AI HR & 채용 2026 완벽 가이드 - Eightfold · Phenom · HireVue · Paradox · Greenhouse · Lever · Workday Recruiting · BambooHR · 잡코리아 심층 분석

"2026년 채용은 더 이상 사람만의 일이 아니다. AI는 후보자를 발견하고, 스크리닝하고, 대화하고, 평가하고, 온보딩까지 자동화한다. 다만 마지막 결정은 여전히 사람의 책임이어야 한다." — Josh Bersin, "HR Technology 2026 Report"

HR Technology는 지난 5년간 SaaS에서 가장 빠르게 성장한 카테고리 중 하나입니다. Sapient Insights 2025-2026 HR Systems Survey에 따르면 글로벌 HR Tech 시장 규모는 약 530억 달러, 그 안에서 AI를 1급 기능으로 탑재한 솔루션의 비중은 2023년 12%에서 2026년 63%로 폭증했습니다. ATS, HRIS, 소싱, 평가, 학습, 성과관리, 임직원 경험까지 거의 모든 레이어에 LLM과 임베딩 기반 매칭이 들어왔습니다.

동시에 위험도 함께 커졌습니다. EU AI Act(2024년 시행)는 채용·해고·승진 결정을 "고위험(High-risk)" 시스템으로 분류했고, 뉴욕시 Local Law 144(2023.7 시행)는 자동화된 고용 결정 도구(AEDT)에 대해 매년 편향 감사를 의무화했습니다. 2018년 Amazon이 폐기한 이력서 스크리닝 AI의 여성 차별 사건은 여전히 모든 HR Tech 발표 자료에 등장합니다.

이 글에서는 2026년 5월 현재 시점의 AI HR/채용 스택 전체를 정리합니다. ATS(Greenhouse, Lever, Workday Recruiting, iCIMS, SmartRecruiters, Ashby, BambooHR), AI 소싱(Eightfold, Phenom, Beamery, hireEZ, Findem, SeekOut), AI 면접·평가(HireVue, Paradox, HackerRank, CodeSignal, Codility, TestGorilla), HRIS와 EOR(Workday, ADP, UKG, Deel, Rippling, Remote.com), 성과·학습·임직원 경험, 그리고 한국·일본 사례까지 한 번에 다룹니다.

1. 2026년 AI HR 스택 지도 - 9개 레이어로 보는 전체 그림

HR Tech 스택은 후보자 여정(Candidate Journey)과 임직원 여정(Employee Journey)을 따라 9개의 큰 박스로 나뉩니다.

핵심은 "ATS와 HRIS는 다르다"는 점입니다. ATS(Applicant Tracking System)는 입사 전 단계(소싱, 인터뷰, 오퍼)를 다루고, HRIS(HR Information System)는 입사 후 단계(인사 마스터, 급여, 휴가, 평가)를 다룹니다. 둘은 별도 제품인 경우가 많고(예: Greenhouse + BambooHR), Workday나 Rippling처럼 한 제품에서 둘 다 처리하는 통합형도 있습니다.

2026년의 가장 큰 변화는 AI 레이어가 별도 카테고리에서 모든 레이어에 침투했다는 것입니다. 예전에는 "Eightfold가 AI 소싱"이었다면, 지금은 Greenhouse·Lever·Workday도 자체 AI 매칭을 탑재했고, BambooHR도 onboarding 챗봇을 내장했습니다. AI는 더 이상 별개 모듈이 아니라 기본 기능입니다.

2. ATS 시장 지도 - Greenhouse / Lever / Workday Recruiting / iCIMS / SmartRecruiters / Ashby

ATS는 후보자가 지원하는 순간부터 입사 결정까지의 워크플로를 관리합니다. 2026년 시장 점유율 상위 6개 제품은 다음과 같습니다.

선택 기준은 회사 규모와 채용 볼륨입니다. 시리즈 A 이전, 채용자 1~2명, 연간 50명 이하는 Ashby나 BambooHR Hiring이 합리적입니다. 시리즈 B상장, 채용자 520명, 연간 200~1000명은 Greenhouse가 압도적 표준입니다. 상장 후, 다국가, 사원 5000명 이상은 Workday Recruiting이나 iCIMS, 글로벌 비중이 크면 SmartRecruiters입니다.

Greenhouse는 2012년 창업, 2024년 TPG로부터 약 $750M 인수 평가를 받았습니다. 가장 큰 강점은 구조화된 인터뷰(Structured Interview Kit)입니다. 직무별로 "어떤 역량을, 어떤 질문으로, 어떻게 평가할지"를 사전 정의하고, 면접관이 인터뷰 직후 1~5점 척도로 점수를 매기게 강제합니다. 이는 Google의 채용 연구가 보여준 "구조화 인터뷰가 비구조화 인터뷰보다 2배 이상 채용 예측력이 높다"는 결론을 제품화한 것입니다.

Lever는 2012년 창업, 2022년 Employ Inc.(Jobvite·Talemetry 운영사)에 인수되었습니다. Greenhouse가 ATS-first라면 Lever는 처음부터 ATS + CRM 통합을 표방했습니다. 즉, 지원하지 않은 패시브 후보자도 동일한 파이프라인에서 관리할 수 있습니다.

Ashby는 2020년 창업한 신예로, 2024년 시리즈 C $30M를 추가 조달했습니다. 핵심 차별점은 **분석(Analytics)**입니다. 다른 ATS는 채용 성과 분석이 약한 별도 BI 도구 필요인 반면, Ashby는 처음부터 데이터 웨어하우스 수준의 분석을 내장했습니다. 2025년부터는 AI 매칭, AI 인터뷰 노트 요약, AI 자동 회신 같은 기능을 기본 탑재해 빠르게 점유율을 늘리고 있습니다.

3. Greenhouse 심층 - 구조화 인터뷰와 인티그레이션 생태계

Greenhouse 워크플로의 기본 구조는 다음과 같습니다.

# Greenhouse 채용 단계 정의 예시
job:
  name: "Senior Backend Engineer"
  stages:
    - name: "Application Review"
      type: "manual_review"
      sla_hours: 48
    - name: "Recruiter Screen"
      type: "phone_screen"
      duration_minutes: 30
      interview_kit: "recruiter_screen_eng"
    - name: "Technical Screen"
      type: "interview"
      duration_minutes: 60
      interview_kit: "tech_screen_backend"
      scorecard:
        - attribute: "Coding Fundamentals"
          scale: 1-5
        - attribute: "System Design"
          scale: 1-5
        - attribute: "Communication"
          scale: 1-5
    - name: "Onsite Loop"
      type: "interview_panel"
      interviews:
        - kit: "system_design_senior"
        - kit: "behavioral_leadership"
        - kit: "coding_pair_programming"
        - kit: "hiring_manager_final"
    - name: "Offer"
      type: "offer"
      approval_chain: ["hiring_manager", "recruiter", "vp_eng", "ceo"]

각 단계에는 SLA(Service-Level Agreement)와 스코어카드(Scorecard)가 붙고, 면접관은 인터뷰 후 24시간 내 점수를 입력해야 합니다. 이 데이터가 누적되면 "이 면접관의 점수가 실제 입사 후 성과와 얼마나 상관관계가 있는가"를 계산할 수 있습니다 - Greenhouse Reports의 "Interviewer Calibration" 리포트가 그것입니다.

