-120만 건 채용 데이터 분석 기반 글로벌 HR 경향 및 인사이트 제시
-서류·면접·평판조회 데이터 종합 분석으로 기업-지원자 간 ‘일치율’ 계산
-예측정확도 93.7%.. ‘데이터 기반 채용 의사결정’으로 채용 실패 비용 절감 목표
HR테크 스타트업 ‘스펙터(대표 윤경욱)’가 채용 의사결정 과정을 혁신할 신규 AI 솔루션 ‘TEO(테오)’를 공개했다.
스펙터는 10월 28일 서울 삼성동 섬유센터빌딩 텍스파 홀에서 HR 트렌드 세미나 ‘Decision 2025’를 개최, 글로벌 HR시장의 ‘채용 트렌드와 데이터 기반 채용 혁신 방향을 발표했다. 이날 세미나에는 200여 명의 국내 주요 기업 HR 담당자와 업계 관계자가 참석한 가운데, 윤경욱 스펙터 대표(창업자), 유용연 COO(제품 총괄), 김형우 HR 애널리틱스 총괄이 연사로 참여했다.
1부에서는 글로벌 HR 업계 동향과 ‘채용 실패’에 따른 비용을 자체 분석한 인사이트를 공유했으며, 2부에서는 채용 실패를 예방하는 해결책으로 AI 채용 의사결정 솔루션 ‘TEO’를 선보였다. ‘TEO’는 서류, 면접, 평판 등 복합적인 데이터를 기반으로 지원자와 조직 간 적합도를 수치화해 빠르고 공정한 채용의사결정을 지원한다.
스펙터는 평판조회 플랫폼과 면접 녹음 분석 앱 등 채용 단계별 문제를 해결하는 솔루션을 연이어 출시하며, 현재까지 국내외 5,800여 개 기업의 채용과정을 더 똑똑하고 효율적으로 지원하고 있다. 2021년 평판조회 플랫폼 창업 이후 5년간 누적 32만 명의 지원자에 대한 평판·면접 데이터 120만 건을 확보한 스펙터는 AI와 데이터 분석 역량을 결합해 HR 시장 혁신을 이끌고 있다.
◼︎ 기업 성장에 발목 잡는 치명적 리스크 ‘채용 실패’
스펙터에 따르면 채용 실패*의 대표적인 유형은 ▲저성과자(Low performer) ▲조기퇴사(Early attribution) ▲조직문화 부적응(Culture misfit) ▲유해인재(Toxic hire, 태도,언행으로 조직의 분위기와 동료의 몰입을 해치는 구성원) ▲중성과자(Neutral performer, 문제를 일으키지도 않지만 뚜렷한 성과도 없는 구성원) 등 다섯 가지로 구분된다. 이 중 중성과자 유형이 가장 큰 손실을 초래하는데, 구성비율이 전체 입사자 중 20~30%로 높고 조직 내 성장 침체를 유발하는 파급효과가 크기 때문이다.
*채용 실패 : 입사자가 직무 성과, 행동 특성, 조직문화 측면에서 기대 수준에 도달하지 못하여 생산성 저하, 몰입도 하락, 조직 비용 손실을 초래하는 경우.
채용 실패는 단순 인건비 손실로 끝나지 않고 경영 손익에까지 큰 영향을 미친다. 김형우 스펙터 총괄은 “채용 실패 비용 데이터를 분석한 결과, 1명 채용 실패 시 2억 1070만원의 비용이 발생한다. 한 명의 잘못된 채용이 조직 전체의 성장을 멈추게 할 수 있다”고 설명했다. 더 큰 문제는 이 비용이 누적되어 계속 비용부담을 높인다는 점이다.
채용 실패를 줄여 비용을 절감하는 것이 기업의 비즈니스 성과와 직결되는 이유다. 윤 대표는 “채용 실패 비용을 줄이려면 정확하고 체계적인 인재 검증 시스템으로 채용의 질을 높이는 것이 중요하다”고 강조했다.
◼︎ 채용 의사결정 돕는 솔루션 ‘TEO’… 데이터로 채용 실패 예방
이러한 채용 실패의 비용적 리스크를 줄이기 위해 스펙터는 데이터 기반 AI 채용 의사결정 솔루션 ‘TEO’를 개발했다.
