Estel Technologies Kumpul €270,000 Untuk Atasi Iklan Pekerjaan Palsu Dengan Kecerdasan Buatan

Firma perekrutan teknologi membuang banyak masa mengejar iklan pekerjaan yang sudah diisi, disalin di pelbagai papan, atau sekadar lapuk. Estel Technologies, sebuah startup yang berpangkalan di Sofia, Bulgaria, telah mengumpul €270,000 dalam pusingan pembiayaan pra-benih untuk menyelesaikan masalah ini dengan platform jualan AI yang dibina khusus untuk industri perekrutan teknologi.

Pusingan Pembiayaan dan Pelabur

Pusingan pra-benih ini diumumkan pada 4 Ogos 2026 dan diterajui oleh Vitosha Ventures, sebuah firma modal teroka Bulgaria . Kerem Basak, seorang pelabur malaikat dari Austria dan pengasas/CEO FB Consulting, turut serta — dan menariknya, Basak sudah menjadi pengguna Estel sebelum melabur .

Pasukan Pengasas

Estel ditubuhkan oleh tiga profesional yang mempunyai pengalaman mendalam dalam perekrutan, operasi teknologi, dan AI:

• Bogdan Stavrev (CEO) sebelum ini berkhidmat sebagai VP Produk Digital di salah satu organisasi perekrutan terbesar di dunia.
• Ivo Michorov mengetuai program tenaga kerja global lanjutan Google, memberikan beliau pandangan langsung tentang cara syarikat teknologi besar mengurus bakat kontinjen.
• Yusuf Berki membawa pengalaman selama 15 tahun membangunkan sistem AI/ML merentasi HR tech, penjagaan kesihatan, dan kewangan .

Platform: Apa Yang Membezakan Estel

Estel menggambarkan dirinya sebagai ruang kerja jualan AI yang menggabungkan pelbagai alat yang terpisah ke dalam satu antara muka untuk firma perekrutan teknologi . Pembeza utama ialah Skor Keyakinan Permintaan (DCS) — satu metrik proprietari yang menganalisis isyarat pasaran harian untuk mengesahkan sama ada sesuatu iklan pekerjaan mencerminkan permintaan pengambilan yang aktif dan tulen, berbanding iklan yang lapuk, disalin, atau tidak boleh dipercayai .

Selain DCS, platform ini juga menawarkan:

• Pemarkahan prospek — menyusun dan mengutamakan peluang untuk pengguna individu berdasarkan kemungkinan penukaran .
• Padanan pembeli — secara automatik memadankan peluang yang telah disahkan dengan pembeli prospektif yang paling mungkin untuk menukar .

Idea asasnya ialah pasukan jualan perekrutan menghabiskan banyak masa untuk prospek yang sebenarnya sudah tiada lagi. Dengan menapis permintaan yang tulen terlebih dahulu, Estel menyasarkan untuk meningkatkan kecekapan secara drastik.

Traksi Semasa dan Penggunaan Dana

Setakat pengumuman pembiayaan, Estel melaporkan 3 pelanggan perusahaan dan €24,000 dalam hasil berulang tahunan (ARR) . Syarikat itu merancang untuk menggunakan modal baharu untuk mengukuhkan algoritma pengesahan permintaan, pemarkahan, dan padanannya sambil mempercepatkan pengambilalihan pelanggan di pasaran Eropah utama: UK, wilayah DACH (Jerman, Austria, Switzerland), Poland, dan pasaran tempatannya di Bulgaria .

Rancangan Pertumbuhan Bercita-cita Tinggi

Estel telah menetapkan sasaran jangka pendek yang agresif. Syarikat itu menyasarkan peningkatan dua puluh kali ganda dalam ARR menjelang pertengahan 2027, bersedia untuk pusingan pembiayaan benih pada tahun itu. Ia juga mempunyai rancangan pengembangan pasaran AS pada 2027 .

Ini adalah metrik peringkat awal — 3 pelanggan dan €24K ARR — tetapi latar belakang pengendali pasukan dan kejelasan masalah yang mereka selesaikan menjadikan startup ini patut diperhatikan dalam ruang HR-tech dan perisian perekrutan.