Greenhouse의 두 번째 강점은 인티그레이션 생태계입니다. 공식 마켓플레이스에 450개 이상의 통합이 있고, 코딩 테스트(HackerRank, CodeSignal), 비디오 면접(HireVue, Spark Hire), 백그라운드 체크(Checkr, GoodHire), 오퍼 자동화(DocuSign), HRIS(BambooHR, Workday, Rippling) 등 거의 모든 카테고리가 1-클릭 연결됩니다.

API 사용 예시:

# Greenhouse Harvest API - 후보자 조회
import os
import requests

API_KEY = os.environ["GREENHOUSE_API_KEY"]
BASE = "https://harvest.greenhouse.io/v1"

def list_candidates(job_id: int, status: str = "active"):
    resp = requests.get(
        f"{BASE}/candidates",
        auth=(API_KEY, ""),
        params={"job_id": job_id, "status": status, "per_page": 100},
    )
    resp.raise_for_status()
    return resp.json()

def add_scorecard(application_id: int, scores: dict):
    resp = requests.post(
        f"{BASE}/applications/{application_id}/scorecards",
        auth=(API_KEY, ""),
        json={
            "interview": "Technical Screen",
            "attributes": [
                {"name": "Coding", "rating": scores["coding"]},
                {"name": "System Design", "rating": scores["sd"]},
            ],
            "overall_recommendation": scores["overall"],  # 1=strong_no .. 5=strong_yes
            "interviewer_id": scores["interviewer_id"],
        },
    )
    return resp.json()

API는 Harvest(데이터 동기화), Onboarding, Job Board, Partner Webhook 네 가지로 나뉘며, 모두 OAuth 2.0과 IP allowlist를 지원합니다. 2025년부터 GraphQL 베타도 시작되어 복잡한 조인 쿼리가 가능해졌습니다.

4. Lever와 Ashby - 모던 ATS의 차별화

Lever의 차별화는 Nurture Campaign입니다. ATS가 보통 "지원자만" 관리한다면, Lever는 처음부터 LinkedIn에서 발견한 패시브 후보자도 동일 파이프라인에 넣고 자동 이메일 시퀀스(Lever Nurture)로 6개월~1년에 걸쳐 천천히 따뜻하게 만듭니다. 채용 사이클이 긴 시니어 엔지니어링·임원 채용에서 강합니다.

Ashby의 차별화는 데이터 모델입니다. 다른 ATS는 "후보자 → 지원 → 단계 → 결과"의 단순 모델이지만, Ashby는 처음부터 다차원 분석을 염두에 두고 설계해 "어느 채널, 어느 리크루터, 어느 면접관, 어느 직무군, 어느 분기"의 모든 조합으로 깔끔히 슬라이스할 수 있습니다.

-- Ashby 분석 예시 - 채널별 + 단계별 통과율
-- (Ashby Reports의 SQL 빌더에서 작성 가능)
SELECT
  source_category AS channel,
  stage_name,
  COUNT(*) AS total,
  COUNT(*) FILTER (WHERE outcome = 'advanced') AS advanced,
  ROUND(100.0 * COUNT(*) FILTER (WHERE outcome = 'advanced') / COUNT(*), 1) AS pass_rate
FROM applications a
JOIN stages s ON a.current_stage_id = s.id
WHERE a.created_at >= NOW() - INTERVAL '90 days'
  AND a.department = 'Engineering'
GROUP BY 1, 2
ORDER BY 1, 2;

Ashby의 또 다른 강점은 AI 기능 기본 탑재입니다. 2025년 출시된 Ashby AI는 (1) 후보자 ↔ 직무 매칭 점수, (2) 인터뷰 노트 자동 요약, (3) 거절 회신 초안 자동 생성, (4) 다음 단계 추천을 채용자에게 실시간 제공합니다. Greenhouse가 별도 마켓플레이스 앱으로 AI를 붙이는 반면, Ashby는 처음부터 내장이라 UX가 더 매끄럽습니다.

5. Workday Recruiting / iCIMS / SmartRecruiters - 엔터프라이즈 영역

Workday Recruiting은 Workday HCM 위에 얹힌 채용 모듈입니다. 별도 제품이 아니라 HCM의 한 부분이라는 것이 핵심입니다. 사원 5000명 이상의 글로벌 기업이 "ATS + HRIS + 급여 + 출퇴근 + 평가 + 학습"을 한 데이터 모델로 운영하려고 할 때 거의 유일한 선택지입니다.

장점은 명확합니다. 후보자가 입사 결정 즉시 사원 마스터에 자동 등록되고, 채용 비용·생산성 데이터가 모두 한 BI에 모입니다. 단점도 명확합니다 - 구현이 618개월, 단가가 사원당 연 $50150, 커스터마이징은 Workday Studio라는 자체 IDE로만 가능합니다.

iCIMS는 1999년 창업한 가장 오래된 ATS 중 하나로, Bain Capital이 보유 중입니다. 미국 Fortune 500의 상당수(JPMorgan, AT&T, IBM 등)가 사용합니다. 강점은 20년 누적 베스트프랙티스와 컴플라이언스(EEOC, OFCCP 보고 자동화)이지만, UX는 모던 ATS 대비 무겁습니다.

SmartRecruiters는 글로벌·다국어·다지역에 특화되었습니다. Microsoft·Bosch·McDonald's처럼 100개국 이상에서 동시에 채용하는 기업이 주 고객입니다. EU·아시아 노동법 컴플라이언스, 50+ 언어 UI, 지역별 채용 사이트 자동 생성이 핵심 기능입니다.

선택의 갈림길은 이미 어느 HCM을 쓰는가입니다. Workday HCM이면 Workday Recruiting, SAP SuccessFactors면 SuccessFactors Recruiting, Oracle HCM이면 Oracle Recruiting Cloud가 자연스럽습니다. HCM이 없거나 변경 의지가 있으면 Greenhouse + BambooHR/Rippling이 모던 표준입니다.

