jack & Jill是目前最清晰地articulate了”双Agent代理”价值主张的公司。即使创始人有过失败经历，在正确的时机做了正确的产品，也是值得押注的。

联合创始人Saaras Mehan的背景也值得关注。他曾为英格兰队下棋，后来创办了获得YC支持的AI销售工具Kular。这个组合——高强度的战略思维训练（象棋）加上实际经历AI冲击B2B销售的第一手经验——为Jack & Jill的核心设计逻辑提供了某种可信度。

竞争地图：夹在大平台和垂直竞争者之间

Jack & Jill面对的竞争格局是两个方向同时压来的。

垂直竞争方向：

Mercor是最直接的对标公司之一，Peter Thiel支持，已在20亿美元估值上融了1亿美元。Mercor专注于工程师的技术能力评估，用AI面试替代传统的技术筛选轮次。它的客户包括多家顶级科技公司，核心价值主张是”减少面试中的主观偏见”。但Mercor的模型是单向的——它只评估候选人，不代理候选人的意愿。

Juicebox以3000万美元打造PeopleGPT，主打对简历数据库的AI语义搜索，帮助招聘方主动发现候选人。这是”更好的ATS（Applicant Tracking System）”逻辑，而非”双向代理”逻辑。

更小的公司如AINA追求类似的AI双向匹配概念，但100万美元的资金量和35万人候选人网络相比，差了几个数量级。

平台压制方向：

LinkedIn在全球有10亿专业用户，其AI助手功能在2025-2026年持续增强：根据候选人历史行为预测”对这个职位感兴趣”的概率；基于雇主的历史招聘决策推断偏好。这些功能的基础数据，是Jack & Jill永远无法复制的：20年积累的就业关系图谱，以及每天数以亿计的用户行为信号。

Indeed每天处理的申请量，可能超过Jack & Jill整个平台生命周期的总量。Glassdoor有公司文化和薪资数据，这正是候选人在接受Jack电话时最关心的信息之一。

面对这样的数据体量差距，Jack & Jill的护城河论据是：语音对话产生的意图信号，是现有平台的任何数据都无法替代的。

LinkedIn知道你在哪里工作，Jill知道你为什么想离开。Indeed知道你投了多少职位，Jack知道你真正愿意接电话的具体条件。这两种数据，在信息质量上不在一个量级——但Jack & Jill需要先证明它的数据真的更准确，才能成为一个可持续的护城河。

目前最大的验证挑战在于：语音采访本身的可扩展性。25人团队，服务5000家公司、35万候选人，目前的规模比LinkedIn小了数千倍。当候选人网络扩展到300万、3000万，Jack采访每个候选人的质量是否还能维持？这个问题的答案，将决定这个模型是否能在大规模上维持其核心价值主张。

招聘AI的监管灰色地带

Jack & Jill涉足了一个监管上特别敏感的领域。

欧盟AI法案（EU AI Act）于2024年通过，2026年开始逐步执行。它将”就业、工人管理和进入自营职业的机会”中的AI系统明确列为”高风险AI”，要求：

第一，对涉及AI评估的相关人员进行透明度告知；第二，提供人工复核的机会，不能完全依赖AI做出影响就业的决定；第三，系统必须具备可解释性，能够解释其决策逻辑；第四，必须维护高风险AI的技术文档和使用日志。

Jack & Jill的设计在透明度层面相对清晰：候选人和雇主都知道他们在和AI对话，这不存在隐瞒。但”人工复核”的要求在双Agent模型中存在模糊性——当Jack和Jill做出匹配判断，系统如何证明人类仍然在”有意义地”监督这个决定，而不只是形式上的”候选人和雇主最后点击了接受”？

英国市场更复杂。脱欧后英国没有直接采用欧盟AI法案，但平等就业机会法的适用性是监管者正在审视的问题：Jack在采访候选人时，是否会无意识地对某些人群建立偏向性的偏好模型？Jill在理解雇主需求时，是否会把雇主的隐性偏见（比如对某个学校背景的偏好）放大而非过滤？

