포지션 상세
AI가 사람을 평가하는 시대, 그 기준을 우리가 만들어요
채용은 회사가 내리는 결정 중 가장 중요하고, 되돌리기도 어려운 결정이에요.
그런데 그 결정은 여전히 몇 장의 이력서와 짧은 면접, 그리고 사람의 직관에 크게 기대고 있죠.
스펙터는 이 문제를 평판 데이터에서부터 풀기 시작했어요.
런칭 5년 만에 6,800개 이상의 기업이 스펙터로 사람을 검증하고 있고, 이제 그 데이터 위에서 다음 단계로 가고 있어요. 서류·평판·면접 데이터를 하나로 연결해, 사람을 더 정확하게 이해하는 AI예요.
우리가 원하는 건 채용을 조금 더 편리하게 만드는 게 아니에요.
"사람을 판단하는 방식 자체를 바꾸는 것. 직관에서 데이터로, 단편적인 정보에서 연결된 의사결정으로."
그 기준을 처음부터 함께 설계할 Product Manager를 찾고 있어요.
■ 합류하면 맡게 될 제품
스펙터는 평판조회라는 시장을 직접 만들고 증명해 온 회사예요.
이제 그 시장에서 쌓은 데이터와 고객 이해를 바탕으로, 더 큰 문제에 도전하고 있어요.
한 사람의 서류·평판·인터뷰 데이터를 AI가 이해하고 연결해, 기업이 사람을 더 정확하게 판단하도록 돕는 것.
TEO와 Effy가 바로 그 도전의 중심에 있는 제품이에요.
[TEO — 채용 의사결정 AI]
TEO는 지원자의 서류·평판·면접 데이터를 하나의 기준으로 연결·분석해 채용 의사결정을 돕는 AI 제품이에요.
지원자 정보를 요약하는 데 그치지 않고, 이런 것들을 구조적으로 분석해요.
• 어떤 경험이 포지션의 요구사항과 연결되는지
• 역량을 뒷받침하는 실제 근거는 무엇인지
• 서로 다른 채용 데이터가 일관된 신호를 보내는지
• 추가로 확인해야 할 리스크는 무엇인지
지금의 채용은 서류를 사람이 한 장씩 읽고 담당자마다 다른 기준으로 걸러요. 서류·평판·면접 정보는 따로 흩어져 하나의 결론으로 이어지지 않고, 왜 이 사람을 뽑았는지 근거를 남기기도 어려워요.
TEO는 이 데이터를 하나의 기준으로 연결하고, 판단의 근거와 추가로 확인할 리스크까지 정리해 줘요. 채용 담당자는 그 근거를 보고 더 빠르고 정확하게 결정해요.
AI가 "좋은 지원자입니다"라고 말하는 데서 멈추지 않아요. 왜 그렇게 판단했는지 설명하고, 채용 담당자가 그 판단을 믿고 결정할 수 있게 만들어요.
이미 20여 개 대기업이 TEO를 도입했고, 7만여 명의 지원자를 TEO가 스크리닝해 합격과 불합격을 결정했어요.
[Effy — AI 면접관]
Effy는 지원자와 직접 대화하며 역량을 검증하는 AI Voice Interview 제품이에요.
답변에 따라 실시간으로 다음 질문과 꼬리질문을 만들고, 인터뷰 전체를 구조화해 평가해요.
지금의 면접은 면접관의 역량과 그날 컨디션에 따라 질이 달라지고, 지원자가 몰리는 공채에서는 모두를 깊이 있게 면접하기 어려워요. 평가 기준은 면접관 머릿속에만 있어 결과를 설명하기도 어렵죠.
Effy는 모든 지원자와 같은 기준으로 깊이 있는 면접을 진행하고, 꼬리질문을 이어가며 실제 역량을 검증해요. 인터뷰 전체를 구조화해 평가하고, 합격·불합격까지 판단해요.
Effy를 처음 설계할 때 세운 목표는 분명했어요. 구글·맥킨지의 최고 수준 면접관보다 면접을 더 잘 보는 것.
그래서 최고 수준 면접관의 사고 프로세스를 그대로 구현했고, 지금은 그 목표에 도달했어요. 좋은 질문을 만드는 데서 멈추지 않고, 이런 것까지 스스로 판단해요.
