# Escribe un JD Efectivo para Sourcing con IA Source: https://docs.mira.day/es/docs/agent-sourcing/write-an-effective-jd > Consejos para describir puestos al Agent de IA de Mira. Incluye criterios implícitos como "ADN de startup" o "construyó desde cero" para mejor matching de candidatos. El Agent de Mira entiende lenguaje natural, no necesitas escribir una descripción de puesto formal. Pero la forma en que describes un puesto impacta significativamente la calidad de tu Shortlist. *** Buenas vs. débiles descripciones [#buenas-vs-débiles-descripciones] | Débil | Buena | Por qué importa | | ------------------------------ | ------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------- | | "Encuéntrame un desarrollador" | "Ingeniero backend senior, 5+ años Python, ha construido microservicios a escala, preferiblemente de fintech" | Más contexto da a MRE más señales | | "Persona de marketing en NYC" | "Gerente de marketing B2B SaaS en NYC, ha hecho lanzamientos de producto, cómodo con campañas data-driven" | Criterios implícitos ("cómodo con datos") activan matching por razonamiento | | "Necesitamos alguien bueno" | "Necesitamos alguien que haya llevado un producto de 0 a 1, idealmente en una startup Series A-B" | Mira interpreta "0 a 1" como experiencia de construcción en etapa temprana | Qué entiende Mira Reasoning Embedding [#qué-entiende-mira-reasoning-embedding] Mira Reasoning Embedding va más allá de la búsqueda por palabras clave. Puedes usar: Criterios aritméticos [#criterios-aritméticos] > "Al menos 5 años de experiencia en backend" MRE calcula la duración de experiencia del historial de carrera del candidato, no de etiquetas de perfil. Criterios semánticos [#criterios-semánticos] > "Alguien con experiencia de 0 a 1" o "construyó un equipo desde cero" MRE interpreta el significado implícito, construcción en etapa temprana, creación de equipo desde cero. Criterios de sentido común [#criterios-de-sentido-común] > "Background en empresa cotizada" o "ADN de startup de alto crecimiento" MRE infiere contexto organizacional del historial del candidato (tamaño de empresa, etapa de financiación, trayectoria de crecimiento). Criterios multi-fuente [#criterios-multi-fuente] > "Tiene experiencia de ventas en empresa cotizada y también experiencia en startup" MRE realiza razonamiento multi-hop a través de diferentes partes de la carrera del candidato. Consejos para mejores resultados [#consejos-para-mejores-resultados] 1. **Sé específico sobre habilidades, no solo títulos.** "Full-stack" significa cosas diferentes para diferentes personas. Di "React + Node.js + PostgreSQL" si eso es lo que necesitas. 2. **Incluye criterios implícitos.** Las cosas que dirías verbalmente a un reclutador : "alguien con garra", "puede trabajar de forma independiente", "ha gestionado equipos remotos" : Mira también entiende esto. 3. **Menciona el tipo de empresa.** "De una startup YC" vs. "background big tech" cambia dramáticamente a quién encuentra el Agent. 4. **Especifica preferencias de ubicación claramente.** "Berlín preferido, remoto OK" es más claro que "ubicación flexible." 5. **No filtres de más.** Empieza amplio, luego refina. Siempre puedes decirle al Agent "restringir a personas con más experiencia en startup" después de ver la primera Shortlist. Si los resultados no son los correctos [#si-los-resultados-no-son-los-correctos] Después de revisar una Shortlist, puedes ajustar en la misma conversación: * "Muéstrame candidatos más junior". * "Incluye personas de Ámsterdam también". * "Enfócate en candidatos de empresas de e-commerce". * "Quiero personas que estén actualmente buscando un nuevo puesto". El Agent recuerda todo el contexto de la conversación y ajusta la siguiente búsqueda en consecuencia.