这些问题不是假设性的。AI招聘工具在2023-2025年已经有多个案例被发现存在系统性的偏见问题，Amazon的简历筛选AI因为对女性候选人评分偏低被放弃，就是其中最著名的例子。Jack & Jill采用语音采访而非文本，这在某种程度上规避了关键词匹配偏见，但语音数据同样可能包含与就业决定无关的特征（口音、语速、用词习惯），这些都是潜在的偏见来源。

Mehan在采访时只简单说：”我们的系统设计确保了公平性检查。”但具体机制没有公开披露。对于现在还是25人团队的公司来说，建立完整的AI偏见审计体系是一个不小的挑战。

Air Street Capital和Madrona的投资决定，意味着他们认为这些监管风险在可控范围内——或者说，他们押注的是”市场窗口”：在监管真正收紧之前，证明模型的有效性，建立足够强的客户黏性，成为招聘AI领域的”既成事实”。

这是一个在许多AI应用领域都在发生的策略，有其逻辑合理性，也有其道德争议性。

劳动力市场代理化：一个更大的命题

Jack & Jill真正有趣的地方，不在于它是否能成为一家成功的招聘公司，而在于它所代表的一种更大的命题：当AI开始代理人类在市场中的关系，劳动力市场会如何演变？

现在的讨论通常聚焦在”AI会取代哪些工作”。Jack & Jill的模型指向的是另一个问题：AI是否会改变人们如何”进入”工作——不是工作本身的性质，而是工作关系建立的方式。

在某种程度上，这已经在发生了。LinkedIn的算法早就在影响”你看到哪些职位”和”谁会看到你的主页”。推荐算法、搜索排名、”Open to Work”状态的曝光机制，已经是某种形式的中介。

但Jack & Jill更进一步：它不只是影响可见性，而是让AI成为积极的中间人——代表你表达你想要什么，代表雇主表达他们真正需要什么，然后决定是否让这两种需求相遇。这是代理关系，不是工具使用。当你使用LinkedIn，你仍然是自己的代理人，只是有了更好的工具。当Jack代替你进行了意愿的表达，这个代理权已经部分转移。

从逻辑上推演，Jack & Jill的模型在极致情况下，可能变成：求职者把整个招聘过程委托给Jack——它帮你发现机会、表达意愿、筛选选项——然后在某个节点问你：”你愿意接受这个Offer吗？”

这不是遥远的幻想。在一些薪资谈判的场景里，很多人已经表达了”我希望有一个真正代表我利益的Agent去谈”的需求——不是一个帮你准备谈判策略的工具，而是一个实际替你谈判的代理人。

这是Wilson”为10亿人提供招聘Agent”的具体含义之一。

但这个未来有一个根本性的张力：当AI代替你进行了”关系的建立”，这段职业关系是否还具有同样的人类意义？很多人在谈到”好工作”时，不只说收入和职位，而是说”我找到了一个让我感觉值得的地方”——这种主体感，是否在AI代理的关系建立中还能保留？

这不是技术问题，而是关于人类经验的深层问题。Jack & Jill的成败，在技术和商业层面之外，还取决于它能否回答：当我拿到这份工作的时候，我是不是仍然感觉”这是我自己找到的”？

从更宏观的产业视角来看，Jack & Jill代表了AI对服务业渗透的一种典型路径：不是通过自动化现有工作流程（比如用AI代替简历筛选人员），而是通过重新定义市场机制本身（双边代理匹配替代单向申请流程）。这种路径在理论上的破坏性更大，但实现难度也更高——它需要同时说服市场的两端都接受全新的互动方式，而不只是优化其中一方的效率。

目前，Jack & Jill在两端都有了早期的信号：35万候选人接受了Jack的电话采访，5000家公司使用了Jill的服务。这是真实的双边接受度数据，在这个阶段，这已经是相当有力的验证。