테오의 핵심 기능은 조직과 지원자의 일치율(적합성)을 계산해 채용 의사결정을 지원하는 것이다. 기업 내 고성과자들의 행동·태도 특성을 기준으로 지원자와 유사도를 분석하고, 직무역량, 가치관, 태도 등 다양한 측면에서 인재의 적합성을 예측한다. 이 결과를 기반으로 채용 여부를 판단하면 채용 실패 확률을 줄일 수 있다.
또한 전형 단계별로 일치율 추이와 리스크 요인을 분석하고, 다음 전형에서 검증해야 할 기준을 제안한다. 면접관은 이 데이터를 참고해 지원자에 대한 부족한 정보를 보완하며 보다 공정한 판단을 내릴 수 있다.
윤 대표는 “과거에는 면접관의 감에 의존해 합불을 결정했다면, 이제는 데이터에 근거해 채용 의사결정을 내릴 수 있게 됐다”며 “채용이 정답이 없는 ‘종합예술’로 불리던 시대는 저물고, 과학적인 접근으로 바뀌었다”고 설명했다.
◼︎ 면접·평판조회 등 다층적 데이터 연동으로 정확도 향상
‘TEO’는 이력서·면접기록·평판조회 등 다양한 데이터를 통합 분석해 조직과 지원자 간 적합성을 예측한다. 올해 3월 출시한 면접 기록 앱과 기존 평판조회 서비스로부터 데이터를 연동해 활용한다. 서류→면접→평판조회 등 채용전형을 단계별로 계속 진행하며 지원자에 대한 데이터가 누적될수록 예측정확도도 높아진다.
유용연 COO는 “’TEO’의 역할은 인사담당자들의 결정에 확신을 더해주는 것”이라고 말했다. 최종 의사결정은 사람이 내리지만, ‘TEO’가 제공하는 분석 결과가 객관적 근거로 작용해 판단의 신뢰도를 높인다는 설명이다.
‘TEO’의 예측 정확도를 높이는 또 다른 핵심은 기업별 뚜렷한 인재상 데이터 확보다. 스펙터는 약 4주간의 온보딩 과정을 통해 고객사의 인재상을 재정의하고, 내부 우수 인재들의 프로파일을 분석해 채용공고를 구체화한다. 이렇게 수집된 데이터는 예측모델의 학습에 활용되며, 인재상의 특징이 뚜렷할수록 조직-지원자 일치율 예측의 정확도가 더욱 높아진다.
윤 대표는 “’TEO’ 솔루션을 사용하는 기간 동안 신규 채용을 계속 진행하면서 합격자 프로파일 데이터도 계속 누적된다. 솔루션 사용을 지속할수록 정확도가 더욱 정교해지는 구조”라고 설명했다.
◼︎ 채용 합불 예측 정확도 93.7%… ‘세계 최초’ 혁신 행보 이어간다
스펙터는 지원자의 역량, 평판, 조직 적합도, 업무성과 등 수십만 건의 채용 데이터를 기반으로 ‘TEO’의 AI 예측 모델을 개발했다. 현재 5개 기업과의 테스트 결과 예측 정확도 93.7%를 달성했다. 이는 구글의 인재검증 알고리즘 정확도(약 70%)보다 20%p 이상 높은 수준이다.
스펙터는 앞으로도 파트너사들과 협력해 모델 정확도를 높이기 위한 연구개발을 이어갈 계획이다. 글로벌 시장을 겨냥해 다국어 지원 기능도 추가될 예정이다. 윤 대표는 “앞으로도 아무도 가보지 않은 길을 나아가며 HR시장에 산적한 문제들을 해결해 나갈 것”이라며, 글로벌 HR 업계 혁신에 선두로 나서겠다는 포부를 밝혔다.
"Preventing Hiring Failures with Accuracy Beyond Google"… Specter Unveils AI Hiring Decision Solution 'TEO' at HR Trend Seminar 'Decision 2025'
– Presenting global HR trends and insights based on analysis of 1.2 million recruitment data cases.
-Calculating the "match rate" between companies and applicants through comprehensive analysis of document, interview, and reputation data.
– Prediction accuracy: 93.7%… Data-driven hiring decision-making aims to reduce hiring failure costs.
HR tech startup Specter (CEO Kyungwook Yoon) has unveiled a new AI solution, TEO, that will revolutionize the hiring decision-making process.
