Tezi 失败拆解：900 万美元的自主招聘 Agent，为什么结局是团队并入而不是产品增长
Tezi 用自主 Agent 覆盖找人、筛选和约面试，却没有公开证明重复招聘、付费续约与独立产品价值，最终服务关闭、团队并入 Headway。
一句话总结
Tezi 在 2024 年用 900 万美元种子轮和 15–20 家设计客户，把「从找人到约面试」的自主招聘 Agent 推到市场；到 2026 年 4 月 12 日服务关闭，Headway 随后宣布收购的是 Tezi 团队，不是继续独立经营的招聘产品。123
增长判断
Tezi 的激活承诺很强：招聘经理把职位需求交给 Max，系统筛选简历、发起联系、安排面试，用户第一次就能看到「少做几步行政工作」的价值。TechCrunch 当时报道，产品刚进入 alpha，只有 15–20 家设计客户；收入、付费客户数、留存、招聘结果和续约率均未披露。1
我的判断是：Tezi 把「自动完成招聘流程」当成了产品卖点，却没有公开证明客户愿意把关键决策长期交给它。招聘不是一条可以无限自动化的流水线，职位描述、候选人筛选、偏差审查、候选人沟通和面试安排，每一步都可能需要人来承担后果。Tezi 的创始人在早期报道中也承认，当时仍需要人参与，而且候选人池的质量取决于招聘经理的提示和职位描述。1
增长因果链
端到端自动化降低了招聘行政工作的首次体验成本，900 万美元融资和设计客户让团队获得了验证时间；但高风险招聘场景要求人工审查、偏差控制和结果追责，人工介入越多，所谓「自主 Agent」的差异化越弱，产品又必须与成熟 ATS、招聘 CRM 和人工招聘服务竞争。公开资料没有填上从 alpha 客户到重复招聘、从重复招聘到续约收入的中间环节，服务最终关闭，团队转入 Headway。这个因果链是待验证的经营诊断，不是 Tezi 官方公布的单一关停原因。
Part G | 增长系统
AARRR 账本
| 环节 | 已知事实 | 未披露数据 | 可证伪判断 |
|---|---|---|---|
| Acquisition，获客 | Tezi 在 2024 年 7 月宣布 900 万美元种子轮，由 8VC 和 Audacious Ventures 领投；发布时正与 15–20 家设计客户合作。14 | CAC、自然获客占比、销售周期、从试用到签约的转化率未披露 | 设计客户只能证明有人愿意帮忙试用。若 90 天内完成第二个职位的客户少于 50%，获客带来的只是一次性实验，不是可复制销售。该阈值是验证建议，不是 Tezi 历史数据。 |
| Activation，激活 | 产品承诺覆盖简历筛选、候选人联系、面试安排；官网当前仍把 Max 描述为可主动完成 sourcing、screening 和 scheduling。15 | 首个职位完成时间、合格候选人命中率、面试安排成功率、人工接管率未披露 | 真正的激活应是「一个职位得到合格候选人并成功约到一次面试」，而不是注册或上传职位。若首次有效职位率低于 60%，自动化只是演示层价值。阈值为建议。 |
| Retention，留存 | TechCrunch 只确认产品处于 alpha，并计划扩大 beta；没有公开 D7、D30 或客户重复使用结果。1 | 活跃招聘账户、每账户职位数、第二次招聘间隔、D30/D90、客户流失率未披露 | 对招聘工具而言，最小留存单位不是登录，而是同一客户再次开启职位。若 D30 重复开职位率低于 40%，产品更像项目试点，尚未成为招聘基础设施。阈值为建议。 |
| Revenue，收入 | 公开报道确认融资，不确认收入。Tezi 的公开页面没有价格、套餐、合同或客户名单。15 | ARR、付费客户数、客单价、毛利、续约率、按职位或按招聘结果收费的比例未披露 | 如果设计客户中没有至少 3 家在 90 天后付费续约或扩张，产品就没有证明「自动化」足以形成预算科目。阈值为建议。 |