• 어떤 질문을 해야 실제 역량을 검증할 수 있는가
• 어떤 답변을, 무엇을 근거로 평가해야 하는가
• 제한된 시간 안에서 무엇을 더 깊게 파고들어야 하는가
이 질문들에 답하는 게 곧 Effy를 만드는 일이에요.
이미 17개 대기업이 공채에 Effy를 도입했고, 3만여 명의 지원자가 Effy와 면접을 봤어요. 그리고 그 합격과 불합격을 Effy가 판단했어요.
실험실이 아니라 실제 채용 현장에서 증명된 성능이에요.
■ 스펙터 PM으로 일한다는 것
1. 정답이 없는 문제의 첫 번째 답을 써요
스펙터는 늘 세상에 없던 문제를 풀어 왔어요. 평판조회가 그랬고, TEO와 Effy도 마찬가지예요.
AI는 면접을 어떻게 진행해야 하는지, 서류·평판·면접 데이터는 어떻게 연결해야 하는지, 기업은 AI의 판단을 어디까지 신뢰할 수 있는지. 모두 아직 시장에 정답이 없는 질문들이에요.
그래서 경쟁사 화면을 Benchmark하는 일보다 문제를 정의하고, 새로운 Product Standard를 세우는 일에 훨씬 많은 시간을 써요.
누군가 만든 Playbook을 잘 실행하는 것을 넘어, Playbook을 직접 만들어 보고 싶은 PM에게 딱 맞는 환경이에요.
2. 검증된 시장 위에서 더 큰 문제에 도전해요
6,800개 이상의 기업, 국내 상장사의 38%가 스펙터를 쓰고 있어요.
1~3Q 연속 BEP를 달성하며 스스로 성장할 수 있는 회사가 됐고, TEO와 Effy도 이미 대기업 채용 현장에서 쓰이고 있어요.
시장을 처음부터 증명해야 하는 부담 없이, 검증된 고객과 데이터 위에서 더 큰 문제에 집중할 수 있어요.
이번 주에 만든 기능이 다음 주 고객의 실제 채용에 쓰이고, 고객의 반응과 데이터는 곧바로 다음 의사결정으로 돌아와요. 제품 고객 데이터 개선의 사이클이 정말 빠르게 돌아요.
내 판단이 맞았는지, 분기 리뷰를 기다리지 않고 다음 주 데이터로 확인할 수 있어요.
3. 높은 기준을 가진 동료들과 함께해요
토스·배민·네이버·카카오의 Product 조직을 경험한 동료들과 글로벌 전략 컨설팅 출신 경영진이 함께하고 있어요.
우리는 직급이나 연차가 아니라 논리와 데이터로 이야기해요. 개발자, 디자이너, 비즈니스 조직, 리더십이 한 문제를 두고 깊이 논의하고, 가장 좋은 답이 제품의 방향을 정해요.
PM에게 요구하는 기준도 높아요. 대신 그만큼 커리어에서 가장 밀도 높게 성장하는 시간이 될 거예요.
■ 솔직하게 덧붙이는 스펙터의 일하는 방식
"네, 솔직히 말씀드리면 저희 Hard-working 합니다."
이미 궤도에 올라 시스템이 모든 것을 굴려가는 안정화된 기업이라면, 주어진 효율 안에서 정시 퇴근과 완벽한 워라밸을 지키는 것이 미덕일 수 있습니다.
하지만 스펙터는 지금 시장의 룰을 부수고 10배, 100배의 폭발적인 성장을 만들어내야 하는 야수들의 구간을 지나고 있습니다. 우리는 어떻게든 '일이 되게' 만들어야 합니다. 수많은 가설을 세우고, 집요하게 실행하고, 다시 회고하는 과정을 숨 가쁘게 반복합니다. 그러다 보면 물리적인 퇴근 시간이 늦어질 수도 있고, 주말에도 유저의 데이터 지표를 들여다보게 될지도 모릅니다.
