Ethos привлек $22,75 млн в рамках раунда Series A, чтобы исправить то, что ИИ сломал в процессе найма.

      Лондонская платформа по подбору экспертов на основе ИИ, основанная выпускниками DeepMind и McKinsey, в настоящее время оценивается в момент, когда найм становится частью рынка труда, который ИИ наиболее явно деградировал. Andreessen Horowitz теперь возглавляет раунд; General Catalyst, ведущий посевной инвестор, снова участвует.

      Генеративный ИИ за примерно 30 месяцев значительно упростил задачу для соискателей выглядеть квалифицированными для работы и значительно усложнил задачу для работодателей определить, действительно ли они таковыми являются.

      Асимметрия проявляется в одном направлении: инструменты для соискателей заполнили рынок безупречными резюме, отшлифованными сопроводительными письмами и портфолио, отполированными ИИ, в то время как инструменты для рекрутеров, которые традиционно отделяли сигнал от шума, такие как отбор, собеседования и рекомендации, не улучшились даже близко к тому же темпу.

      В результате, к середине 2026 года, рынок найма будет таким, где самый дешевый ресурс масштабировался быстрее всего, а самый дорогой — время рекрутера — был подавлен.

      Ethos, стартап на основе ИИ из Лондона, основанный выпускниками Google DeepMind и McKinsey, решил, что это проблема, которую можно финансировать. В среду утром компания объявила о раунде финансирования Series A на сумму 22,75 миллиона долларов, возглавляемом Andreessen Horowitz, с участием General Catalyst (который возглавил посев в 2024 году), XTX и Evantic.

      Это один из крупнейших раундов Series A для стартапа ИИ в Великобритании в этом году, и размер чека говорит о том, насколько серьезно a16z, в частности, относится к трудовому рынку как к аспекту коммерческого влияния ИИ.

      Что на самом деле делает Ethos

      Ethos — это, простыми словами, сеть экспертов на основе ИИ. В то время как такие компании, как GLG и Guidepoint, потратили десятилетия на создание списков консультантов, вышедших на пенсию и специалистов в области, доступных для оплачиваемых звонков, Ethos использует ИИ для курирования.

      Параллельное освещение TNW более широкой ландшафта сети экспертов (в контексте предприятия Anthropic стоимостью 1,5 миллиарда долларов) полезно здесь: списки GLG и Guidepoint теперь подписаны как партнеры по данным внутри Claude Opus 4.7. Ethos, судя по этим данным, строит контрмодель: вместо того чтобы использовать существующие сети экспертов в продуктах ИИ, он создает сами экспертные профили с помощью ИИ, а затем сопоставляет их с возможностями в масштабе, который может управлять только модельная система.

      Механизм, как описано на странице продукта компании, имеет два аспекта. Голосовой агент Ethos проводит расширенное интервью с каждым экспертом, выявляя нюансы их профессиональных знаний таким образом, как это не может сделать статическое резюме.

      Кроме того, ИИ Ethos обрабатывает существующее портфолио работы эксперта, академические статьи, репозитории кода, блоги, подкасты, выступления на конференциях и формирует более полное понимание того, что на самом деле знает человек. Скомбинированный профиль затем автономно сопоставляется с возможностями, поступающими от клиентской базы платформы.

      Эти возможности охватывают необычно широкий спектр. Согласно собственному формулированию компании, Ethos сопоставляет своих экспертов с консультациями, экспертными звонками, исследованиями рынка, проектами по маркировке данных ИИ и полными рабочими местами. Линия данных ИИ структурно важна.

      Лаборатории передовых моделей нуждаются в высококачественных, специфичных для области данных для обучения в таких областях, где общие веб-сканирования недостаточны: финансы, медицина, право, передовая инженерия, и Ethos позиционировал себя в своих рекламных материалах как путь, через который эти лаборатории могут получить доступ к проверенным экспертам в области в больших масштабах.

      Показатели привлечения в объявлении такие, что, если они точны, оправдывают размер Series A. Компания утверждает, что более 5000 экспертов присоединяются к платформе каждую неделю в таких областях, как бухгалтерия, банковское дело, консалтинг, право, технологии и здравоохранение, наряду с квалифицированными рабочими, включая электриков и сантехников.