On October 28th, Specter held an HR trend seminar titled "Decision 2025" at the Texpa Hall of the Textile Center Building in Samseong-dong, Seoul, where it presented the global HR market's "recruitment trends and data-driven recruitment innovation direction." The seminar was attended by approximately 200 HR managers and industry insiders from major domestic companies, and speakers included Specter CEO (founder) Kyungwook Yoon, COO (head of product) Yongyeon Yoo, and HR Analytics Director Hyungwoo Kim.
In Part 1, we shared insights from our own analysis of global HR industry trends and the costs associated with failed hiring. In Part 2, we presented "TEO," an AI-powered hiring decision-making solution, as a solution to prevent hiring failures. "TEO" quantifies the fit between a candidate and the organization based on complex data, including documents, interviews, and reputations, enabling fast and fair hiring decisions.
Specter has launched a series of solutions that address challenges at each stage of the hiring process, including a reputation verification platform and an interview recording analysis app. To date, it supports the hiring process for over 5,800 companies, both domestically and internationally, in a smarter and more efficient manner. Since launching its reputation verification platform in 2021, Specter has amassed 1.2 million reputation and interview data points for 320,000 applicants over the past five years. Combining AI and data analysis capabilities, Specter is driving innovation in the HR market.
◼︎ Failure to Hire: A Critical Risk That Hinders Corporate Growth
According to Specter, the five most common types of hiring failures* are: ▲Low performers ▲Early attribution ▲Culture misfit ▲Toxic hires (members whose attitudes, words, and actions harm the organizational atmosphere and the engagement of colleagues) ▲Neutral performers (members who neither cause problems nor achieve significant results). Of these, the neutral performer type causes the greatest loss, as it accounts for a high proportion of new hires (20-30%) and has a large ripple effect of causing stagnation in growth within the organization.
*Recruitment failure: When a new employee fails to meet expectations in terms of job performance, behavioral characteristics, or organizational culture, resulting in decreased productivity, decreased engagement, and loss of organizational costs.
Hiring failures don't just result in lost labor costs; they can have a significant impact on business profitability. Kim Hyung-woo, General Manager of Specter, explained, "According to our analysis of hiring failure cost data, a single failed hire costs 210.7 million won. A single poor hire can halt the growth of an entire organization." The bigger problem is that these costs accumulate, continually increasing the financial burden.
This is why reducing hiring failures and reducing costs is directly linked to a company's business performance. CEO Yoon emphasized, "To reduce the cost of hiring failures, it's crucial to improve the quality of hiring through an accurate and systematic talent verification system."
◼︎ 'TEO', a solution that helps with hiring decisions… Preventing hiring failures with data
To reduce the cost risks of these hiring failures, Specter developed 'TEO', a data-driven AI hiring decision-making solution.
Theo's core function is to support hiring decisions by calculating the match (fit) between an organization and an applicant. It analyzes the similarity between the applicant and the behavioral and attitudinal characteristics of high-performing individuals within the company and predicts the candidate's suitability based on various factors, including job competency, values, and attitude. Based on these results, hiring decisions can be made, reducing the likelihood of hiring failure.
It also analyzes match rate trends and risk factors for each typical stage and suggests criteria to be verified in the next round. Interviewers can use this data to supplement any missing information about applicants and make more impartial decisions.
CEO Yoon explained, "In the past, hiring decisions were made based on the interviewer's intuition, but now hiring decisions can be made based on data." He added, "The era when hiring was called a 'comprehensive art' with no right answer is over, and it has been replaced by a scientific approach."
◼︎ Improved accuracy through multi-layered data linkage, including interviews and reputation checks.
"TEO" integrates and analyzes diverse data, including resumes, interview records, and reputation checks, to predict the suitability of candidates for organizations. It utilizes data from the interview record app, launched in March of this year, and existing reputation check services. The recruitment process is continuously progressed through stages—document review, interview, and reputation check—and as more applicant data accumulates, the accuracy of predictions improves.
COO Yoo Yong-yeon said, "TEO's role is to provide HR managers with more confidence in their decisions." While the final decision is made by a human, the analytical results provided by TEO serve as an objective basis, increasing the reliability of those decisions.
Another key to improving TEO's prediction accuracy is securing data on distinct talent profiles for each company. Specter redefines client talent profiles through a four-week onboarding process and refines job postings by analyzing the profiles of top internal talent. This data is used to train predictive models, and the more distinct the talent profiles, the more accurate the prediction of the organization-applicant match rate.