하지만 한 가지는 확실하게 약속드립니다. 누군가의 눈치를 보며 자리를 지키는 '의미 없는 야근'이나 '보여주기식 야근'은 스펙터에 없습니다. 당신이 쏟아부은 그 밀도 높은 몰입의 시간은, 전 세계 HR 시장을 뒤바꿨다는 훈장과 당신 커리어 역사상 가장 가파른 J커브(성장과 보상)로 정확하게 치환될 것입니다.
시계의 바늘보다, 제품의 지표가 움직일 때 더 큰 아드레날린을 느끼는 분. '적당한 타협'보다 '압도적인 성취'에 가슴이 뛰는 진짜 PM을 기다립니다.
• 고객 VOC, 제품 데이터, Business Context에서 가장 중요한 문제를 찾고 무엇을 먼저 풀지 결정해요.
• 문제 정의 가설 Solution 정책 개발 출시 데이터 확인 개선까지 Product Cycle 전체를 리딩해요.
• 요구사항을 그대로 받아 적지 않아요. 왜 필요한지, 지금 풀어야 하는 문제인지, 더 나은 방법은 없는지부터 판단해요.
• 고객이 원하는 것, 비즈니스에 필요한 것, 기술적으로 가능한 것 사이에서 가장 좋은 답을 찾아요.
• 개발자·디자이너에게 정답을 전달하기보다 문제와 Context를 충분히 공유하고, 함께 최적의 Solution을 찾아요.
• 정답이 없는 상황에서도 필요한 정보를 빠르게 모아 판단하고, 팀이 다음 단계로 나아가게 해요.
[AI가 사람을 평가하는 방식을 설계해요]
• LLM과 AI Agent가 제품 안에서 어떤 역할을 해야 하는지 정의하고, 제품화부터 개선까지 End-to-End로 리딩해요.
• 모델 API를 연결하는 데 그치지 않고, Prompt·Context·Tool·Data·Evaluation·UX가 하나의 시스템으로 동작하도록 설계해요.
• 질문 생성 인터뷰 평가 리포트 같은 AI Workflow를 설계하고, 단계별 입출력 데이터를 정의해요.
• 모델 성능만으로 풀리지 않는 문제는 제품 구조, 데이터 흐름, UX와 정책으로 풀어요. PM의 설계가 가장 큰 차이를 만드는 영역이에요.
• 새로운 모델과 기술을 빠르게 실험하되, 고객에게 실제로 더 좋은 결과를 만드는지를 기준으로 제품에 적용해요.
[Enterprise 고객과 가장 가까운 곳에서 제품을 만들어요]
• 단순한 운영 지원이 아니에요. 고객의 현장은 제품을 가장 깊게 이해할 수 있는 Product Discovery의 장이에요.
• 필요하면 고객의 실제 채용 Cycle에 함께 들어가 제품이 어떻게 쓰이는지 직접 보고, 세일즈 조직과 고객 미팅에 참석해 현업의 문제를 들어요.
• 한 고객의 요청을 그대로 Custom Feature로 만들지 않아요. 여러 고객에게 반복되는 문제인지 판단해 Product Standard로 일반화하고, Roadmap으로 연결해요.
• 독립적인 Problem Solving: 정리된 요구사항을 실행하는 데 그치지 않고, 모호한 문제를 스스로 구조화해 무엇을 풀지 정의할 수 있는 분
• End-to-End Product 경험: 문제 정의부터 출시, 데이터 확인, 개선까지 하나의 제품 또는 주요 기능의 전체 Cycle을 직접 리딩해 본 분. 0 to 1이나 빠른 스케일업 구간이었다면 더 좋아요.
• Data-driven Decision Making: 정성적 의견뿐 아니라 제품·고객 데이터를 직접 분석해 의사결정의 근거로 삼을 수 있는 분
• 비즈니스 감각: 화면보다 먼저, 이 제품이 고객의 비용을 얼마나 줄이고 회사의 매출에 어떻게 기여하는지를 고민하는 분
[7년 이상이라면 추가로]
• 중장기 Roadmap 수립 경험: 시장·고객·비즈니스·기술을 함께 보며 중장기 Product Strategy와 Roadmap을 설계해 본 분
• Cross-functional Team 리딩 경험: PM 또는 Cross-functional Team의 기준을 높이고, 팀이 더 좋은 문제를 더 좋은 방식으로 풀도록 이끌어 본 분
채용은 회사가 내리는 결정 중 가장 중요하고, 되돌리기도 어려운 결정이에요.