6. Eightfold AI - Career Intelligence Platform의 야망

Eightfold AI(2016년 창업, 본사 Santa Clara)는 AI HR 분야에서 가장 큰 베팅을 받은 회사 중 하나입니다. 2021년 시리즈 E $220M로 유니콘이 되었고, 2024년 후속 펀딩으로 약$2B+ 평가를 받았습니다. CEO Ashutosh Garg는 전 Google Search 엔지니어로, 검색 알고리즘을 HR에 적용한다는 비전을 들고 시작했습니다.

핵심 가치 제안은 단순합니다 - "스킬(Skills) 기반 매칭". 학력·경력 같은 표면 정보가 아닌, 후보자가 실제로 가진 능력의 임베딩 벡터를 만들어 직무 임베딩과 비교합니다. 2026년 기준 Eightfold의 Talent Intelligence Graph는 약 10억 명의 공개 프로필과 100만 개 이상의 직무 정의, 60만 개의 스킬 분류 체계를 포함한다고 발표되었습니다.

Eightfold가 제공하는 4개 주요 모듈은 다음과 같습니다.

Talent Acquisition의 핵심 기능은 Career Site Personalization입니다. 회사 채용 사이트에 후보자가 이력서를 업로드하면, 즉시 그 사람과 가장 매칭이 높은 공고 510개를 추천합니다. 보통 채용 사이트의 지원 전환율은 23%인데, Eightfold 적용 후 8~15%로 올라간다는 케이스 스터디가 다수 있습니다.

Talent Management의 핵심은 **내부 이동(Internal Mobility)**입니다. 현 직무에서 1~2년 정체된 사원에게 "당신의 스킬로 갈 수 있는 사내 다른 직무 3개"를 자동 추천합니다. Vodafone, BNP Paribas, Conduent 같은 대기업이 이를 통해 외부 채용 비용 대비 절반 가격으로 인재 재배치에 성공한 사례를 공개했습니다.

# Eightfold API 호출 예시 - 후보자 매칭 (개념 코드)
import requests

def get_match_score(candidate_id: str, job_id: str) -> dict:
    resp = requests.get(
        "https://api.eightfold.ai/v1/match",
        headers={"Authorization": f"Bearer {API_KEY}"},
        params={"candidate_id": candidate_id, "job_id": job_id},
    )
    # 반환: { "score": 0.87, "matched_skills": [...], "gap_skills": [...] }
    return resp.json()

def recommend_internal_roles(employee_id: str, top_k: int = 5) -> list[dict]:
    resp = requests.get(
        "https://api.eightfold.ai/v1/internal-mobility/recommend",
        headers={"Authorization": f"Bearer {API_KEY}"},
        params={"employee_id": employee_id, "top_k": top_k},
    )
    return resp.json()["recommendations"]

Eightfold의 약점은 가격과 블랙박스 우려입니다. 사원 1000명 기준 연 $50K~$150K, 5000명 이상이면 수십만 달러대로 올라갑니다. 또한 "왜 이 후보자가 추천되었는가"를 설명하는 능력이 EU AI Act가 요구하는 "Explainability" 수준에 못 미친다는 비판이 있습니다. 2025년부터 Eightfold는 "Reason Codes"라는 설명 기능을 강화했지만 여전히 진행형입니다.

7. Phenom과 Beamery - 후보자 경험과 CRM

Phenom(2010년 창업, 본사 Ambler PA)은 Talent Experience Management(TXM) 카테고리를 정의한 회사입니다. Eightfold가 매칭 엔진에 집중한다면, Phenom은 후보자가 채용 사이트에 도착한 순간부터 입사까지의 전체 경험을 통합 관리하는 데 초점을 둡니다.

Phenom 플랫폼의 4가지 페르소나별 모듈:

• Phenom for Candidates: 채용 사이트 개인화, 챗봇, 화상 인터뷰 자동 스케줄링
• Phenom for Recruiters: 후보자 소싱, AI 매칭, 캠페인 자동화
• Phenom for Employees: 내부 이동·학습·멘토링 추천
• Phenom for Managers: 팀 인재 분석·후계자 계획

특히 Phenom Bot(전 Olivia 같은 챗봇)은 채용 사이트에 통합되어 "이 회사에서 시니어 백엔드 자리 있나요?", "다음 인터뷰 일정 잡고 싶어요" 같은 후보자 문의를 24/7 처리합니다. 미국 대기업 채용 사이트(General Motors, Mercedes-Benz, JPMorgan 등)의 상당수가 Phenom Bot을 백엔드로 사용합니다.

Beamery(2014년 창업, 본사 런던)는 Talent CRM 카테고리의 선두주자입니다. ATS가 "지원자"를 다룬다면 CRM은 "지원하지 않은 잠재 후보자"를 다룹니다. 시니어 엔지니어링이나 임원 같이 적극적으로 구직 활동을 하지 않는 풀을 6개월~2년에 걸쳐 따뜻하게 만드는 nurturing이 핵심입니다.

Beamery의 차별화는 Talent Graph라는 자체 그래프 DB입니다. 후보자, 회사, 스킬, 직무, 컨퍼런스, 출판물을 노드로 가지는 거대한 그래프에 후보자 관계를 매핑합니다. 예를 들어 "Google에서 5년 일한 ML 엔지니어 중, Anthropic 출신 동료를 가진 사람"같은 복합 쿼리가 가능합니다.

CRM 카테고리에는 Phenom·Beamery 외에도 Gem, Avature, SmashFly(Symphony Talent 인수) 같은 경쟁자가 있고, Greenhouse·Lever도 자체 CRM 모듈을 갖고 있습니다.

8. hireEZ / Findem / Fetcher / SeekOut - AI 소싱 도구

후보자 발견 자체를 자동화하는 도구들입니다. 이들은 LinkedIn, GitHub, 컨퍼런스 발표 자료, 논문, 특허 같은 공개 데이터를 크롤링·인덱싱해 "이 직무 요구사항에 가장 잘 맞는 후보자 100명"을 즉시 반환합니다.

hireEZ의 특기는 GitHub 통합입니다. 단순히 GitHub 사용자명을 매칭하는 것이 아니라 커밋 횟수, 사용 언어, 컨트리뷰션한 오픈소스 프로젝트의 스타·다운로드, 이슈 응답 시간 같은 활동 지표까지 분석합니다. 시니어 ML 엔지니어 같은 검색이 LinkedIn에서는 "어디 회사에서 일했나" 정도지만, hireEZ에서는 "PyTorch에 5개 이상 PR이 머지된 사람"같은 식으로 가능합니다.

Findem은 Attribute Search를 표방합니다. 검색 조건이 다른 도구들의 "키워드 + 회사 + 직급" 수준을 넘어 "현 회사에서 3년 이상 + 2번 이상 승진 + 다양성 그룹 + 영어/스페인어 가능 + 헬스케어 도메인"같은 복합 조건이 가능합니다. 내부적으로 80+ 데이터 소스에서 후보자 프로필을 합성합니다.