| Referral，传播 | 创始团队曾在 Thumbtack 等公司积累招聘与产品经验，融资也得到行业天使支持，但公开资料没有证明客户推荐带来的新增合同。1 | 推荐率、客户转介绍占比、候选人侧传播和招聘结果口碑未披露 | B2B 招聘产品的传播价值，最终要落到新客户签约或更低 CAC。若推荐线索不能转化为第二家同类客户，创始人声誉只是早期分发，不是产品网络。 |
本 Part 结论： Tezi 公开证明了融资、产品愿景和早期试点，却没有公开证明首次有效招聘、重复职位、付费续约这三个下游数字；它的漏斗停在「有人愿意试」之前，没到「客户持续买」。
Part O | 市场机会
机会到底卖给谁
Tezi 的直接买方不是求职者，而是招聘经理、人才获取团队和需要连续招聘的企业。它试图替这些买方减少三类成本：从候选人池中找人，逐一联系候选人，以及在多个日历之间安排面试。TechCrunch 对产品的描述也集中在这条流程，而不是员工入职、绩效或培训。1
这类机会有一个容易被忽略的限制：客户买的不是「少点几下鼠标」，而是更快找到合适的人，同时不承担新的合规、偏见、误筛和候选人体验风险。只要招聘经理仍要逐份复核结果，Tezi 的节省就要和复核时间、集成成本、模型调用和候选人数据成本一起计算。
TAM / SAM / SOM 代理模型
公开资料没有提供 Tezi 的目标客户总数、平均合同额或可服务市场口径。下面只做经营压力测试，不是行业统计，也不是 Tezi 的历史收入；所有数字为 C 级估算。
| 层级 | 代理假设 | 年度收入空间 | 置信度 |
|---|---|---|---|
| TAM | 50,000 家有连续招聘需求的企业，每家每年为 AI 招聘工作流支付 24,000 美元 | 12 亿美元 | C：客户数量与客单价均未被 Tezi 公开数据验证 |
| SAM | 其中 5,000 家已有 ATS、愿意接入外部自动化、每年招聘频率足以覆盖 24,000 美元 | 1.2 亿美元 | C：筛选比例和支付意愿是假设 |
| SOM | 先拿下 30 家年度续约客户，每家年合同 36,000 美元 | 108 万美元 ARR | C：这是生存阈值，不是历史结果 |
这个模型的用途不是证明市场足够大，而是把产品问题改写成采购问题：Tezi 是否能让一个客户每年少花至少 36,000 美元的招聘运营成本，或者多招到足够有价值的人，从而愿意稳定支付 36,000 美元？如果答案只能靠「模型很聪明」来解释，市场故事还没有落地。
本 Part 结论： 招聘自动化的市场机会真实存在，但买方要为可验证的招聘结果和风险控制付费；「有很多企业需要招聘」不能替代一份可续约合同。
Part S | 战略定位
它选择了什么位置
Tezi 不是传统 ATS，也不是只给招聘经理建议的 Copilot。它把 Max 定位成一名自主招聘 Agent，试图接管从 sourcing、screening 到 scheduling 的连续动作。TechCrunch 报道称，团队当时使用来自数据提供商的 2.5 亿份资料，并结合 OpenAI 和 Anthropic 模型进行调优。1
这让 Tezi 的价值主张很清楚：客户不必再购买多个招聘工具、手工转移候选人，也不必把行政工作交给一名初级招聘人员。官网当前的表述仍然强调 Max 可以持续工作，并以更低成本提供不受时间限制的招聘容量。5
结构性弱点
第一，自动化承诺和责任边界冲突。 招聘经理可以授权 Agent 搜索和联系，但很难把「谁被排除、谁被误判、谁收到不合适的职位邮件」的责任一并交出去。Tezi 在早期报道中承认，人仍需参与；创始人还指出，结果会受到招聘经理的职位描述和提示质量影响。1