CEO Yoon explained, "As we continue to recruit new candidates using the 'TEO' solution, we also continuously accumulate profile data on successful candidates. The more we use the solution, the more accurate it becomes."
◼︎ 93.7% accuracy in hiring pass/fail predictions… Continuing the "world's first" innovation journey.
Specter developed the "TEO" AI prediction model based on hundreds of thousands of recruitment data sets, including applicants' competencies, reputations, organizational fit, and job performance. Currently, testing with five companies has resulted in a prediction accuracy of 93.7%. This is over 20 percentage points higher than the accuracy of Google's talent screening algorithm (approximately 70%).
Specter plans to continue its research and development efforts, collaborating with partners to improve model accuracy. Multilingual support is also planned for the global market. CEO Yoon stated, "We will continue to forge uncharted paths and solve pressing problems in the HR market," expressing his ambition to become a leader in innovation in the global HR industry.
「グーグルを超える精度で採用失敗を防ぐ」
– 120万件採用データ分析ベースのグローバルHR傾向とインサイト提示
-書類・面接・評判照会データ総合分析で企業-支援者間の「一致率」計算
-予測精度93.7%..「データベース採用意思決定」で採用失敗コスト削減目標
HRテックスタートアップ「Specter（代表ユン・ギョンウク）」が採用意思決定過程を革新する新規AIソリューション「TEO（テオ）」を公開した。
Specterは10月28日、ソウル三成洞繊維センタービルのテクスパーホールでHRトレンドセミナー「Decision 2025」を開催し、グローバルHR市場の「採用トレンドとデータ駆動型採用革新方向」を発表した。この日のセミナーには、200人余りの国内主要企業HR担当者と業界関係者が参加した中、ユン・ギョンウクSpecter代表(創業者)、ユ・ヨンヨンCOO(製品総括)、キム・ヒョヌHRアナリティクス総括が連写で参加した。
パート1では、グローバルHR業界の動向と「採用失敗」に伴うコストを自己分析したインサイトを共有し、パート2では採用失敗を防止する解決策としてAI採用意思決定ソリューション「TEO」を披露した。 「TEO」は、書類、面接、評判などの複合的なデータを基に、志願者と組織間の適合度を数値化し、迅速かつ公正な採用意思決定を支援する。
Specterは評判調査プラットフォームや面接録音分析アプリなど採用段階別の問題を解決するソリューションを引き続き発売し、現在まで国内外5,800社以上の企業の採用過程をよりスマートかつ効率的に支援している。 2021年評判調査プラットフォームの創業以来5年間、累積32万人の志願者に対する評判・面接データ120万件を確保したSpecterは、AIとデータ分析能力を組み合わせてHR市場革新を導いている。
◼︎企業成長に足首をつかむ致命的なリスク「採用失敗」
Specterによると、採用失敗*の代表的なタイプは▲低成果者（Low performer）▲早期退社（Early attribution）▲組織文化不適応（Culture misfit）ないが明確な成果もない構成員）など５つに区分される。このうち中性菓子タイプが最大の損失を招くが、構成比率が全入社者のうち２０～３０％と高く、組織内成長の低迷を誘発する波及効果が大きいためだ。