# hireEZ 검색 API 호출 예시 (개념 코드)
import requests

def search_engineers(skills: list[str], min_years: int = 3, location: str = "Seoul"):
    payload = {
        "filters": {
            "skills": {"any_of": skills},
            "experience_years": {"min": min_years},
            "location": {"city": location, "radius_km": 50},
            "github": {"min_stars": 100, "languages": skills},
        },
        "size": 50,
    }
    resp = requests.post(
        "https://api.hireez.com/v1/search",
        headers={"Authorization": f"Bearer {TOKEN}"},
        json=payload,
    )
    return resp.json()["candidates"]

이 도구들의 윤리적 문제는 동의 없는 데이터 수집입니다. LinkedIn은 자사 API 외 크롤링을 명시적으로 금지하고 있고, 2017년 hiQ Labs vs LinkedIn 소송에서 한때 크롤링이 허용되었다가 2022년 9th Circuit이 다시 재판단하면서 회색지대가 되었습니다. EU GDPR과 EU AI Act는 후보자 데이터 처리에 "정당한 이익" 또는 명시적 동의를 요구하는데, 공개 LinkedIn 프로필을 자동 인덱싱하는 것이 어느 쪽인지는 여전히 논쟁 중입니다.

9. HireVue와 비디오 면접 AI - 진화와 후퇴

HireVue(2004년 창업, 본사 South Jordan UT)는 비디오 면접 AI의 대명사였습니다. 2019년 시리즈 G $90M, 2020년 The Carlyle Group이 인수, 2022년 경쟁사 Modern Hire를 인수해 카테고리를 통합했습니다.

원래 HireVue의 핵심 가치는 얼굴·음성·언어 분석으로 후보자 점수화였습니다. 컴퓨터 비전으로 얼굴 표정·시선·미소 빈도를 측정하고, 음성 톤·속도·일시정지 길이를 분석하고, 답변 내용을 NLP로 평가해 "Employability Score"를 산출했습니다.

하지만 2019년 EPIC(Electronic Privacy Information Center)이 FTC에 HireVue를 신고했고, 2021년 학술 연구가 얼굴 분석의 인종·연령 편향을 입증하면서 HireVue는 2021년 1월 얼굴 분석 기능 전체 폐기를 공식 발표했습니다. 현재는 음성·답변 내용만 분석하고, 점수도 면접관 도구로만 제공할 뿐 자동 합격/탈락 결정에 사용하지 않습니다.

2026년 HireVue의 모습:

• 비동기 비디오 면접: 후보자가 시간 맞춰 사전 녹화 → 채용 담당자가 후에 검토
• AI 답변 요약: 30분 인터뷰를 3분 요약으로 압축
• 코딩 평가 통합: HackerRank·CodeSignal 자동 호출
• 온콜 게임화 평가: Modern Hire의 SHL Game Based Assessment 통합
• 공정성 모니터링: 인종·성별·연령 그룹별 통과율 자동 리포트

경쟁 제품은 myInterview(영국 발), Spark Hire(미국 SMB 중심), Willo(2020년 창업, 글로벌 빠르게 성장 중)입니다. 한국에서는 마이다스아이티의 inAIR가 자체 AI 면접 솔루션으로 대기업 채용에 사용됩니다.

10. Paradox(Olivia) - 대화형 AI의 챔피언

Paradox(2016년 창업, 본사 Scottsdale AZ)의 주력 제품 Olivia는 채용 챗봇 카테고리에서 가장 잘 알려진 제품입니다. McDonald's, Lowe's, CVS Health, Unilever 같은 글로벌 대량 채용(소위 "high-volume hiring") 기업이 주 고객입니다.

Olivia가 풀려는 문제는 명확합니다 - 시급제 직무의 채용 깔때기는 매우 넓고 빠르다는 것입니다. McDonald's 같은 곳은 한 매장에 매주 수십~수백 명이 지원하고, 이걸 매장 매니저가 일일이 응대하는 건 불가능합니다. Olivia는 후보자 문의 응답, 자격 사전 스크리닝(만 18세 이상? 운전면허? 가용 시간대?), 인터뷰 일정 자동 잡기를 SMS와 WhatsApp으로 24/7 처리합니다.

# Paradox Olivia 대화 시나리오 예시 (개념도)
intent: "schedule_interview"
required_slots:
  - candidate_id
  - job_id
  - location_id
flow:
  - bot: "Hi! I'm Olivia from McDonald's. I see you applied for a Crew Member role at our 5th Ave location. Are you still interested?"
  - candidate: "Yes!"
  - bot: "Great! Before we schedule, are you at least 16 years old?"
  - candidate: "Yes, I'm 19."
  - bot: "Perfect. What's the best time to chat with our manager this week? I have open slots Tue 2-4pm, Wed 10am-12pm, or Thu 5-7pm."
  - candidate: "Wed at 10am works"
  - bot: "Confirmed for Wed Mar 18 at 10am at 5th Ave. I'll text you a reminder the morning of. Thank you!"
post_actions:
  - calendar_event_created
  - manager_notified
  - ats_status_updated: "Interview Scheduled"

Paradox의 영향은 정량적입니다. McDonald's 사례 발표에 따르면 평균 채용 시간(application → hire)이 21일에서 1일 미만으로, 후보자 응답률은 30%에서 80%로 상승했습니다. 대량 채용 분야에서 거의 표준이 되었습니다.

경쟁 제품으로는 Mya Systems(2012년 창업, 2020년 StepStone에 인수), AllyO(2015년 창업, 2020년 HireVue에 인수), Phenom Bot(앞서 언급)이 있습니다. 한국에서는 카카오의 채용 AI 챗봇과 잡코리아의 챗봇이 비슷한 역할을 합니다.

11. 코딩 평가 - HackerRank / CodeSignal / Codility

기술직 채용에서 코딩 평가는 거의 의무가 되었습니다. 2026년 시장 3대 제품은 HackerRank, CodeSignal, Codility입니다.

HackerRank(2009년 창업, 본사 Mountain View)의 핵심 가치는 **인터뷰 풀(Interview Pool)**입니다. 회사가 자체 문제를 만드는 대신 HackerRank가 검증한 4000+ 문제 풀에서 골라 쓸 수 있고, 후보자 풀 사이의 점수 정규화(percentile)가 자동 제공됩니다. HackerRank Interview는 코드 페어 프로그래밍 환경을 제공해 화이트보드 인터뷰를 그대로 리모트로 옮길 수 있습니다.