그런데 그 결정은 여전히 몇 장의 이력서와 짧은 면접, 그리고 사람의 직관에 크게 기대고 있죠.
스펙터는 이 문제를 평판 데이터에서부터 풀기 시작했어요.
런칭 5년 만에 6,800개 이상의 기업이 스펙터로 사람을 검증하고 있고, 이제 그 데이터 위에서 다음 단계로 가고 있어요. 서류·평판·면접 데이터를 하나로 연결해, 사람을 더 정확하게 이해하는 AI예요.
우리가 원하는 건 채용을 조금 더 편리하게 만드는 게 아니에요.
"사람을 판단하는 방식 자체를 바꾸는 것. 직관에서 데이터로, 단편적인 정보에서 연결된 의사결정으로."
그 기준을 처음부터 함께 설계할 Product Manager를 찾고 있어요.
■ 합류하면 맡게 될 제품
스펙터는 평판조회라는 시장을 직접 만들고 증명해 온 회사예요.
이제 그 시장에서 쌓은 데이터와 고객 이해를 바탕으로, 더 큰 문제에 도전하고 있어요.
한 사람의 서류·평판·인터뷰 데이터를 AI가 이해하고 연결해, 기업이 사람을 더 정확하게 판단하도록 돕는 것.
TEO와 Effy가 바로 그 도전의 중심에 있는 제품이에요.
[TEO — 채용 의사결정 AI]
TEO는 지원자의 서류·평판·면접 데이터를 하나의 기준으로 연결·분석해 채용 의사결정을 돕는 AI 제품이에요.
지원자 정보를 요약하는 데 그치지 않고, 이런 것들을 구조적으로 분석해요.
• 어떤 경험이 포지션의 요구사항과 연결되는지
• 역량을 뒷받침하는 실제 근거는 무엇인지
• 서로 다른 채용 데이터가 일관된 신호를 보내는지
• 추가로 확인해야 할 리스크는 무엇인지
지금의 채용은 서류를 사람이 한 장씩 읽고 담당자마다 다른 기준으로 걸러요. 서류·평판·면접 정보는 따로 흩어져 하나의 결론으로 이어지지 않고, 왜 이 사람을 뽑았는지 근거를 남기기도 어려워요.
TEO는 이 데이터를 하나의 기준으로 연결하고, 판단의 근거와 추가로 확인할 리스크까지 정리해 줘요. 채용 담당자는 그 근거를 보고 더 빠르고 정확하게 결정해요.
AI가 "좋은 지원자입니다"라고 말하는 데서 멈추지 않아요. 왜 그렇게 판단했는지 설명하고, 채용 담당자가 그 판단을 믿고 결정할 수 있게 만들어요.
이미 20여 개 대기업이 TEO를 도입했고, 7만여 명의 지원자를 TEO가 스크리닝해 합격과 불합격을 결정했어요.
[Effy — AI 면접관]
Effy는 지원자와 직접 대화하며 역량을 검증하는 AI Voice Interview 제품이에요.
답변에 따라 실시간으로 다음 질문과 꼬리질문을 만들고, 인터뷰 전체를 구조화해 평가해요.
지금의 면접은 면접관의 역량과 그날 컨디션에 따라 질이 달라지고, 지원자가 몰리는 공채에서는 모두를 깊이 있게 면접하기 어려워요. 평가 기준은 면접관 머릿속에만 있어 결과를 설명하기도 어렵죠.
Effy는 모든 지원자와 같은 기준으로 깊이 있는 면접을 진행하고, 꼬리질문을 이어가며 실제 역량을 검증해요. 인터뷰 전체를 구조화해 평가하고, 합격·불합격까지 판단해요.
Effy를 처음 설계할 때 세운 목표는 분명했어요. 구글·맥킨지의 최고 수준 면접관보다 면접을 더 잘 보는 것.
그래서 최고 수준 면접관의 사고 프로세스를 그대로 구현했고, 지금은 그 목표에 도달했어요. 좋은 질문을 만드는 데서 멈추지 않고, 이런 것까지 스스로 판단해요.
