Cómo busca Mira
Describe en lenguaje natural a la persona que buscas. Mira busca en múltiples fuentes de talento y en la web abierta, profundiza paso a paso siguiendo las signals que descubre y devuelve candidatos con la razón por la que cada uno encaja.
Agentic Sourcing es la forma en que Mira encuentra personas, y funciona de manera distinta a LinkedIn Recruiter y a la búsqueda tradicional por palabras clave. Describe en lenguaje natural a quién estás buscando, y Mira trabaja como un reclutador experimentado: busca en múltiples fuentes de talento, sigue las signals paso a paso y te dice por qué encaja cada candidato.
Qué resuelve
La búsqueda tradicional de candidatos tiene dos limitaciones de origen:
- Una sola base de datos. Las personas adecuadas están dispersas en redes profesionales, comunidades de código, plataformas de investigación y sitios de empresas. Una sola base de datos siempre deja escapar a algunos.
- Un solo paso. Una única coincidencia de palabras clave tiende a devolver personas con buenos currículums, no personas que realmente encajen.
Agentic Sourcing es diferente en ambos aspectos: extrae de múltiples fuentes y avanza en múltiples pasos, decidiendo dónde buscar a continuación a partir de lo que descubrió en el paso anterior, hasta dar con las personas adecuadas, incluyendo candidatos pasivos que no están buscando trabajo activamente.
Cómo funciona
- Describes la necesidad, en lenguaje cotidiano: el rol, los requisitos indispensables y los deseables.
- Un Sourcing Agent busca en múltiples fuentes de talento y en la web abierta, siguiendo signals (empresas, stacks tecnológicos, proyectos, trabajo público) y verificándolas de forma cruzada.
- Recibes resultados explicables: una lista de candidatos donde cada persona viene con la razón por la que encaja.
- Refinas. Si la dirección no es la correcta, solo indícalo o añade una restricción, y Mira se ajusta.
Funcionalidades principales
- Recuperación multifuente: busca en muchas fuentes de talento profesional y en la web abierta a la vez, luego fusiona y deduplica para que el sesgo de ninguna fuente individual domine.
- Análisis profundo en múltiples pasos: no es una coincidencia de un solo intento; sigue signals y verifica de forma cruzada a lo largo de múltiples saltos, de modo que puede llegar a los candidatos genuinamente adecuados, incluidos los pasivos. Impulsado por MRE.
- Matching ponderado por evidencia: Mira evalúa a cada candidato frente a tus requisitos indispensables y dealbreakers y los clasifica según la evidencia, sacando a la luz a los no obvios (como el gran ingeniero que nunca actualizó su cargo). Cada candidato lleva la razón detrás del match, para que la lista que presentes se sostenga.
- Contacto bajo demanda: una vez encontradas las personas adecuadas, revela el correo o el teléfono según sea necesario (cada revelación consume créditos).
Describe bien el rol
El Agent entiende el lenguaje natural, pero más contexto le da más sobre qué razonar. Una descripción débil y una fuerte devuelven listas de candidatos muy distintas:
| Débil | Fuerte | Por qué importa |
|---|---|---|
| "Encuéntrame un desarrollador" | "Ingeniero backend senior, 5+ años en Python, ha construido microservicios a escala, preferiblemente de fintech" | Más contexto significa más signals contra las que hacer matching |
| "Persona de marketing en NYC" | "Marketing manager de B2B SaaS en NYC, ha liderado lanzamientos de producto, cómoda con campañas basadas en datos" | Los criterios implícitos activan la recuperación basada en razonamiento |
| "Necesitamos a alguien bueno" | "Alguien que haya llevado un producto de 0 a 1, idealmente en una startup en Series A a B" | Mira lee "0 a 1" como experiencia de construcción en etapa temprana |
También puedes apoyarte en los criterios implícitos que dirías en voz alta. Mira razona sobre lo que significan en lugar de buscarlos como palabras clave:
| Tú dices | Mira lo interpreta como |
|---|---|
| "0 a 1" o "construido desde cero" | construcción de una empresa en etapa temprana, llevar algo de la nada al lanzamiento |
| "ADN de startup" o "ágil" | opera de forma independiente, cómodo con la ambigüedad y con poca estructura |
| "trayectoria de alto crecimiento" | inferido del tamaño de la empresa, el historial de financiación y la trayectoria de crecimiento |
| "5+ años de experiencia" | leído de la trayectoria profesional real, no de una etiqueta del perfil |
| "ha construido un equipo" | contrató y lideró un equipo, no solo trabajó en uno |
Qué sigue
- Requisitos indispensables y dealbreakers: cómo Mira interpreta tus requisitos y construye el Ideal Candidate Profile.
- Cómo hace matching Mira: cómo MRE razona para sacar a la luz a los candidatos adecuados.
- Agent Team: pon un equipo en una búsqueda compleja.
Exporta y comparte
Aprovecha el valor de tu grupo de candidatos. Revela el correo y el teléfono, exporta un archivo Excel o CSV, y comparte candidatos con tu ATS, una hoja de cálculo o un hiring manager.
Imprescindibles y descartes
Cómo Mira convierte tus requisitos en un Perfil de Candidato Ideal. Qué va en Must-Have, Nice-to-Have y Avoid, y cómo cada uno moldea la búsqueda y el ranking.