CodeSignal(2014년 창업)의 차별화는 GCA(General Coding Assessment) 점수입니다. GCA는 70분간 4문제를 풀어 1~850점 척도로 산출되며, 미국에서 채용 시 SAT 같은 표준 점수처럼 통용됩니다. Capital One, Brex, Robinhood 같은 회사가 1차 스크리닝으로 "GCA 600 이상"같은 기준을 씁니다.

Codility는 유럽에서 강세이며, **부정행위 감지(Plagiarism Detection)**가 가장 엄격하다고 평가받습니다. 코드 유사도 분석, 탭 전환 횟수, 붙여넣기 빈도, 카메라 페이스 인식 등으로 종합 점수를 매깁니다. ChatGPT/Claude 등장 이후 부정행위 우려가 폭증한 2024년부터 모든 코딩 평가 제품이 이 영역을 강화하고 있습니다.

# HackerRank API 예시 - 후보자 평가 조회
import os
import requests

API_KEY = os.environ["HACKERRANK_API_KEY"]
BASE = "https://www.hackerrank.com/x/api/v3"

def get_test_result(test_id: int, candidate_email: str):
    resp = requests.get(
        f"{BASE}/tests/{test_id}/candidates",
        headers={"Authorization": f"Bearer {API_KEY}"},
        params={"email": candidate_email},
    )
    candidate = resp.json()["data"][0]
    return {
        "score": candidate["score"],
        "max_score": candidate["max_score"],
        "percentile": candidate["percentile"],
        "plagiarism_score": candidate["plagiarism_score"],
        "questions": [
            {
                "title": q["name"],
                "score": q["score"],
                "language": q["language"],
                "tab_switches": q.get("tab_switch_count", 0),
            }
            for q in candidate["questions"]
        ],
    }

코딩 평가 이외의 스킬 평가는 TestGorilla(다종 직무 적성·성격 검사 패키지), Korn Ferry Sigma(임원 평가), SHL/Aspiring Minds(인지 능력·성격) 같은 제품들이 채웁니다.

12. HRIS - BambooHR / Workday HCM / Rippling / Gusto / Deel

채용 후 사원 마스터 데이터를 관리하는 시스템이 HRIS입니다. 2026년 주요 제품을 규모별로 나누면 다음과 같습니다.

BambooHR(2008년 창업, 본사 Lindon UT)은 SMB HRIS의 표준입니다. UX가 가장 친절하고, 사원 셀프서비스(휴가 신청, 정보 변경)·온보딩 워크플로·간단한 성과 평가까지 한 제품에서 처리합니다. 50~500명 회사가 첫 HRIS를 도입할 때 가장 자주 선택됩니다.

Rippling(2016년 창업, 본사 SF)은 최근 가장 빠르게 성장하는 제품으로, 2024년 $13.5B 평가를 받았습니다. 핵심은 Identity Graph입니다 - 사원 한 명을 채용하면 그 신원이 자동으로 Slack·Google Workspace·GitHub·1Password·노트북·VPN·급여·복지에까지 일관되게 적용됩니다. HR+IT+Finance를 한 데이터 모델로 통합한 첫 제품이라는 평가를 받습니다.

Workday HCM(2005년 창업, 2012년 상장)은 사원 1000명 이상 글로벌 기업의 사실상 표준입니다. 2024년 매출 $7.3B, 시장가치$60B+. HCM, Payroll, Recruiting, Learning, Performance, Adaptive Planning(예측) 등을 한 플랫폼에서 운영합니다.

13. EOR(Employer of Record) - Deel / Remote.com / Oyster / Multiplier

EOR은 2020년 이후 가장 빠르게 성장한 HR 카테고리입니다. "원격 근무 + 글로벌 채용"이 일반화되면서 한국 회사가 일본·인도·브라질의 인재를 채용하고 싶지만 현지 법인 설립이 부담스러울 때, EOR이 현지 법인 역할을 대신 해주고 그 사원을 한국 회사에 파견합니다.

Deel(2019년 창업)은 EOR + Contractor 관리 + Global Payroll을 모두 제공하며, 2024년 $12B 평가, 연 매출$1B+를 돌파했습니다. UI가 모던하고 API가 강력해 토스, Hyperconnect 같은 한국 테크 회사도 글로벌 채용에 자주 사용합니다.

# Deel API 예시 - 신규 글로벌 사원 온보딩 (개념 코드)
import requests

def create_eor_employee(payload: dict):
    resp = requests.post(
        "https://api.letsdeel.com/rest/v2/eor",
        headers={"Authorization": f"Bearer {DEEL_TOKEN}"},
        json={
            "first_name": payload["first_name"],
            "last_name": payload["last_name"],
            "email": payload["email"],
            "country": payload["country"],  # ISO 3166-1 alpha-2
            "job_title": payload["job_title"],
            "start_date": payload["start_date"],
            "annual_gross_salary": payload["salary_usd"],
            "currency": "USD",
            "client_legal_entity": payload["entity_id"],
            "benefits_package": "standard",
            "equity": {
                "type": "RSU",
                "amount": payload.get("equity_units", 0),
            },
        },
    )
    return resp.json()

EOR의 비용은 사원당 월 $400~$700이며, 사원이 받는 급여 자체와는 별도입니다. 직접 법인 설립 시 첫해 $30K~$100K + 매년 $20K~$50K가 드는 것에 비하면, 사원 10명 이하일 때는 EOR이 압도적으로 경제적입니다.

14. AI 위험과 규제 - EU AI Act / NYC Local Law 144 / Amazon 사례

AI HR의 가장 큰 그림자는 편향입니다. 2018년 Amazon이 5년간 개발한 이력서 스크리닝 AI가 폐기된 사건은 모든 HR Tech 문서에 단골로 등장합니다. 모델은 과거 10년의 이력서로 학습되었는데, 그 데이터셋 자체가 남성 편향이었기 때문에 "여성"같은 단어가 포함된 이력서를 자동으로 낮게 점수 매기는 것을 학습했습니다. Amazon은 결국 모델을 폐기했지만, 이미 어느 정도 채용에 영향을 미친 뒤였습니다.

이후 규제가 본격적으로 따라왔습니다.

EU AI Act(2024년 발효, 2026년 완전 적용)는 채용·해고·승진을 결정하는 AI 시스템을 "고위험(High-risk)" 시스템으로 분류했습니다. 고위험 시스템은:

• 데이터 거버넌스 문서화 의무
• 인간 감독(Human oversight) 메커니즘 필수
• 정확도·견고성·사이버보안 기술 표준 충족
• 사용자(고용주)에게 AI 사용 사실 고지 의무
• 후보자에게 설명 받을 권리(Right to explanation)

위반 시 벌금은 글로벌 매출의 7% 또는 €35M 중 큰 쪽입니다. 이는 2026년 5월 현재 가장 강력한 AI 규제로, 모든 글로벌 HR Tech 제품이 EU AI Act 대응을 진행 중입니다.

