# Agentic Search

Source: https://docs.mira.day/it/docs/agent-sourcing/agentic-search

> Descrivi in linguaggio naturale la persona che stai cercando. Mira cerca su più fonti di dati, approfondisce passo dopo passo e restituisce candidati con la motivazione per cui ognuno corrisponde.



L'Agentic Search è il modo in cui Mira trova le persone. Non devi scrivere stringhe booleane né destreggiarti tra parole chiave — **descrivi chi stai cercando in linguaggio naturale, e Mira lavora come un recruiter esperto: cerca su più fonti di dati, segue le piste passo dopo passo e ti spiega perché ogni candidato è adatto.**

***

Cosa risolve [#cosa-risolve]

La ricerca tradizionale di candidati ha due limiti strutturali:

* **Un solo database.** Le persone giuste sono sparse tra reti professionali, community di sviluppatori, piattaforme di ricerca e siti aziendali — un singolo database ne manca inevitabilmente alcune.
* **Un solo passaggio.** Un match per parola chiave tende a restituire persone con curriculum ben costruiti, non necessariamente le più adatte al ruolo.

L'Agentic Search supera entrambi i limiti: attinge da **più fonti di dati** e avanza in **più passaggi** — decidendo dove cercare in base a ciò che il passaggio precedente ha portato alla luce — finché non trova le persone giuste, inclusi i candidati passivi che non stanno attivamente cercando lavoro.

Come funziona [#come-funziona]

1. **Descrivi la necessità** — in linguaggio quotidiano: il ruolo, i requisiti imprescindibili e quelli desiderabili.
2. **Mira cerca** — su più fonti di dati, seguendo piste (aziende, stack tecnologici, progetti, lavoro pubblico) e verificandole incrociandole.
3. **Ottieni risultati spiegabili** — una lista di candidati in cui ognuno è accompagnato da *perché corrisponde*.
4. **Affina** — se la direzione è sbagliata, dillo o aggiungi un vincolo, e Mira si adegua.

Funzionalità principali [#funzionalità-principali]

* **Recupero multi-fonte** — cerca simultaneamente su più fonti di talenti professionali e sul web aperto, per una copertura più ampia.
* **Approfondimento multi-passo** — non un match in un colpo solo; segue le piste e le verifica incrociandole, così riesce a raggiungere anche i candidati passivi.
* **Matching spiegabile** — ogni candidato porta una motivazione, così i risultati sono valutabili e affidabili. Questo è reso possibile da [MRE](./understanding-ai-matching).
* **Contatto on-demand** — una volta trovate le persone giuste, ottieni email o telefono al bisogno tramite Get Email / Get Phone (ogni richiesta consuma credits).

Descrivi bene il ruolo [#descrivi-bene-il-ruolo]

L'Agent comprende il linguaggio naturale — ma più contesto gli fornisci, più ha su cui ragionare. Un prompt debole e uno forte restituiscono Shortlist molto diverse:

| Debole                        | Forte                                                                                                     | Perché conta                                                     |
| ----------------------------- | --------------------------------------------------------------------------------------------------------- | ---------------------------------------------------------------- |
| "Trovami uno sviluppatore"    | "Senior backend engineer, 5+ anni Python, ha costruito microservizi in scala, preferibilmente da fintech" | Più contesto = più segnali su cui fare matching                  |
| "Una persona marketing a NYC" | "B2B SaaS marketing manager a NYC, ha gestito lanci di prodotto, a suo agio con campagne data-driven"     | I criteri impliciti attivano il matching basato su reasoning     |
| "Ci serve qualcuno bravo"     | "Qualcuno che ha portato un prodotto da 0 a 1, idealmente in una startup Series A–B"                      | Mira legge "da 0 a 1" come esperienza di costruzione early-stage |

Puoi anche affidarti a criteri impliciti — quelli che diresti a voce a un recruiter ("determinato", "sa operare in autonomia", "ha costruito un team da zero"). Mira ragiona su cosa significano, invece di abbinarli come parole chiave.

Guida rapida [#guida-rapida]

1. **Descrivi la persona in linguaggio naturale**, coprendo il più possibile:
   * Ruolo / livello
   * Requisiti imprescindibili (le condizioni non negoziabili)
   * Requisiti desiderabili
   * Vincoli come posizione geografica, settore o tipo di azienda
2. **Attendi mentre Mira cerca** — mostra i passaggi man mano che procede.
3. **Esamina la lista e la motivazione di match per ogni candidato**; ottieni i dettagli di contatto al bisogno.
4. **Non è del tutto giusto?** Fai un follow-up o modifica i criteri e lascia che continui a raffinare.

<Callout>
  **Esempio di prompt:** "Trova 3 senior backend engineer che abbiano costruito sistemi di controllo del rischio in tempo reale in aziende fintech, preferibilmente con Go e Kafka, con sede a Shanghai."
</Callout>

Mira cerca su più fonti le persone che corrispondono al profilo, approfondisce i loro progetti e il loro background per verificare, e restituisce una Shortlist con una motivazione di match per ognuno — poi puoi dire "trovane altri con esperienza nella gestione di un team" per restringere ulteriormente.

Consigli per risultati migliori [#consigli-per-risultati-migliori]

* **Separa i requisiti imprescindibili da quelli desiderabili.** Dì a Mira cosa è necessario rispetto a cosa è un plus — il matching diventa più preciso.
* **Fornisci il contesto.** "Si tratta di una startup early-stage che ha bisogno di qualcuno capace di operare in autonomia" aiuta a valutare il fit.
* **Usa i follow-up.** Quando la direzione è sbagliata, aggiungi o correggi un vincolo invece di ricominciare da capo.
* **Per ruoli complessi, usa un team.** Per ruoli interfunzionali o con vincoli elevati, affidalo a un [Agent Team](./agent-teams) che lavori in parallelo.
* **Salva le tue ricerche ricorrenti.** Trasforma un flusso di ricerca che ripeti spesso in una [Skill](./skills) così il team può riutilizzarla.

Dietro le quinte [#dietro-le-quinte]

Ecco i meccanismi che alimentano l'Agentic Search, spiegati in termini semplici:

* **Recupero multi-fonte + ranking per fusione.** Mira interroga più fonti di dati contemporaneamente, poi unisce, deduplica e riordina i risultati tramite fusione per rango reciproco (RRF), così il bias di nessuna singola fonte prevale.
* **Ciclo di reasoning iterativo.** Invece di un'unica query, ragiona → cerca → legge i risultati → ragiona di nuovo, scegliendo ogni passo successivo in base a ciò che ha appena trovato.
* **Pipeline a strati.** Scoperta, arricchimento dei contatti e arricchimento del profilo operano come livelli separati, approfondendo solo dove necessario.
* **Matching spiegabile.** [MRE](./understanding-ai-matching) valuta ogni candidato rispetto ai tuoi requisiti e scrive la motivazione che vedi.

> In termini accademici, la combinazione di molte fonti eterogenee e la risoluzione passo dopo passo su più domini corrisponde al **recupero multi-sorgente** unito al **ragionamento multi-hop**.

Correlati [#correlati]

* [Rivedi la tua Shortlist](./review-your-shortlist) — leggi ed esporta i candidati ottenuti.
* [Matching IA dei candidati](./understanding-ai-matching) — come MRE valuta il fit.
* [Agent Teams](./agent-teams) — metti più Agent specializzati su una ricerca complessa.

Vuoi provare Mira? [Iscriviti alla lista d'attesa](https://www.mira.day/join-waitlist) per l'accesso anticipato.