# Scrivere una JD efficace per l'AI Sourcing

Source: https://docs.mira.day/it/docs/agent-sourcing/write-an-effective-jd

> Consigli per descrivere i ruoli all'Agent di Mira. Includi criteri impliciti come "startup DNA" o "built from scratch" per un matching migliore.



L'Agent di Mira capisce il linguaggio naturale: non serve scrivere una job description formale. Però il modo in cui descrivi un ruolo ha un impatto netto sulla qualità della Shortlist.

***

Descrizioni buone vs. deboli [#descrizioni-buone-vs-deboli]

| Debole                     | Buona                                                                                                        | Perché conta                                                                           |
| -------------------------- | ------------------------------------------------------------------------------------------------------------ | -------------------------------------------------------------------------------------- |
| "Trovami uno sviluppatore" | "Senior backend engineer, 5+ anni di Python, ha costruito microservizi at scale, preferibilmente da fintech" | Più contesto dà a MRE più segnali                                                      |
| "Marketing a Milano"       | "Marketing manager B2B SaaS a Milano, ha gestito product launch, a suo agio con campagne data-driven"        | I criteri impliciti ("a suo agio con i dati") attivano il matching basato su reasoning |
| "Serve qualcuno bravo"     | "Serve qualcuno che ha portato un prodotto da 0 a 1, idealmente in una startup Series A-B"                   | Mira interpreta "0 a 1" come esperienza di costruzione early-stage                     |

Cosa capisce Mira Reasoning Embedding [#cosa-capisce-mira-reasoning-embedding]

Mira Reasoning Embedding va oltre la keyword search. Puoi usare:

Criteri aritmetici [#criteri-aritmetici]

> "Almeno 5 anni di esperienza in backend development"

MRE calcola la durata dell'esperienza dalla timeline di carriera del candidato, non solo da un tag sul profilo.

Criteri semantici [#criteri-semantici]

> "Qualcuno con esperienza 0-a-1" o "ha costruito un team da zero"

MRE interpreta il senso implicito, costruzione in fase early-stage, creazione di un team da zero.

Criteri di buon senso [#criteri-di-buon-senso]

> "Background da azienda quotata" o "startup DNA in hyper-growth"

MRE inferisce il contesto organizzativo dalla storia lavorativa del candidato (dimensione aziendale, fase di funding, traiettoria di crescita).

Criteri multi-source [#criteri-multi-source]

> "Ha esperienza sales in un'azienda quotata e anche in una startup"

MRE fa multi-hop reasoning tra parti diverse della carriera del candidato.

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

1. **Sii specifico sulle competenze, non solo sul titolo.** "Full-stack" significa cose diverse per persone diverse. Se ti serve, scrivi "React + Node.js + PostgreSQL".

2. **Includi i criteri impliciti.** Le cose che diresti a voce a un recruiter : "qualcuno scrappy", "autonomo", "ha gestito team da remoto" : Mira le capisce.

3. **Cita il tipo di azienda.** "Da una startup YC" o "background da big tech" cambia radicalmente chi l'Agent fa emergere.

4. **Sii chiaro sulla posizione.** "Berlino preferibile, remote OK" è più chiaro di "location flessibile".

5. **Non filtrare troppo.** Parti largo e poi affina. Dopo la prima Shortlist puoi sempre dire all'Agent "restringi a chi ha più esperienza in startup".

E se i risultati non sono giusti? [#e-se-i-risultati-non-sono-giusti]

Dopo aver rivisto una Shortlist, puoi aggiustare nella stessa conversazione:

* "Mostrami candidati più junior".
* "Includi anche chi è ad Amsterdam".
* "Concentrati su candidati da aziende e-commerce".
* "Voglio persone attualmente in cerca di un nuovo ruolo".

L'Agent tiene il contesto pieno della conversazione e regola di conseguenza la ricerca successiva.