NYC Local Law 144(2023.7 시행)는 뉴욕시에서 사용되는 "Automated Employment Decision Tool(AEDT)"에 매년 편향 감사를 의무화했습니다. 감사는 외부 독립 감사인이 수행해야 하며, 결과 요약(특히 인종·성별 그룹별 통과율 차이)을 공개 웹사이트에 게시해야 합니다. 위반 시 후보자가 직접 소송 가능합니다.

# NYC Local Law 144 편향 감사 - 4/5th Rule 계산 예시
def four_fifths_rule(passing_rates: dict[str, float]) -> dict:
    """
    EEOC Uniform Guidelines의 4/5 규칙:
    어떤 보호 그룹의 통과율이 가장 높은 그룹의 80% 미만이면 'adverse impact' 의심.
    """
    max_rate = max(passing_rates.values())
    threshold = max_rate * 0.8
    return {
        group: {
            "rate": rate,
            "impact_ratio": rate / max_rate,
            "adverse_impact": rate < threshold,
        }
        for group, rate in passing_rates.items()
    }

# 예시 입력 - 그룹별 통과율
result = four_fifths_rule({
    "white_male": 0.50,
    "white_female": 0.42,
    "black_male": 0.35,  # 0.35/0.50 = 0.70 < 0.80 → adverse impact 의심
    "black_female": 0.32,
    "asian": 0.48,
    "hispanic": 0.41,
})

NYC Local Law 144 이후 일리노이주 AI Video Interview Act, 메릴랜드주 HB 1202, 콜로라도주 SB 21-169도 비슷한 의무를 부과했고, 2025년 연방 차원의 ENFORCE the AI Act도 발의되었습니다.

15. 성과·학습·임직원 경험 - Lattice / 15Five / Culture Amp / Cornerstone / Docebo

채용·HRIS 다음 층은 사원이 입사한 이후의 여정입니다. 2026년 주요 카테고리는 다음과 같습니다.

성과 관리·360 피드백:

• Lattice(2015년 창업, 2024년 $3B 평가): OKR + Performance Review + 1:1 통합
• 15Five: Weekly check-in + Pulse Survey
• Lattice 경쟁자: Leapsome, Engagedly, Culture Amp, Betterworks

임직원 경험(EX) / 서베이:

• Culture Amp: 사원 만족도 서베이의 표준
• Glint(LinkedIn 인수): 펄스 서베이
• Officevibe: SMB 강세
• Peakon(Workday 인수, 2021): 연속 서베이

학습 / LMS:

• Cornerstone OnDemand: 엔터프라이즈 LMS 1위
• Docebo: AI 추천 LMS, 2024년 시가총액 $1B+
• 360Learning: Collaborative Learning
• Workday Learning: Workday 사용자 기본 옵션
• LinkedIn Learning: 콘텐츠 라이브러리 통합

이 카테고리들의 2026년 공통 추세는 AI 코치와 데이터 통합입니다. Lattice는 2025년 "Lattice AI"를 출시해 매니저가 1:1 노트를 쓰면 자동으로 코칭 제안을 받고, Culture Amp는 OpenAI 기반 "Skills Coach"로 사원이 받은 360 피드백을 어떻게 행동으로 옮길지 단계별 제안을 제공합니다.

16. 한국 HR 시장 - 잡코리아 / 사람인 / 원티드 / 로켓펀치 / 자비스 / 플렉스

한국 HR Tech 시장은 미국과 다른 독자적 진화 경로를 거쳤습니다. 주요 플레이어:

잡코리아(1996년 창업)는 한국에서 가장 오래된 종합 잡보드입니다. 2021년 어피니티에쿼티파트너스가 약 9000억 원에 인수했습니다. 신입·중고 전 직무를 다루고, 알바몬을 자회사로 둡니다.

사람인(2005년 창업, 코스닥 상장)은 잡코리아의 최대 경쟁자로 2024년 매출 약 1500억 원, 영업이익률이 30%대로 높습니다. 자회사 점핏은 테크 채용에 특화되었습니다.

원티드(Wanted Lab)(2015년 창업, 2021년 코스닥 상장)는 한국에서 가장 모던한 HR Tech 회사로 평가받습니다. 핵심은 추천 매칭입니다. 후보자가 이력서를 업로드하면 회사가 직접 후보자에게 "지원해주세요"라고 제안하고, 입사가 성사되면 추천자(소개자)에게 약 100~500만 원의 추천 보너스를 지급하는 모델입니다. 2026년 현재 누적 매칭이 100만 건을 넘었습니다.

플렉스(flex)(2018년 창업)는 한국 HRIS의 대표 주자입니다. BambooHR이 한국 노동법·연말정산을 완벽히 처리하지 못하는 점을 파고들어, 한국형 HRIS로 빠르게 성장했습니다. 휴가, 근태, 급여, 연말정산, 채용까지 한 제품에서 처리하며 2024년 시리즈 D를 받았습니다.

자비스앤빌런즈(2017년 창업)는 회계+세무 + 인사를 결합한 SMB HRIS로, 카카오벤처스와 KB인베스트먼트 등의 투자를 받았습니다.

한국 시장의 특이점은 연말정산과 4대보험입니다. 글로벌 HRIS는 이 두 가지를 완벽히 처리하지 못해, 사실상 한국 회사는 한국형 HRIS를 쓰거나 글로벌 HRIS + 한국 페이롤 위탁(예: ADP Korea, 노무법인)을 병행해야 합니다.

17. 일본 HR 시장 - リクナビ / マイナビ / Doda / HRMOS / TeamSpirit / jinjer

일본 HR Tech 시장은 한국보다 더 보수적이지만, 2020년 이후 빠르게 모던화되고 있습니다.

**リクルート(Recruit Holdings)**는 일본 HR Tech의 거인입니다. リクナビ(신졸), Indeed(2012년 인수, 글로벌 1위 잡보드), Glassdoor(2018년 인수)를 모두 보유합니다. 2024년 매출은 약 3.5조 엔이며 글로벌 HR Tech 매출 1위입니다.

**マイナビ(Mynavi)**는 リクナビ의 최대 경쟁자입니다. 신졸 시장에서 50/50로 양분하며, 中途, 알바, 의료, 간호 등 도메인별 별도 사이트를 운영합니다.

Bizreach(2009년 창업)는 한국의 원티드처럼 "추천 매칭" 모델을 일본에 정착시켰습니다. 자회사 HRMOS는 ATS + HRIS를 통합한 모던 제품이며, HRMOS Recruiting은 일본 ATS 시장에서 가장 빠르게 성장하는 제품 중 하나입니다.