      Кросс-секторный охват (специалисты белых воротничков наряду с квалифицированными рабочими) необычен для сети экспертов и соответствует более широкой концепции Ethos, что единицей ценности является проверенная экспертиза, независимо от пути сертификации, который ее произвел.

      Что касается доходов, средний эксперт на Ethos зарабатывает 4500 фунтов стерлингов дополнительного дохода в месяц через платформу, при этом топ-10% зарабатывают более 7000 фунтов стерлингов. С января, по словам компании, количество экспертов, зарабатывающих доход через Ethos, увеличилось в шесть раз.

      Независимый обзор на AItrainer.work (который оценивает платформы экспертов, смежные с обучением ИИ, для потенциальных участников) сообщил о ставках за час на Ethos в диапазоне от 105 до 225 долларов, что значительно выше стандартных уровней оплаты за обучение ИИ и соответствует среднему и старшему позиционированию платформы.

      Будут ли эти цифры сохраняться под пристальным вниманием, в стандартной модели экономики сетей экспертов, будет зависеть от устойчивости базового спроса со стороны клиентов. Экономика единицы оплачиваемых экспертных звонков рушится, если произойдет одно из трех вещей: клиентская база сокращается, предложение квалифицированных экспертов насыщает спрос или сопоставление на основе ИИ производит достаточное количество успешных взаимодействий, чтобы превратить самих экспертов в товар.

      Ставка Ethos заключается в том, что ни одно из этих событий не произойдет достаточно быстро, чтобы опередить его рост, и что, в то же время, расширение адресуемой клиентской базы от частных инвестиций и консалтинга до лабораторий ИИ и корпоративных исследовательских функций создает структурный запас.

      Основатели и почему a16z инвестировал

      Два соучредителя Ethos имеют взаимодополняющие фоны. Джеймс Ло, генеральный директор, был стратегическим консультантом в McKinsey и инвестором в фонде Vision SoftBank перед тем, как основать Ethos.

      Даниэль Манковиц, технический директор, был научным сотрудником в Google DeepMind, где он провел годы, работая над AlphaZero, системой обучения с подкреплением DeepMind, которая освоила шахматы, сёги и го без предварительных данных о человеческих играх.

      Сочетание, коммерческий ум McKinsey и Vision Fund, paired with a DeepMind systems-design brain, — это именно тот тип сочетания основателей, который a16z исторически предпочитал для ставок на корпоративный ИИ, которые требуют как дисциплины в разработке клиентов, так и серьезного технического обеспечения.

      Продолжение участия General Catalyst также имеет значение. Жаннетта фон Фюрстенберг, президент и управляющий директор компании, которая возглавила посевной раунд, теперь является одним из самых последовательно значимых инвесторов в европейском ИИ, занимая текущие должности в советах директоров Mistral и Helsing, среди прочих.

      Ее решение продолжить участие в Series A, а не рассматривать посев как риск, является сигналом для европейских инвесторов, который раунд нуждался, чтобы привлечь ведущую роль Andreessen Horowitz. Трансатлантическая структура теперь распространена в европейских раундах Series A, но это не происходит автоматически. Обычно обязательство на стадии посева должно сначала продемонстрировать результаты.

      Контекст рынка труда

      Существует более широкий контекст, который объясняет, почему предложение Ethos оказалось успешным. Рынок труда в 2026 году, по любым объективным меркам, находится в процессе структурного изменения, вызванного ИИ. Профессиональные роли белых воротничков, историческое ядро продукта LinkedIn, одновременно являются самыми простыми для подачи заявок (поскольку инструменты ИИ автоматизировали процесс подачи) и самыми сложными для оценки кандидатов (поскольку инструменты ИИ унифицировали процесс подачи).

      В то же время сторона спроса фрагментировалась: компании, которые раньше нанимали одного штатного аналитика, теперь хотят частичный доступ к десяти экспертам в разных областях, и платформы, которые исторически удовлетворяли этот спрос, не успели за этим. TNW отслеживал более широкий вопрос рабочей силы ИИ в Европе на протяжении прошлого года, и постоянная наход