*採用失敗：入社者が職務成果、行動特性、組織文化の観点から期待水準に達せず、生産性の低下、没入度の低下、組織コストの損失を招く場合。
採用失敗は単純人件費損失で終わらず、経営損益にまで大きな影響を及ぼす。キム・ヒョヌSpecter総括は「採用失敗費用データを分析した結果、1人採用失敗時に2億1070万ウォンの費用が発生する。1人の誤った採用が組織全体の成長を止めることができる」と説明した。より大きな問題は、この費用が累積され、引き続き費用負担を高めるという点だ。
採用失敗を減らしてコストを削減することが企業のビジネス成果と直結する理由だ。ユン代表は「採用失敗費用を減らすには、正確で体系的な人材検証システムで採用の質を高めることが重要だ」と強調した。
◼︎採用意思決定支援ソリューション「TEO」…データによる採用失敗防止
これらの採用失敗のコストリスクを減らすために、Specterはデータ駆動型AI採用意思決定ソリューション「TEO」を開発しました。
テオの核心機能は組織と志願者の一致率（適合性）を計算して採用意思決定を支援することである。企業内の高性能者の行動・態度特性を基準に志願者と類似度を分析し、職務能力、価値観、態度など様々な側面で人材の適合性を予測する。この結果に基づいて採用可否を判断すれば、採用失敗確率を減らすことができる。
また、選考段階別に一致率の推移とリスク要因を分析し、次の選考で検証すべき基準を提案する。面接官はこのデータを参考にして、志願者に関する不足した情報を補完し、より公正な判断を下すことができる。
ユン代表は「過去には面接官の感に依存して合金を決めたならば、今はデータに基づいて採用意思決定を下すことができるようになった」とし「採用が正解のない「総合芸術」と呼ばれた時代は劣り、科学的なアプローチに変わった」と説明した。
◼︎面接・評判照会など多層的データ連動で精度向上
「TEO」は履歴書・面接記録・評判調査など多様なデータを統合分析して組織と志願者間の適合性を予測する。今年3月に発売した面接記録アプリと既存評判照会サービスからデータを連動して活用する。書類→面接→評判照会など採用選考を段階的に継続し、志願者に対するデータが累積するほど予測精度も高くなる。
ユ・ヨンヨンCOOは「「TEO」の役割は人事担当者の決定に確信を加えるものだ」と話した。最終意思決定は人が下すが、「TEO」が提供する分析結果が客観的根拠として作用して判断の信頼度を高めるという説明だ。
「TEO」の予測精度を高めるもう一つの核心は、企業別の明確な人材賞データ確保だ。 Specterは約4週間のオンボーディング過程を通じて顧客会社の人材像を再定義し、内部優秀人材のプロファイルを分析して採用公告を具体化する。このように収集されたデータは予測モデルの学習に活用され、人材上の特徴が明確になるほど組織-支援者一致率予測の精度がより高くなる。
ユン代表は「「TEO」ソリューションを使用する期間中、新規採用を継続しながら合格者プロファイルデータも蓄積され続ける。ソリューションの使用を継続するほど精度がさらに洗練される構造」と説明した。
◼︎採用合金予測精度93.7％… 「世界初」イノベーション歩み続ける
Specterは、応募者の能力、評判、組織適合度、業務成果など、数十万件の採用データに基づいて「TEO」のAI予測モデルを開発した。現在5社とのテスト結果予測精度93.7％を達成した。これは、Googleの人材検証アルゴリズムの精度（約70％）より20％p以上高いレベルです。
Specterは今後もパートナーと協力してモデル精度を高めるための研究開発を続ける計画だ。グローバル市場を狙って多言語支援機能も追加される予定だ。ユン代表は「今後も誰も行っていない道を進んでHR市場に山積んだ問題を解決していくだろう」とし、グローバルHR業界革新に先頭に立つという抱負を明らかにした。
“以超越谷歌的精准度防止招聘失败”……Specter 在人力资源趋势研讨会“Decision 2025”上发布 AI 招聘决策解决方案“TEO”
– 通过对120万个招聘数据案例的分析，呈现全球人力资源趋势和见解。
-通过对文件、面试和声誉数据的综合分析，计算公司和申请人之间的“匹配率”。
– 预测准确率：93.7%… 数据驱动的招聘决策旨在降低招聘失败成本。
人力资源科技初创公司 Specter（首席执行官 Kyungwook Yoon）推出了一项新的人工智能解决方案 TEO，它将彻底改变招聘决策流程。
10月28日，Specter在首尔三成洞纤维中心大厦Texpa大厅举办了题为“Decision 2025”的人力资源趋势研讨会，介绍了全球人力资源市场的“招聘趋势和数据驱动的招聘创新方向”。来自韩国主要企业的约200名人力资源经理和业内人士参加了此次研讨会，演讲嘉宾包括Specter首席执行官（创始人）尹京旭、首席运营官（产品负责人）刘永延和人力资源分析总监金亨宇。