SmartHR(2015년 창업)는 일본 HRIS 1위입니다. 입사·퇴사·연말조정·산휴/육휴·マイナンバー(My Number) 같은 일본 특유의 행정 작업을 완벽히 자동화하며 2024년 기업가치 약 1800억 엔으로 평가받았습니다. 한국의 플렉스와 동일한 포지션입니다.

TeamSpirit(2011년 창업, 도쿄증권거래소 상장)는 근태·공수 관리에 특화된 SaaS입니다. 일본의 36협정·잔업 규제, 변형근로시간제 같은 복잡한 노동법에 최적화되어 있습니다.

jinjer(2016년 창업)는 ジョブカン과 함께 일본 SMB HRIS의 양대 산맥입니다. 근태, 인사, 급여, 채용을 모듈로 제공합니다.

일본 시장의 특이점은 신졸 일괄 채용(新卒一括採用) 문화입니다. 매년 4월에 대졸 신입을 동시에 입사시키는 관행 때문에, 大学3年生 3월에 채용 사이트가 일제히 오픈되고 6개월에 걸쳐 면접이 진행됩니다. リクナビ·マイナビ가 이 패턴에 최적화되어 있어 외국계 HR Tech가 일본 신졸 시장에 진입하기 어려운 구조입니다.

18. 보상 투명성 - Glassdoor / Levels.fyi / Blind / Comparably

채용의 또 다른 축은 보상 정보의 투명성입니다. 2026년 5월 현재 주요 사이트:

• Glassdoor(2008년 창업, 2018년 Recruit Holdings 인수): 회사 리뷰·면접 후기·연봉 정보 가장 큰 풀
• Levels.fyi(2017년 창업): 테크 기업 직급별 보상 패키지(base + bonus + RSU) 전문, FAANG 표준
• Blind: 익명 직장인 커뮤니티, 회사별 채널, 사내 이슈 가장 빠르게 누설되는 곳
• Comparably: 문화·다양성 점수에 특화
• 잡플래닛(한국): Glassdoor 한국판
• OpenWork(일본): Glassdoor 일본판

이들의 영향은 양면적입니다. 후보자 측면에서는 정보 비대칭이 줄어 협상력이 올라갔고, 회사 측면에서는 채용 시장에서 보상 패키지를 공개적으로 경쟁해야 하는 압박이 생겼습니다. 2024년 시행된 캘리포니아·뉴욕·콜로라도의 Pay Transparency Law는 모든 채용 공고에 연봉 범위 공개를 의무화해 이 추세를 가속화했습니다.

흥미로운 사실은 Levels.fyi 데이터를 자동으로 크롤링·정규화해 회사 내부 보상 벤치마크에 사용하는 트렌드가 빠르게 늘고 있다는 점입니다. Carta, Pave, Figures 같은 보상 데이터 회사가 그 영역을 흡수하고 있습니다.

19. AI 면접관의 반발 - 후보자가 거부하는 시대

2024~2025년 LinkedIn과 Reddit에서는 "AI 면접관에 대한 거부 운동"이 작은 트렌드가 되었습니다. 후보자가 "사람이 1차 면접을 하지 않으면 지원하지 않겠다"고 명시하는 경우가 늘었고, 일부 회사(Stripe, Anthropic 등)는 명시적으로 "우리는 AI로 후보자를 자동 거절하지 않는다"고 채용 사이트에 표시합니다.

후보자 거부 이유:

• 불공정성 우려: 알고리즘이 왜 나를 떨어뜨렸는지 알 수 없음
• 존엄성: 60분간 카메라 앞에서 혼자 말하는 경험에 대한 불쾌감
• 준비 어려움: AI가 무엇을 점수화하는지 모르니 무엇을 준비해야 할지 모름
• 기술적 문제: 비영어권 발음에 대한 차별, 카메라 문제로 인한 점수 손실

이에 대응해 2025년부터는 AI 면접 도구들이 **"Hybrid Mode"**를 강조합니다 - AI는 사전 스크리닝에만 쓰고 최종 결정은 사람이 내리며, 후보자가 원하면 AI 채점을 거부하고 사람 면접을 선택할 수 있게 합니다. HireVue, Modern Hire, Paradox 모두 이 옵션을 추가했습니다.

20. 통합 워크플로 - 8개 제품으로 만드는 모던 채용 스택

시리즈 B 규모(사원 100300명, 채용자 35명, 연간 100~200명 채용)의 글로벌 SaaS가 2026년에 자주 채택하는 스택:

데이터 동기화는 다음과 같이 흐릅니다.

[Job Board] --> [Greenhouse ATS] --> [DocuSign Offer] --> [Rippling HRIS] --> [Deel Payroll]
                       ^                                          |
                       |                                          v
                  [hireEZ Sourcing]                          [Lattice / Culture Amp]

각 단계 간 인티그레이션은 보통 다음 셋 중 하나입니다.

1. 공식 마켓플레이스 앱: 90% 케이스. 1-클릭 연결, OAuth, 자동 동기화.
2. Zapier / Workato / Tray.io: 표준 인티그레이션 없을 때, 또는 약간의 커스텀 로직 필요할 때.
3. 자체 통합(API 직접 호출): 보안 요구사항이 높거나 대량 데이터 처리 시.

스택 구축 시 가장 큰 함정은 **"한 영역에 두 제품을 동시에 쓰는 것"**입니다. ATS를 Greenhouse와 Lever 둘 다 쓰면 후보자 데이터가 갈라지고 SLA 추적이 불가능해집니다. 각 카테고리당 명확한 1차 제품을 정하고 그 제품의 데이터 모델을 진실의 단일 소스(SSOT)로 잡는 것이 핵심입니다.

21. 채용 데이터 분석 - 4 Funnel Metric

채용을 데이터로 운영하려면 4개의 핵심 메트릭을 추적해야 합니다.

특히 Source Effectiveness는 채용 예산 배분의 기준이 됩니다. Greenhouse·Ashby 같은 모던 ATS는 이를 자동으로 슬라이스하고, "LinkedIn 광고로 들어온 후보자 100명 중 인터뷰 통과 5명, 입사 1명, 이 채널의 cost-per-hire는 $25K"같은 데이터를 즉시 보여줍니다.