第二，数据资产并不等于招聘结果。 2.5 亿份资料扩大了搜索空间，却没有公开说明资料的新鲜度、授权范围、职位覆盖、候选人回复率和最终录用率。更多候选人只能提高供给，不能自动提高匹配精度。
第三，底层能力容易被平台吸收。 Tezi 使用外部大模型和数据提供商，自己的控制点主要是流程编排、提示设计、候选人排序和招聘经理界面。若 ATS、招聘 CRM 或大模型厂商把这些步骤内置，Tezi 就必须靠招聘结果数据、客户工作流和审计能力建立独立位置。
2026 年 3 月 31 日，Headway 公布收购 Tezi 团队，并明确计划把团队并入工程和产品组织；公告没有说收购 Tezi 产品、资产或独立业务，也没有披露交易价格。26 这把「团队被认可」和「产品被验证」分成了两件事。
本 Part 结论： Tezi 选择了最容易讲清楚、也最难兑现的位置：让 AI 自己做完招聘；一旦客户必须为每个关键判断保留人工责任，产品的自主性就变成演示亮点，而不是可防守的控制点。
Part C | 竞品分析
| 替代方案 | 用户得到什么 | 主要控制点 | Tezi 的相对短板 |
|---|---|---|---|
| Tezi Max | 从候选人搜索、初筛、联系到约面试的一体化 Agent；早期仍需要人参与。15 | 自动化流程和 Agent 编排 | 公开数据没有证明准确率、招聘结果、重复使用和续约；服务关闭日期由独立行业页报道，官网没有提供独立停服公告。3 |
| Ashby | ATS、CRM、sourcing、scheduling 和 analytics 统一在一个招聘系统里，也提供叠加在既有工具上的招聘分析。7 | 招聘记录、流程和分析数据 | 自动化不必承诺完全替代招聘经理，买方更容易把它接进现有流程。 |
| Greenhouse | 从 sourcing 到 onboarding 的端到端平台，强调结构化招聘、AI 工具和保留人工判断，并提供多种集成。8 | 招聘流程、候选人门户、结构化决策和集成 | Tezi 若只卖自主筛选，难以匹配成熟平台的流程、审计和组织协作能力。 |
| Gem | 把 ATS、CRM、AI sourcing、申请审查、欺诈识别、scheduling 和 analytics 组合在一起，可叠加到既有招聘工具。9 | 候选人关系、来源、审查和招聘数据 | Tezi 的端到端 Agent 更有故事性，但 Gem 的模块化能力更容易先买一部分再扩展。 |
| 内部招聘团队与人工服务 | 由招聘人员承担候选人判断、沟通、协调和最终责任 | 人的判断、关系和组织知识 | 成本更高、规模受限，但在高风险职位上不需要把责任转给不可解释的模型。 |
这个矩阵不比较各家的市场份额，因为本轮来源没有提供一致口径。真正要比的是四个控制点：谁保存招聘记录，谁定义筛选标准，谁处理例外，谁为错误结果负责。
本 Part 结论： Tezi 的敌人不是另一家更像它的 Agent，而是已经拥有客户数据、流程入口和责任链的招聘系统；自主性只有在这些控制点之外创造可量化结果，才足以成为购买理由。
Part P | 产品设计
用户流程
Tezi 的核心路径可以还原为：
输入职位需求 → 搜索候选人 → 生成联系 → 初步筛选与排序 → 安排面试 → 招聘经理复核这条路径的第一处优点是价值集中。招聘经理不用先学会一套复杂的筛选语法，就能把自然语言职位描述交给系统。第二处优点是动作连续：如果筛选、邮件和日历都在同一条任务链里，单个自动化动作的价值会叠加。
问题也集中在同一条链上。
- 输入质量决定上限。 TechCrunch 报道指出，候选人池取决于招聘经理的提示和职位描述。职位描述含糊，Agent 可能只是更快地扩大错误搜索。1
- 筛选结果需要可解释。 招聘经理必须知道候选人为什么被选中、为什么被排除，以及模型是否把学校、履历格式或历史招聘偏好当成了隐性代理变量。Tezi 当时表示会尽量避免从历史招聘模式学习，但没有公开偏差审计结果。4