在第一部分中，我们分享了自身对全球人力资源行业趋势以及招聘失败成本的分析见解。在第二部分中，我们介绍了“TEO”，一款基于人工智能的招聘决策解决方案，旨在防止招聘失败。“TEO”基于包括文档、面试和声誉在内的复杂数据，量化候选人与组织之间的契合度，从而实现快速、公平的招聘决策。
Specter 推出了一系列解决方案，以应对招聘流程各个阶段的挑战，包括声誉验证平台和面试记录分析应用程序。迄今为止，该公司已为超过 5,800 家国内外公司提供更智能、更高效的招聘流程支持。自 2021 年推出声誉验证平台以来，Specter 在过去五年中已为 32 万名求职者积累了 120 万个声誉和面试数据点。Specter 结合人工智能和数据分析能力，正在推动人力资源市场的创新。
◼︎ 招聘失败：阻碍企业发展的关键风险
Specter 认为，最常见的五种招聘失败类型*包括： ▲绩效不佳者 ▲早期归因 ▲文化不匹配 ▲有害员工（员工的态度、言行会损害组织氛围和同事的参与度） ▲中性绩效员工（既不制造问题，也不取得显著成果的员工）。其中，中性绩效员工类型造成的损失最大，因为他们在新员工中占比很高（20-30%），并且会引发严重的连锁反应，导致组织内部增长停滞。
*招聘失败：当新员工在工作绩效、行为特征或组织文化方面未能达到预期，导致生产力下降、参与度下降和组织成本损失。
招聘失败不仅会导致劳动力成本损失，还会对企业盈利能力造成重大影响。Specter总经理金亨宇（Kim Hyung-woo）解释说：“根据我们对招聘失败成本数据的分析，一次招聘失败就可能造成2.107亿韩元的损失。一次糟糕的招聘就足以阻碍整个组织的发展。” 更大的问题是，这些成本会累积起来，不断增加财务负担。
因此，减少招聘失败并降低成本与公司的业绩息息相关。尹代表强调：“为了降低招聘失败的成本，通过准确且系统的人才验证系统来提高招聘质量至关重要。”
◼︎ “TEO”，一种帮助做出招聘决策的解决方案……利用数据防止招聘失败
为了降低这些招聘失败的成本风险，Specter 开发了“TEO”，一种数据驱动的 AI 招聘决策解决方案。
Theo 的核心功能是通过计算组织与求职者的匹配度来支持招聘决策。它分析求职者与公司内高绩效员工的行为和态度特征之间的相似性，并根据工作能力、价值观和态度等各种因素预测候选人的适合度。基于这些结果，可以做出招聘决策，从而降低招聘失败的可能性。
它还会分析每个典型阶段的匹配率趋势和风险因素，并建议下一轮需要验证的标准。面试官可以利用这些数据来补充申请人缺失的信息，从而做出更公正的决策。
尹首席执行官解释道：“过去，招聘决策是基于面试官的直觉，但现在招聘决策可以根据数据做出。”他补充道：“招聘被称为‘综合艺术’、没有正确答案的时代已经结束，取而代之的是科学方法。”
◼︎通过多层次数据链接（包括访谈和声誉检查）提高准确性。
“TEO”整合并分析简历、面试记录、信誉调查等多种数据，预测候选人是否适合公司。它利用了今年3月上线的面试记录应用程序以及现有的信誉调查服务的数据。招聘流程会经过文件审查、面试、信誉调查等阶段，随着申请人数据的积累，预测的准确性也会不断提高。
首席运营官 Yoo Yong-yeon 表示：“TEO 的作用是让人力资源经理对自己的决策更有信心。” 虽然最终决策是由人做出的，但 TEO 提供的分析结果可以作为客观依据，从而提高决策的可靠性。
提高 TEO 预测准确性的另一个关键是确保每家公司都有独特的人才档案数据。Specter 通过为期四周的入职流程重新定义客户的人才档案，并通过分析内部顶尖人才的档案来优化职位发布。这些数据用于训练预测模型，人才档案越独特，预测组织与求职者的匹配率就越准确。
尹社长解释道：“随着我们持续使用‘TEO’解决方案招募新候选人，我们也在不断积累成功候选人的个人资料数据。我们使用该解决方案的次数越多，其准确性就越高。”
◼︎招聘通过/失败预测准确率高达 93.7%……继续“世界第一”的创新之旅。
Specter 基于数十万份招聘数据集，开发了“TEO”AI 预测模型，涵盖求职者的能力、声誉、组织契合度、工作绩效等多个维度。目前，在 5 家公司进行的测试中，预测准确率已达 93.7%，比谷歌人才筛选算法的准确率（约 70%）高出 20 个百分点以上。
Specter 计划继续进行研发，并与合作伙伴携手提升模型准确性。此外，Specter 还计划为全球市场提供多语言支持。首席执行官尹永健表示：“我们将继续开拓创新，解决人力资源市场的紧迫问题。” 他表达了成为全球人力资源行业创新领导者的雄心。
« Prévenir les erreurs de recrutement avec une précision supérieure à celle de Google »… Specter dévoile « TEO », une solution d’aide à la décision en matière de recrutement basée sur l’IA, lors du séminaire HR Trend « Decision 2025 ».