-- 채용 펀넬 분석 - 채널별·분기별
WITH funnel AS (
  SELECT
    DATE_TRUNC('quarter', a.applied_at) AS quarter,
    a.source_category,
    COUNT(*) AS applied,
    COUNT(*) FILTER (WHERE a.reached_stage >= 'phone_screen') AS screened,
    COUNT(*) FILTER (WHERE a.reached_stage >= 'onsite') AS onsite,
    COUNT(*) FILTER (WHERE a.outcome = 'hired') AS hired
  FROM applications a
  WHERE a.applied_at >= NOW() - INTERVAL '12 months'
  GROUP BY 1, 2
)
SELECT
  quarter,
  source_category,
  applied,
  ROUND(100.0 * screened / NULLIF(applied, 0), 1) AS apply_to_screen_pct,
  ROUND(100.0 * onsite / NULLIF(screened, 0), 1) AS screen_to_onsite_pct,
  ROUND(100.0 * hired / NULLIF(onsite, 0), 1) AS onsite_to_hire_pct,
  hired
FROM funnel
ORDER BY quarter DESC, hired DESC;

이런 펀넬 분석을 1년 분량 누적해 보면 "어느 채널이 실제로 입사로 전환되는가"가 명확해집니다. 흔한 발견은 "LinkedIn 광고에 가장 많이 쓰지만 실제 입사는 직원 추천이 가장 많다"는 패턴입니다.

22. 채용 자동화의 한계 - 사람이 해야 하는 일

AI HR이 자동화하지 못하는, 또는 자동화하면 안 되는 영역이 있습니다.

1. 최종 채용 결정: EU AI Act가 명시하듯, 채용·해고 결정은 인간이 내려야 합니다. AI는 후보자를 정렬·필터링하는 도우미이지 결정자가 아닙니다.
2. 문화 적합성(Culture Fit) 평가: 정량화하기 어렵고, 또 "Culture Fit"이 다양성을 해치는 핑계로 자주 쓰입니다. 이 영역은 의도적으로 비-자동화로 남겨두는 것이 안전합니다.
3. 오퍼 협상: 후보자의 개인 사정·연봉 기대치·비교 오퍼 같은 맥락이 들어가며, 라포(rapport)가 핵심입니다.
4. 레퍼런스 체크: 후보자가 제공한 추천인과의 비공식 대화는 자동화 불가.
5. 온보딩 첫날: 사원 첫 출근일의 동료·매니저와의 만남은 자동화로 대체할 수 없습니다.

채용 자동화의 골든룰은 "AI는 후보자를 발견하고 사람은 후보자를 선택한다(AI discovers, humans decide)"입니다. 이 경계가 흐려질수록 편향과 후보자 반발의 위험이 동시에 커집니다.

23. 미래 전망 - 2027년 이후의 HR Tech

마지막으로 2026년 5월 현재 가시화된 향후 흐름을 간략히 정리합니다.

• Skills-based Organization: 직무(Job) 단위가 아니라 스킬(Skill) 단위로 조직을 재설계하려는 움직임. Eightfold·Workday Skills Cloud가 선두.
• AI Agent in HRIS: BambooHR·Rippling·Workday 모두 AI Assistant를 내장 중. 사원이 "휴가 신청해줘", "내 W-2 다운로드"같은 자연어로 요청.
• Talent Marketplace 내재화: 사외 채용 전에 사내 후보자를 먼저 매칭하는 내부 이동 시장이 표준이 됨.
• Continuous Performance: 연 1회 평가에서 주간 체크인·실시간 피드백으로의 전환. Lattice·15Five가 표준화.
• HR + Finance 통합: Rippling이 보여준 IT+HR+Finance 통합이 더 확산. 채용 → 온보딩 → IT 자동 프로비저닝 → 급여까지 한 흐름.
• Regulation Tightening: EU AI Act 본격 적용, 미국 주(州)별 AEDT 법 확산, 한국·일본도 가이드라인 작업 중.

가장 큰 그림은 **"AI는 HR Tech의 별도 카테고리가 아니라 모든 카테고리의 기본 기능이 된다"**는 것입니다. 2023년에는 "AI 채용 도구"가 차별점이었다면, 2026년에는 AI를 안 쓰는 ATS가 없고, 2028년에는 사용자가 AI 사용 여부를 의식조차 못 할 정도로 내재화될 것입니다.

24. 참고 / References

• Sapient Insights HR Systems Survey 2025-2026 — https://www.sapientinsights.com/hr-systems-survey/
• Josh Bersin HR Technology Report 2026 — https://joshbersin.com/
• Greenhouse Software documentation — https://developers.greenhouse.io/
• Lever Developer Center — https://hire.lever.co/developer
• Ashby API documentation — https://developers.ashbyhq.com/
• Workday Recruiting overview — https://www.workday.com/en-us/products/talent-management/recruiting.html
• iCIMS overview — https://www.icims.com/
• SmartRecruiters documentation — https://developers.smartrecruiters.com/
• BambooHR API — https://documentation.bamboohr.com/
• Eightfold AI — https://eightfold.ai/
• Phenom — https://www.phenom.com/
• Beamery — https://beamery.com/
• hireEZ — https://hireez.com/
• Findem — https://www.findem.ai/
• SeekOut — https://seekout.com/
• HireVue — https://www.hirevue.com/
• Paradox — https://www.paradox.ai/
• HackerRank for Work — https://www.hackerrank.com/work
• CodeSignal — https://codesignal.com/
• Codility — https://www.codility.com/
• TestGorilla — https://www.testgorilla.com/
• Workday HCM — https://www.workday.com/
• ADP Workforce Now — https://www.adp.com/
• UKG (Ultimate Kronos Group) — https://www.ukg.com/
• Rippling — https://www.rippling.com/
• Gusto — https://gusto.com/
• Deel — https://www.deel.com/
• Remote.com — https://remote.com/
• Oyster — https://www.oysterhr.com/
• Lattice — https://lattice.com/
• Culture Amp — https://www.cultureamp.com/
• Cornerstone OnDemand — https://www.cornerstoneondemand.com/
• Docebo — https://www.docebo.com/
• EU AI Act overview — https://artificialintelligenceact.eu/
• NYC Local Law 144 (AEDT) — https://www.nyc.gov/site/dca/about/automated-employment-decision-tools.page
• EEOC AI guidance — https://www.eeoc.gov/ai
• Amazon scrapped recruiting AI (Reuters, 2018) — https://www.reuters.com/article/us-amazon-com-jobs-automation-insight-idUSKCN1MK08G
• 잡코리아(JobKorea) — https://www.jobkorea.co.kr/
• 사람인(Saramin) — https://www.saramin.co.kr/
• 원티드(Wanted) — https://www.wanted.co.kr/
• 플렉스(flex) — https://flex.team/
• 마이다스아이티 inAIR — https://www.midasitc.com/
• リクルート Holdings — https://recruit-holdings.com/
• マイナビ(Mynavi) — https://www.mynavi.jp/
• Bizreach / HRMOS — https://hrmos.co/
• SmartHR — https://smarthr.jp/
• TeamSpirit — https://www.teamspirit.com/
• Glassdoor — https://www.glassdoor.com/
• Levels.fyi — https://www.levels.fyi/
• Blind — https://www.teamblind.com/