# Cómo Mira hace matching de candidatos Source: https://docs.mira.day/es/docs/match-quality-and-trust/understanding-ai-matching > Por qué Mira razona sobre tus requisitos en lugar de coincidir palabras clave, cómo puntúa a cada candidato frente a tus criterios con evidencia, y de dónde viene la tecnología. En la mayoría de las plataformas, buscar candidatos significa hacer matching por palabras clave: escribes "desarrollador Python Berlín" y obtienes a todos los que tienen esas palabras en su perfil. Es rápido, pero se pierde mucho, porque el mejor candidato rara vez se describe con tus palabras exactas. Mira funciona de forma diferente. Mira Reasoning Embedding (MRE), su modelo de recuperación basada en razonamiento, lee tus requisitos, razona sobre lo que realmente necesitas y saca a la luz a los candidatos cuyo historial de carrera real encaja. Luego Mira puntúa a cada uno frente a tus criterios. Los ejemplos a continuación muestran cómo se ve esto en la práctica. *** Qué capta el razonamiento que las palabras clave se pierden [#qué-capta-el-razonamiento-que-las-palabras-clave-se-pierden] * **"5 años de experiencia en backend".** La búsqueda por palabras clave busca "5 años" en el texto. Mira suma el tiempo real del historial laboral del candidato, de modo que cuenta 3 años en una empresa más 2.5 en otra como experiencia en backend, aunque el perfil nunca diga "5 años". * **"Alguien que ha construido un producto de 0 a 1".** La búsqueda por palabras clave busca la frase literal. Mira reconoce el patrón: incorporarse a una empresa en una etapa temprana y permanecer durante su crecimiento. * **"Background en empresa de alto crecimiento".** La búsqueda por palabras clave no puede hacer esto en absoluto. Mira recorre el historial laboral del candidato y razona sobre la etapa y la trayectoria de la empresa. * **"Experiencia en empresa cotizada más startup".** La búsqueda por palabras clave trata esto como dos filtros sin relación. Mira recorre todo el arco de la carrera y encuentra a quienes hicieron ambas cosas en distintos momentos, lo que señala un tipo específico de versatilidad. Describe los puestos como se lo contarías a un colega [#describe-los-puestos-como-se-lo-contarías-a-un-colega] Como Mira razona, puedes describir un puesto en lenguaje natural: > *"Necesito a alguien senior, técnico pero orientado al cliente, que haya hecho ventas enterprise en una startup que realmente tenía product-market fit, no una que solo levantó mucho dinero."* Mira descompone eso en criterios separados y aplica cada uno. Sin combinaciones de palabras clave, filtros ni sintaxis de búsqueda. Cómo puntúa Mira a cada candidato [#cómo-puntúa-mira-a-cada-candidato] Mira no te devuelve una puntuación de caja negra. Para cada candidato, recorre tus criterios uno a uno y marca cada uno como **cumplido**, **incierto** o **no cumplido**, con una línea de evidencia extraída del propio historial de ese candidato. Cuando un perfil simplemente no lo dice, Mira lo marca como incierto en lugar de suponer. A partir de esos resultados por criterio, cada candidato recibe una etiqueta general, **Coincidencia alta**, **Coincidencia parcial** o **Coincidencia baja**, para que puedas revisar el grupo rápido y aun así ver el razonamiento detrás de cada decisión. No hay puntuaciones numéricas que descifrar. De dónde viene la tecnología [#de-dónde-viene-la-tecnología] MRE surge de la investigación propia de Mira sobre retrieval basado en razonamiento. Desde julio de 2026, ocupa el primer lugar en general en BRIGHT, un benchmark público para retrieval por razonamiento, y el primero entre los retrievers basados en embeddings. Mira también construyó PJBenchmark, un conjunto de evaluación específico para reclutamiento construido con datos reales de contratación. Cuatro artículos describen el enfoque: * [Time-Scaling Is What Agents Need Now](https://arxiv.org/abs/2601.02714) * [Refine Thought](https://arxiv.org/abs/2511.13726) * [PJB](https://arxiv.org/abs/2603.17386) * [CRE-T1 Preview Technical Report](https://arxiv.org/abs/2603.17387) Qué no hace [#qué-no-hace] Mira no inventará un candidato que no está ahí, y no toma la decisión de contratación: presenta los mejores matches disponibles con la evidencia, y la decisión final siempre es tuya. Para una visión completa de en qué apoyarte en Mira y qué queda en tus manos, consulta [Qué puede y qué no puede hacer Mira](/es/docs/match-quality-and-trust/what-mira-can-and-cant-do). Obtener mejores resultados [#obtener-mejores-resultados] La calidad del matching depende de la calidad de tu entrada: * Sé específico y obtendrás matches más precisos. * Incluye criterios implícitos, como la etapa de la empresa o el patrón de carrera, para darle a Mira más material sobre el que razonar. * Refina después de ver los resultados: cada ronda se vuelve más precisa. Consulta [Cómo busca Mira](/es/docs/sourcing/agentic-search) para consejos prácticos.