– Présentation des tendances et des perspectives mondiales en matière de RH, basées sur l'analyse de 1,2 million de cas de données de recrutement.
-Calcul du « taux de correspondance » entre les entreprises et les candidats grâce à une analyse approfondie des documents, des entretiens et des données de réputation.
– Précision des prédictions : 93,7 %… La prise de décision en matière d’embauche fondée sur les données vise à réduire les coûts liés aux échecs de recrutement.
La startup technologique RH Specter (PDG Kyungwook Yoon) a dévoilé une nouvelle solution d'IA, TEO, qui va révolutionner le processus de prise de décision en matière d'embauche.
Le 28 octobre, Specter a organisé un séminaire sur les tendances RH intitulé « Décision 2025 » au Texpa Hall du Textile Center Building à Samseong-dong, Séoul. Ce séminaire a présenté les tendances mondiales en matière de recrutement et les orientations de l'innovation en matière de recrutement axée sur les données. Environ 200 responsables RH et experts du secteur issus de grandes entreprises chinoises ont assisté à ce séminaire. Parmi les intervenants figuraient Kyungwook Yoon, PDG (fondateur) de Specter, Yongyeon Yoo, directeur des opérations (responsable produit), et Hyungwoo Kim, directeur de l'analyse RH.
Dans la première partie, nous avons partagé les conclusions de notre analyse des tendances mondiales du secteur des RH et des coûts liés aux échecs de recrutement. Dans la deuxième partie, nous avons présenté « TEO », une solution d'aide à la décision en matière de recrutement basée sur l'IA, conçue pour prévenir ces échecs. « TEO » évalue l'adéquation entre un candidat et l'entreprise à partir de données complexes, telles que les documents, les entretiens et la réputation du candidat, permettant ainsi des décisions de recrutement rapides et équitables.
Specter a lancé une série de solutions répondant aux défis de chaque étape du processus de recrutement, notamment une plateforme de vérification de la réputation et une application d'analyse des enregistrements d'entretiens. À ce jour, elle accompagne plus de 5 800 entreprises, en France et à l'international, dans leurs recrutements, en les rendant plus intelligents et plus efficaces. Depuis le lancement de sa plateforme de vérification de la réputation en 2021, Specter a collecté 1,2 million de données relatives à la réputation et aux entretiens de 320 000 candidats au cours des cinq dernières années. En combinant intelligence artificielle et analyse de données, Specter est un moteur d'innovation sur le marché des ressources humaines.
◼︎ Le défaut d'embauche : un risque critique qui freine la croissance de l'entreprise
Selon Specter, les cinq erreurs de recrutement les plus fréquentes* sont : ▲Les collaborateurs peu performants ▲L’attribution prématurée des erreurs ▲L’incompatibilité culturelle ▲Les recrutements toxiques (dont l’attitude, les paroles et les actions nuisent à l’ambiance de travail et à l’engagement des collègues) ▲Les collaborateurs aux performances neutres (qui ne causent ni problèmes ni résultats significatifs). Parmi ces erreurs, les collaborateurs aux performances neutres sont les plus préjudiciables, car ils représentent une part importante des nouvelles recrues (20 à 30 %) et ont un impact considérable sur la croissance de l’organisation.
*Échec du recrutement : lorsqu’un nouvel employé ne répond pas aux attentes en termes de performance au travail, de caractéristiques comportementales ou de culture organisationnelle, ce qui entraîne une baisse de la productivité, une diminution de l’engagement et des pertes pour l’organisation.
Les erreurs de recrutement ne se traduisent pas seulement par des pertes de coûts de main-d'œuvre ; elles peuvent avoir un impact considérable sur la rentabilité d'une entreprise. Kim Hyung-woo, directeur général de Specter, explique : « D'après notre analyse des coûts liés aux échecs de recrutement, un seul recrutement raté coûte 210,7 millions de wons. Un seul mauvais recrutement peut freiner la croissance de toute une organisation. » Le problème majeur réside dans l'accumulation de ces coûts, qui alourdissent sans cesse la charge financière.