- 约到面试不等于完成招聘。 约面试只是中间事件，后面还有候选人出席、面试评价、复试、录用和入职。若产品只优化到日历邀请，客户仍然要手工完成最重要的决策。
- 完全自动化会放大错误。 一次无关邮件可能损害雇主品牌，一次错误排除可能直接损失候选人。高风险场景需要暂停、撤销、人工批准和完整审计，而不是只有一个「自动运行」开关。
产品应该追踪的指标
- 有效职位率： 新职位在 7 天内产出一批经招聘经理确认的合格候选人。
- 人工接管率： 每个职位中被人改写、撤回或重新排序的候选人比例。
- 筛选到面试转化： 被 Agent 推荐的候选人中，实际进入面试的比例。
- 误筛反转率： 被系统排除、后来被招聘经理恢复的候选人比例。
- 第二职位率： 同一客户在 30 天内再次开启职位的比例。
- 招聘结果率： 推荐候选人进入录用和入职的比例；如果无法取得该数据，就不能把筛选速度当作产品成功。
本 Part 结论： Tezi 的产品流程把「候选人被找到」和「企业成功招到人」连得太快；只有把人工接管、误筛反转和最终录用纳入产品，Agent 才是在减少招聘成本，而不是把成本推迟到流程末端。
Part E | 商业模式
单位经济的硬约束
可用下面的式子检查这门生意：
单个客户月贡献毛利 = 订阅或招聘结果收入 - 大模型调用成本 - 候选人数据许可费 - 联系与日历服务成本 - 人工复核成本 - 集成与支持成本Tezi 的成本结构很可能随职位数增加而上升，但不能据此写成历史事实。公开资料只确认它使用了来自数据提供商的 2.5 亿份资料，并使用 OpenAI、Anthropic 模型；数据许可和模型调用的具体价格、上限与毛利均未披露。1
更危险的是「按招聘结果收费」的诱惑。如果按录用收费，收入更贴近买方价值，但招聘周期更长、归因更难，且客户可能把候选人质量、面试官判断和入职结果全部归给产品；如果按席位或职位收费，收入更稳定，却要证明客户真的持续使用。最现实的早期模型可能是基础平台费加职位用量费，并把人工复核、数据来源和高级审计单独定价，但 Tezi 没有公开说明采用了哪种方式。
为什么融资没有解决问题
Tezi 的融资发生在产品仍处于 alpha、设计客户只有 15–20 家的阶段。融资给了团队验证自主招聘的跑道，却没有回答三个商业问题：客户是否重复开职位，推荐结果是否改善招聘结果，单位毛利是否能覆盖数据与模型成本。1
本 Part 结论： Tezi 的商业模式缺口不是「还没找到更贵的套餐」，而是没有公开证明自动化结果能让客户持续付费，并且每新增一个职位不会同步增加更快的人工、数据和模型成本。
Part L | 洞察提炼
1. Agent 的自主程度不是客户价值的同义词
客户不会因为系统调用了更多工具就自动多付钱。招聘经理真正购买的是更短的招聘周期、更高的合格候选人比例和更少的错误风险。自主程度只有在这些结果上留下可审计的改善，才是产品价值。
2. 高风险工作流的人工确认不是缺陷
Tezi 的早期产品仍需要人参与，这不一定是失败；失败的可能是把人工确认包装成暂时过渡，而没有把它设计成责任链的一部分。1 在招聘、医疗、金融等场景，暂停、解释、撤回和审计本身就是可卖的功能。
3. 试点数量不能代替重复行为
15–20 家设计客户足以发现流程问题，却不足以证明市场规模。真正有信息量的不是有多少家公司愿意试，而是其中多少家在第二个职位、第二个团队和第二个季度仍然使用，并愿意按相同或更高价格续约。Tezi 没有公开这些数字。
4. 团队被收购不等于产品成功退出
Headway 的公告和相关报道都把交易描述为收购 Tezi 团队，并计划把团队并入工程和产品组织；购买价格未披露，也没有说 Tezi 招聘产品继续作为独立业务经营。26 对创始团队而言，这可能是一次有价值的下一站；对产品投资判断而言，它不能替代独立收入、留存和用户结果证据。
