Mira の仕組み
Mira はセマンティックマッチングで暗黙の採用基準を理解します。Agent が自律的に検索、評価、複数ソースからの候補者 Shortlist を作成します。
Mira が実行を担当するので、あなたは判断に集中できます。必要なことを説明すれば Agent が検索とマッチングを行い、あなたは結果を確認します。Sourcing ワークフローのステップバイステップの流れは以下の通りです。
あなたが役職を説明
↓
Agent が要件を確認（詳細が不足している場合のみ）
↓
Agent が複数の人材ソースを検索
↓
MREが候補者を評価・ランク付け
↓
AI サマリー付きの Shortlist を提供
↓
あなたが確認、絞り込み、または続行ステップ 1：ニーズを説明する
職務内容を入力する、JD を貼り付ける、または自然言語で役職を説明します。Mira は暗黙の条件を理解するため、正式な検索構文は必要ありません。
ステップ 2：Agent が確認（必要な場合のみ）
説明が十分に具体的であれば、Agent はそのまま先に進みます。重要な詳細が不足していたり曖昧な場合は、シニアリティレベル、候補者数、特定の希望条件などをカバーする短い確認フォームを生成します。フォームは結果が改善される場合にのみ表示されます。
ステップ 3：マルチソース検索
Mira は 3 つのデータレイヤーを検索します：
| レイヤー | ソース | 説明 |
|---|---|---|
| パブリックデータ | 複数の外部人材データベースから集約 | 業界と地域を幅広くカバー |
| Mira 独自データ | パブリックなプロフェッショナルプロフィールと求人情報の Mira 独自インデックス | 継続更新、グローバル対応 |
| プライベートデータ | アップロードした履歴書や ATS 連携の候補者プール | あなた専用の人材データベース、Mira で検索可能 |
ステップ 4：推論ベースのマッチング
Mira Reasoning Embeddingは、キーワードマッチングではなく多段推論で各候補者を評価します：
- 「5年以上の経験」 → キャリアタイムラインから実際に計算
- 「ゼロイチ経験」 → アーリーステージの事業構築と解釈
- 「上場企業出身」 → 企業データから組織コンテキストを推定
ステップ 5：Shortlist の提供
以下を含むキュレーションされたリストが届きます：
- 候補者の氏名、現職、会社、所在地。
- 経験年数。
- AI が生成した資格と適性の要約。
- 完全な職歴と学歴。
- 連絡先情報（メール、電話、LinkedIn）。
- ダウンロード可能なデータファイル。
ステップ 6：イテレーション
会話を続けます：
- 追加の候補者をリクエスト。
- 条件を調整（「アムステルダムも含めて」「スタートアップ出身を優先」）。
- 別の役職で新しい検索を開始。
各タスクはサイドバーに保存され、いつでも再確認できます。