C’est pourquoi la réduction des erreurs de recrutement et des coûts qui en découlent est directement liée à la performance de l’entreprise. Le PDG, M. Yoon, a souligné : « Pour réduire le coût des erreurs de recrutement, il est essentiel d’améliorer la qualité du processus grâce à un système de vérification des talents précis et systématique. »
◼︎ « TEO », une solution qui facilite les décisions de recrutement… Évitez les erreurs de recrutement grâce aux données
Pour réduire les risques financiers liés à ces échecs de recrutement, Specter a développé « TEO », une solution de prise de décision en matière de recrutement basée sur l'IA et les données.
La fonction principale de Theo est d'aider à la prise de décision en matière de recrutement en évaluant l'adéquation entre une organisation et un candidat. Il analyse la similarité entre le candidat et les caractéristiques comportementales et attitudenelles des employés les plus performants de l'entreprise et prédit son adéquation au poste en fonction de divers facteurs, tels que les compétences professionnelles, les valeurs et l'attitude. Grâce à ces résultats, les décisions de recrutement peuvent être prises en toute connaissance de cause, réduisant ainsi le risque d'échec.
Il analyse également les tendances des taux de correspondance et les facteurs de risque pour chaque étape type et suggère des critères à vérifier lors du tour suivant. Les intervieweurs peuvent utiliser ces données pour compléter les informations manquantes sur les candidats et prendre des décisions plus impartiales.
Le PDG Yoon a expliqué : « Auparavant, les décisions d’embauche reposaient sur l’intuition de l’intervieweur, mais aujourd’hui, elles peuvent être fondées sur des données. » Il a ajouté : « L’époque où l’embauche était considérée comme un art complexe sans solution unique est révolue ; elle a été remplacée par une approche scientifique. »
◼︎ Amélioration de la précision grâce à la liaison de données à plusieurs niveaux, y compris des entretiens et des vérifications de réputation.
TEO intègre et analyse diverses données, telles que les CV, les comptes rendus d'entretiens et les vérifications de réputation, afin de prédire l'adéquation des candidats aux organisations. L'application exploite les données issues des comptes rendus d'entretiens, lancée en mars dernier, ainsi que les services de vérification de réputation existants. Le processus de recrutement se déroule en plusieurs étapes : examen des documents, entretien et vérification de réputation. Plus les données relatives aux candidats s'accumulent, plus la précision des prédictions s'améliore.
Selon Yoo Yong-yeon, directeur des opérations, « le rôle de TEO est de renforcer la confiance des responsables RH dans leurs décisions ». Bien que la décision finale revienne à un humain, les résultats analytiques fournis par TEO constituent une base objective, améliorant ainsi la fiabilité de ces décisions.
Un autre facteur clé pour améliorer la précision des prédictions de TEO est l'obtention de données sur les profils de talents spécifiques à chaque entreprise. Specter redéfinit les profils de talents de ses clients grâce à un processus d'intégration de quatre semaines et affine les offres d'emploi en analysant les profils de ses meilleurs talents internes. Ces données servent à entraîner des modèles prédictifs ; plus les profils de talents sont distincts, plus la prédiction du taux d'adéquation entre l'entreprise et les candidats est précise.
Le PDG Yoon a expliqué : « En recrutant de nouveaux candidats grâce à la solution « TEO », nous enrichissons constamment les profils des candidats retenus. Plus nous utilisons cette solution, plus elle devient précise. »
◼︎ Précision de 93,7 % dans les prédictions de réussite/échec à l'embauche… Poursuivant le parcours d'innovation « une première mondiale ».
Specter a développé le modèle de prédiction par IA « TEO » à partir de centaines de milliers de données de recrutement, incluant les compétences, la réputation, l'adéquation à l'entreprise et les performances professionnelles des candidats. Actuellement, les tests menés auprès de cinq entreprises affichent une précision de prédiction de 93,7 %. Ce chiffre est supérieur de plus de 20 points de pourcentage à la précision de l'algorithme de sélection des talents de Google (environ 70 %).
Specter prévoit de poursuivre ses efforts de recherche et développement, en collaboration avec des partenaires, afin d'améliorer la précision de ses modèles. Une prise en charge multilingue est également prévue pour le marché mondial. Le PDG, M. Yoon, a déclaré : « Nous continuerons d'innover et de résoudre les problèmes urgents du marché des RH », exprimant ainsi son ambition de devenir un chef de file de l'innovation dans le secteur mondial des RH.
You must be logged in to post a comment.