本 Part 结论： Tezi 最值得复用的教训不是「不要做招聘 Agent」，而是先把 Agent 的责任边界、结果指标和重复采购写进产品，再把自主性当作实现方式，而不是商业模式。
Part D | 决策分析
四种决策
| 决策 | 适用条件 | 下一步 |
|---|---|---|
| 继续独立经营 | 未来 90 天内，至少 5 家客户重复开启职位，3 家续约或扩张；有效职位率超过 60%，误筛反转率低于 10%。以上是建议阈值，不是 Tezi 历史数据。 | 把销售对象从「自主招聘」改为可审计的招聘结果，提供人工批准、撤回、偏差报告和结果回传。 |
| 转型为受控 Agent | 客户愿意使用自动搜索、联系和排程，但在筛选与推荐环节保留人工审批；人工接管率高，却没有明显降低客户价值。 | 把每个动作拆成可回滚步骤，按职位和工作流收费，优先嵌入 ATS 与 CRM。 |
| 转型为招聘基础设施 | 招聘数据、审计和流程编排比自动决策更受客户购买；客户不要求产品独立替代招聘团队。 | 提供评测、数据质量、候选人来源、模型回归和合规记录，成为现有招聘系统的 AI 层。 |
| 停止独立产品 | 没有付费续约，或者模型与数据成本加人工复核持续高于合同收入；团队能力在其他垂直工作流有更强买方。 | 关闭服务前提供数据导出、授权撤销、账户删除和客户迁移，不把团队并入写成产品成功证明。 |
三个可证伪预测
- 重复职位预测： 如果 AI 招聘 Agent 的 D30 重复开职位率低于 40%，但单个职位的首次筛选速度很快，它更像一次性项目工具，而不是日常招聘基础设施。验证时应按客户和职位去重，不能用登录量代替。
- 人工边界预测： 如果超过 25% 的推荐候选人需要招聘经理改写、恢复或重新排序，产品就不应再用「完全自主」作为核心承诺；应把人工审查和审计能力写进套餐。这个阈值为验证建议。
- 结果闭环预测： 如果推荐候选人的面试到录用转化率没有显著高于客户原有流程，哪怕 Agent 能把筛选时间缩短一半，客户也很难为独立产品长期付费。验证必须同时记录时间节省、误筛反转、录用率和续约率。
Tezi 的公开结局支持一个克制但足够具体的判断：它把招聘工作流自动化讲清楚了，却没有公开证明客户会为更好的招聘结果持续付款。2026 年 3 月 31 日，Headway 宣布收购的是 Tezi 团队；独立服务在 4 月 12 日关闭的日期由行业报道给出，但 Tezi 官网没有提供一份独立停服公告。235
对下一家招聘 Agent，最先要问的不是「它能不能自己发邮件」，而是四个更难的问题：客户是否在第二个职位继续用，招聘经理是否能解释每次排除，结果是否比旧流程更好，新增一个客户后毛利是否仍为正。如果这四个答案都没有数字，所谓自主，只是还没有经过责任和预算检验的产品叙事。
References
- 1
- 2Headway：Acquires Team Behind Tezi
prnewswire.com
- 3Truffle：Tezi is shutting down
hiretruffle.com
- 4Tech Times：Tezi secures $9M seed funding
techtimes.com
- 5Tezi 官方页面
tezi.ai
- 6Fierce Healthcare：Headway acquires team behind Tezi
fiercehealthcare.com
- 7Ashby 官方产品页
ashbyhq.com
- 8Greenhouse 官方产品页
greenhouse.com
- 9Gem 官方产品页
gem.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.