• 어떤 질문을 해야 실제 역량을 검증할 수 있는가
• 어떤 답변을, 무엇을 근거로 평가해야 하는가
• 제한된 시간 안에서 무엇을 더 깊게 파고들어야 하는가
이 질문들에 답하는 게 곧 Effy를 만드는 일이에요.
이미 17개 대기업이 공채에 Effy를 도입했고, 3만여 명의 지원자가 Effy와 면접을 봤어요. 그리고 그 합격과 불합격을 Effy가 판단했어요.
실험실이 아니라 실제 채용 현장에서 증명된 성능이에요.
■ 스펙터 PM으로 일한다는 것
1. 정답이 없는 문제의 첫 번째 답을 써요
스펙터는 늘 세상에 없던 문제를 풀어 왔어요. 평판조회가 그랬고, TEO와 Effy도 마찬가지예요.
AI는 면접을 어떻게 진행해야 하는지, 서류·평판·면접 데이터는 어떻게 연결해야 하는지, 기업은 AI의 판단을 어디까지 신뢰할 수 있는지. 모두 아직 시장에 정답이 없는 질문들이에요.
그래서 경쟁사 화면을 Benchmark하는 일보다 문제를 정의하고, 새로운 Product Standard를 세우는 일에 훨씬 많은 시간을 써요.
누군가 만든 Playbook을 잘 실행하는 것을 넘어, Playbook을 직접 만들어 보고 싶은 PM에게 딱 맞는 환경이에요.
2. 검증된 시장 위에서 더 큰 문제에 도전해요
6,800개 이상의 기업, 국내 상장사의 38%가 스펙터를 쓰고 있어요.
1~3Q 연속 BEP를 달성하며 스스로 성장할 수 있는 회사가 됐고, TEO와 Effy도 이미 대기업 채용 현장에서 쓰이고 있어요.
시장을 처음부터 증명해야 하는 부담 없이, 검증된 고객과 데이터 위에서 더 큰 문제에 집중할 수 있어요.
이번 주에 만든 기능이 다음 주 고객의 실제 채용에 쓰이고, 고객의 반응과 데이터는 곧바로 다음 의사결정으로 돌아와요. 제품 고객 데이터 개선의 사이클이 정말 빠르게 돌아요.
내 판단이 맞았는지, 분기 리뷰를 기다리지 않고 다음 주 데이터로 확인할 수 있어요.
3. 높은 기준을 가진 동료들과 함께해요
토스·배민·네이버·카카오의 Product 조직을 경험한 동료들과 글로벌 전략 컨설팅 출신 경영진이 함께하고 있어요.
우리는 직급이나 연차가 아니라 논리와 데이터로 이야기해요. 개발자, 디자이너, 비즈니스 조직, 리더십이 한 문제를 두고 깊이 논의하고, 가장 좋은 답이 제품의 방향을 정해요.
PM에게 요구하는 기준도 높아요. 대신 그만큼 커리어에서 가장 밀도 높게 성장하는 시간이 될 거예요.
■ 솔직하게 덧붙이는 스펙터의 일하는 방식
"네, 솔직히 말씀드리면 저희 Hard-working 합니다."
이미 궤도에 올라 시스템이 모든 것을 굴려가는 안정화된 기업이라면, 주어진 효율 안에서 정시 퇴근과 완벽한 워라밸을 지키는 것이 미덕일 수 있습니다.
하지만 스펙터는 지금 시장의 룰을 부수고 10배, 100배의 폭발적인 성장을 만들어내야 하는 야수들의 구간을 지나고 있습니다. 우리는 어떻게든 '일이 되게' 만들어야 합니다. 수많은 가설을 세우고, 집요하게 실행하고, 다시 회고하는 과정을 숨 가쁘게 반복합니다. 그러다 보면 물리적인 퇴근 시간이 늦어질 수도 있고, 주말에도 유저의 데이터 지표를 들여다보게 될지도 모릅니다.
하지만 한 가지는 확실하게 약속드립니다. 누군가의 눈치를 보며 자리를 지키는 '의미 없는 야근'이나 '보여주기식 야근'은 스펙터에 없습니다. 당신이 쏟아부은 그 밀도 높은 몰입의 시간은, 전 세계 HR 시장을 뒤바꿨다는 훈장과 당신 커리어 역사상 가장 가파른 J커브(성장과 보상)로 정확하게 치환될 것입니다.
