ヒントとベストプラクティス

より良い結果をより早く得るための実践的なヒント。

---

同僚に説明するように役職を描写する

フォーム入力だと思わないでください。仲間のリクルーターに説明するように役職を描写しましょう：

「B2B SaaS のプロダクトマネージャーが必要です。Series A-B の会社での経験があると理想的です。顧客と話せて、データにも深く入れる人。ロンドン在住か、移住可能な人。」

この自然なブリーフィングスタイルは、箇条書きの正式な JD よりも Mira に多くのコンテキストを提供します。

暗黙の条件を使う, Mira が輝くポイント

普段頭の中にとどめておくか、リクルーターに口頭で伝えるようなことこそが、Mira をキーワード検索と差別化するものです：

• 「ハイパーグロースを経験した人」。
• 「規制産業での経験がある」。
• 「大きなチームなしで自立して動ける」。
• 「カオスなアーリーステージ環境で活躍できるタイプ」。

Mira Reasoning Embeddingはこれらを理解し、マッチングに反映します。

広く始めて、絞り込む

最初の検索が完璧である必要はありません。一般的なワークフロー：

1. ラウンド 1：コア要件を説明、オープンに保つ。
2. レビュー：Shortlist を見て、誰が強く誰がそうでないかのパターンに気づく。
3. ラウンド 2：「候補者 #3 のような人をもっと」や「決済業界経験のある人に絞って」。
4. ラウンド 3：地域、シニアリティ、企業タイプを微調整。

各ラウンドは会話コンテキストの上に構築されます。Agent はすべてを記憶しています。

チームコラボレーションにデータファイルを活用

Shortlist データファイルをダウンロードして共有：

• Hiring Manager: アウトリーチ前に候補者をレビューしてもらう。
• チームメンバー: 候補者へのアウトリーチをチームで分担。
• ATS / トラッキングシート: トラッキングとタレントパイプライン管理のためにインポート。

LinkedIn プロフィールでコンテキストを確認

AI サマリーは素早い概要を提供しますが、LinkedIn プロフィールには追加のシグナルが含まれることが多いです：

• 投稿や記事（ソートリーダーシップ）。
• 同僚からの推薦（ピアバリデーション）。
• アクティビティパターン（積極的に転職活動中か）。
• 共通のつながり（紹介の可能性）。

1 ロールにつき 1 Task

異なる役職には別々の Task を作成しましょう。会話が集中し、後で検索を再確認するのも容易になります。「バックエンドエンジニアを見つけて」と「デザイナーも見つけて」を同じ Task に混ぜないでください。

日をまたいでイテレーション

Task は永久に保存されます。翌日戻って「この条件に合う新しい候補者はいる？」や「別の角度で試そう, 現在コンサルティングファームにいる候補者に絞って」と言えます。Agent は中断したところからそのまま再開します。