Agentic Search

Mira の Agentic Search は複数のデータソースをまたいで独自の検索経路を計画し、候補者のキャリア全体を推論して、キーワードではなく意味でマッチングします。役職を自然な言葉で説明すると、的を絞った Shortlist が返ってきます。

Agentic Search は Mira が候補者を見つける仕組みです。役職を自然な言葉で説明すると、Agent がどこを探すかを計画し、複数のデータソースをまたいで検索し、キーワードマッチングではなく推論によって各候補者を評価します。

検索が「agentic」である理由

キーワード検索との違いは 3 つです：

マルチソース。 Agent は役職に応じて使用するデータソースを決定し、パブリック人材データベースと Mira 独自のパブリックプロフィール・求人情報インデックスなど、複数のソースをまたいで検索します。1 つの固定データベースだけを照会するのではありません。
マルチホップ推論。 候補者のキャリアの異なる部分をまたいで証拠をつなぎ合わせます。「上場企業でのセールス経験かつスタートアップ経験」は単一のキーワードとしてマッチングするのではなく、複数の職歴をまたいで確認されます。
推論ベースマッチング。 Mira Reasoning Embedding（MRE）があなたの意図を解釈します。「5 年の経験」は実際のキャリアタイムラインから計算され、「0 から 1」はアーリーステージの企業構築として読み取られます――どちらもキーワード検索では捉えられない概念です。

検索は Task の中で実行されます――あなたと Agent の継続的な会話です。

新しいタスク画面。テキスト入力欄とおすすめシナリオが表示されている

開始方法は 3 つあります：

Agent は自然言語を理解します――正式な JD は不要です。ただし、より多くの文脈を与えるほど、MRE の推論材料が増えます。重要な要素を含めてください：

すべてを入力する必要はありません。重要な情報が不足している場合、Mira が確認の質問をします。

弱い	強い	重要な理由
「開発者を探して」	「シニアバックエンドエンジニア、Python 5 年以上、スケールするマイクロサービスを構築した経験あり、フィンテック出身が望ましい」	文脈が多いほど MRE のマッチングシグナルが増える
「NYC のマーケティング担当」	「NYC の B2B SaaS マーケティングマネージャー、プロダクトローンチの経験あり、データドリブンなキャンペーンに慣れている」	暗黙の条件が推論ベースマッチングを引き出す
「できる人が欲しい」	「プロダクトを 0 から 1 にした経験があり、シリーズ A〜B のスタートアップが理想」	Mira は「0 から 1」をアーリーステージの構築経験として読み取る

算術的 — 「バックエンド開発で少なくとも 5 年の経験。」 MRE はプロフィールのタグではなく、キャリアタイムラインから期間を計算します。
意味的 — 「0 から 1 の経験がある人」 または 「チームをゼロから立ち上げた。」 MRE は含意された意味を解釈します。
常識的 — 「上場企業のバックグラウンド」 または 「高成長スタートアップの DNA。」 MRE は職歴から文脈（企業規模、ステージ、成長性）を推論します。
マルチソース — 「上場企業でのセールス経験かつスタートアップ経験。」 MRE はキャリアの異なる部分をまたいで推論します。

Agent は次のことを行います：

Shortlist を確認したら、同じ会話の中で調整できます――Agent は全文脈を保持し、次の検索にフィードバックを反映します：

広いところから始めて、徐々に絞り込む。Task ごとに 1 つの役職にすると、各会話が集中しやすく見返しやすくなります。