# Mira はどのように候補者をマッチングするか

Source: https://docs.mira.day/ja/docs/match-quality-and-trust/understanding-ai-matching

> なぜ Mira はキーワードを照合するのではなく要件を推論するのか、各候補者を根拠つきであなたの基準に照らしてどう評価するのか、そしてこの技術はどこから来ているのか。



ほとんどのプラットフォームで候補者を検索するとは、キーワードを照合することを意味します。「Python developer Berlin」と入力すると、プロフィールにその言葉がある全員が表示されます。速いですが、多くを見逃します。最適な候補者があなたの言葉どおりに自分を説明していることは、めったにないからです。

Mira は違う動き方をします。推論ベースの検索モデルである Mira Reasoning Embedding（MRE）は、あなたの要件を読み取り、実際に何が必要かを推論し、実際のキャリア履歴が合致する候補者を提示します。その後 Mira が、それぞれをあなたの基準に照らしてスコアリングします。以下の例で、実際にはどう動くのかを紹介します。

***

キーワードでは見逃すが推論なら捉えられるもの [#キーワードでは見逃すが推論なら捉えられるもの]

* **「バックエンド経験 5 年」。** キーワード検索はテキスト内の「5 年」を探します。Mira は候補者の職歴から実際の期間を積み上げるため、プロフィールに「5 年」と一度も書かれていなくても、ある企業での 3 年と別の企業での 2.5 年をバックエンド経験としてカウントします。
* **「プロダクトを 0 から 1 に立ち上げた人」。** キーワード検索はそのフレーズをそのまま探します。Mira はパターンを認識します。アーリーステージの企業に入社し、その成長フェーズを通じて在籍したというパターンです。
* **「高成長企業出身」。** キーワード検索ではそもそも不可能です。Mira は候補者の職歴を読み解き、企業のステージと成長軌道を推論します。
* **「上場企業とスタートアップの両方の経験」。** キーワード検索はこれを 2 つの無関係なフィルターとして扱います。Mira はキャリア全体の軌跡を読み解き、異なる時点で両方を経験した人を見つけ出します。これは特定の種類の多才さを示すシグナルです。

同僚に伝えるように役職を説明する [#同僚に伝えるように役職を説明する]

Mira は推論するので、役職を平易な言葉で説明できます。

> *「シニアで、技術的だがカスタマーフェーシング、単に多額の資金を調達しただけではなく実際にプロダクトマーケットフィットを達成したスタートアップでエンタープライズセールスを経験した人が欲しい。」*

Mira はこれを個別の基準に分解し、それぞれを適用します。キーワードの組み合わせも、フィルターも、検索構文も必要ありません。

Mira は各候補者をどう評価するか [#mira-は各候補者をどう評価するか]

Mira はブラックボックスのスコアを返すことはしません。各候補者について、あなたの基準を 1 つずつ確認し、それぞれを **満たす**、**判断できない**、**満たさない** のいずれかとして印をつけ、その候補者自身の履歴から引いた根拠を 1 行添えます。プロフィールに単に記載がない場合、Mira は推測するのではなく判断できないと印をつけます。

これらの基準ごとの結果から、各候補者には全体としてのラベル、**高適合**、**部分適合**、**低適合** のいずれかが付きます。そのため候補者プールを素早く見渡しながら、それぞれの判断の裏にある推論も確認できます。解読すべき数値スコアはありません。

この技術はどこから来ているか [#この技術はどこから来ているか]

MRE は、推論ベースの検索に関する Mira 独自の研究から生まれました。2026 年 7 月時点で、推論検索のパブリックベンチマークである BRIGHT で総合 1 位、Embedding ベースのリトリーバーの中でも 1 位にランクされています。Mira はまた、実際の採用データをもとに構築した採用特化型の評価セット PJBenchmark も開発しています。4 つの論文がこのアプローチを説明しています。

* [Time-Scaling Is What Agents Need Now](https://arxiv.org/abs/2601.02714)
* [Refine Thought](https://arxiv.org/abs/2511.13726)
* [PJB](https://arxiv.org/abs/2603.17386)
* [CRE-T1 Preview Technical Report](https://arxiv.org/abs/2603.17387)

できないこと [#できないこと]

Mira は存在しない候補者を創り出すことはなく、採用の意思決定を行うこともありません。最良のマッチ候補を根拠とともに提示するだけで、最終判断は常にあなたに委ねられます。Mira に任せられることと、あなたのもとに残ることの全体像については、[Mira にできること・できないこと](/ja/docs/match-quality-and-trust/what-mira-can-and-cant-do) をご覧ください。

より良い結果を得るには [#より良い結果を得るには]

マッチングの質は、あなたのインプットの質に左右されます。

* 具体的に書けば、より的確なマッチが得られます。
* 企業のステージやキャリアパターンといった暗黙の条件を含めて、Mira が推論する材料を増やしましょう。
* 結果を見てから絞り込みましょう。ラウンドを重ねるごとに精度が高まります。

実践的なヒントは [Mira の検索の仕組み](/ja/docs/sourcing/agentic-search) をご覧ください。