问题在于，这个双边网络的增长是否会形成良性循环：更多候选人吸引更多雇主，更多雇主吸引更多候选人，整个网络的匹配质量随规模提升而提升。这是LinkedIn成功的核心机制，也是Jack & Jill需要复制的东西。区别在于，LinkedIn的网络效应主要体现在可见性（你认识的人越多，你被发现的机会越大），而Jack & Jill的网络效应需要体现在匹配质量上——随着Agent积累更多的偏好数据，它应该能做出更准确的判断。

这个逻辑成立的条件是：Agent的学习能力能够超过市场规模扩大带来的复杂度增加。在今天的AI技术水平上，这是一个开放的验证题，而不是一个可以假设的事实。

此外，还有一个关于商业模式的根本问题需要回答：Jack & Jill如何从”双边代理”中赚钱，并且以一种不破坏其核心价值主张的方式赚钱？

传统招聘平台的收费模式是两种：向雇主按职位收费（LinkedIn的模式），或按成功录用收费（猎头的模式）。前者的问题是激励错位——平台靠制造更多职位机会赚钱，而不是靠更好的匹配质量；后者的问题是收费难——谁来证明”这次录用是因为平台的功劳”？

Jack & Jill目前的收费方式没有公开披露。但无论采用哪种模式，它都需要解决一个潜在的激励问题：如果平台按照”候选人接到的介绍数量”收费，Jack可能被激励做更多的介绍，而不是更准确的介绍；如果按照”成功录用”收费，平台可能被激励推荐”更容易成功的匹配”，而非”最好的匹配”。

这个商业模式的设计，将是Jack & Jill在下一阶段需要公开回答的问题之一。

结尾：10亿个电话的赌注

全球劳动力约50亿人，其中经济活跃人口约35亿。如果算上Wilson说的”为10亿人提供招聘Agent”，这意味着他希望Jack & Jill服务全球大约三分之一的劳动力。

这个数字现在听起来不切实际。但LinkedIn从2003年成立到2016年被微软以262亿美元收购，用了13年建立了4亿专业人士网络。如果Jack & Jill的双Agent模型真的能在留存率和匹配质量上产生可验证的优势，它的增长可以比LinkedIn当年快得多——因为它运行在一个AI能力比2003年强100倍的技术基础上，同时切入了一个因AI军备竞赛而亟需新解决方案的市场。

这是Air Street Capital、Madrona、Creandum们押注6000万美元的原因。他们相信一件事：当AI真正能理解”你想要什么”而不只是”你有什么”，整个就业市场的信号系统就会重构。

而那个在10个月前以1500万美元出售了6亿公司的创始人，现在正在试图证明这件事。

当Jack下一次给你打电话时，记住：它不只是在帮你找工作。它在测试一个关于劳动市场未来的假设——双Agent代理能否比任何现有的信号系统，更接近”双方都会满意”这个结果。

这个测试的结论，可能比4000万美元更贵。

参考资料

  1. Air Street Capital leads $40M Series A into Jack & Jill’s dual-agent hiring marketplace — TechFundingNews, 2026-09-16. https://techfundingnews.com/jack-and-jill-raises-40m-series-a-air-street-capital-ai-recruiting/

  2. Jack & Jill Official Website — jackandjill.ai, 2026. https://www.jackandjill.ai/

  3. Mercor scores $100M at $2B valuation to reshape recruitment with AI — TechFundingNews, 2026. https://techfundingnews.com/peter-thiel-backed-mercor-scores-100m-at-2b-valuation-to-reshape-recruitment-with-ai/

  4. Juicebox lands $30M to revolutionise hiring with AI-powered recruitment tool PeopleGPT — TechFundingNews, 2025. https://techfundingnews.com/juicebox-lands-30m-to-revolutionise-hiring-with-ai-powered-recruitment-tool-peoplegpt/

  5. EU AI Act: First regulation on artificial intelligence (High-risk AI classification) — European Parliament, 2024. https://www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligence

  6. Global Recruitment Software Market — Mordor Intelligence Research, 2025-2034 forecast. https://www.mordorintelligence.com/industry-reports/recruitment-software-market