시계의 바늘보다, 제품의 지표가 움직일 때 더 큰 아드레날린을 느끼는 분. '적당한 타협'보다 '압도적인 성취'에 가슴이 뛰는 진짜 PM을 기다립니다.
주요업무
[문제 정의부터 출시 이후까지, 제품의 처음과 끝을 리딩해요]• 고객 VOC, 제품 데이터, Business Context에서 가장 중요한 문제를 찾고 무엇을 먼저 풀지 결정해요.
• 문제 정의 가설 Solution 정책 개발 출시 데이터 확인 개선까지 Product Cycle 전체를 리딩해요.
• 요구사항을 그대로 받아 적지 않아요. 왜 필요한지, 지금 풀어야 하는 문제인지, 더 나은 방법은 없는지부터 판단해요.
• 고객이 원하는 것, 비즈니스에 필요한 것, 기술적으로 가능한 것 사이에서 가장 좋은 답을 찾아요.
• 개발자·디자이너에게 정답을 전달하기보다 문제와 Context를 충분히 공유하고, 함께 최적의 Solution을 찾아요.
• 정답이 없는 상황에서도 필요한 정보를 빠르게 모아 판단하고, 팀이 다음 단계로 나아가게 해요.
[AI가 사람을 평가하는 방식을 설계해요]
• LLM과 AI Agent가 제품 안에서 어떤 역할을 해야 하는지 정의하고, 제품화부터 개선까지 End-to-End로 리딩해요.
• 모델 API를 연결하는 데 그치지 않고, Prompt·Context·Tool·Data·Evaluation·UX가 하나의 시스템으로 동작하도록 설계해요.
• 질문 생성 인터뷰 평가 리포트 같은 AI Workflow를 설계하고, 단계별 입출력 데이터를 정의해요.
• 모델 성능만으로 풀리지 않는 문제는 제품 구조, 데이터 흐름, UX와 정책으로 풀어요. PM의 설계가 가장 큰 차이를 만드는 영역이에요.
• 새로운 모델과 기술을 빠르게 실험하되, 고객에게 실제로 더 좋은 결과를 만드는지를 기준으로 제품에 적용해요.
[Enterprise 고객과 가장 가까운 곳에서 제품을 만들어요]
• 단순한 운영 지원이 아니에요. 고객의 현장은 제품을 가장 깊게 이해할 수 있는 Product Discovery의 장이에요.
• 필요하면 고객의 실제 채용 Cycle에 함께 들어가 제품이 어떻게 쓰이는지 직접 보고, 세일즈 조직과 고객 미팅에 참석해 현업의 문제를 들어요.
• 한 고객의 요청을 그대로 Custom Feature로 만들지 않아요. 여러 고객에게 반복되는 문제인지 판단해 Product Standard로 일반화하고, Roadmap으로 연결해요.
자격요건
[3년 이상 공통]• 독립적인 Problem Solving: 정리된 요구사항을 실행하는 데 그치지 않고, 모호한 문제를 스스로 구조화해 무엇을 풀지 정의할 수 있는 분
• End-to-End Product 경험: 문제 정의부터 출시, 데이터 확인, 개선까지 하나의 제품 또는 주요 기능의 전체 Cycle을 직접 리딩해 본 분. 0 to 1이나 빠른 스케일업 구간이었다면 더 좋아요.
• Data-driven Decision Making: 정성적 의견뿐 아니라 제품·고객 데이터를 직접 분석해 의사결정의 근거로 삼을 수 있는 분
• 비즈니스 감각: 화면보다 먼저, 이 제품이 고객의 비용을 얼마나 줄이고 회사의 매출에 어떻게 기여하는지를 고민하는 분
[7년 이상이라면 추가로]
• 중장기 Roadmap 수립 경험: 시장·고객·비즈니스·기술을 함께 보며 중장기 Product Strategy와 Roadmap을 설계해 본 분
• Cross-functional Team 리딩 경험: PM 또는 Cross-functional Team의 기준을 높이고, 팀이 더 좋은 문제를 더 좋은 방식으로 풀도록 이끌어 본 분
