# Mira の仕組み

Source: https://docs.mira.day/ja/docs/overview/how-mira-works

> 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 [#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） [#ステップ-2agent-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 [#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 [#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 [#ステップ-5shortlist-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 [#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。

次のステップ [#次のステップ]

* [キーコンセプト](/ja/docs/overview/key-concepts): Agent、Shortlist などの用語解説
* [クイックスタート](/ja/docs/getting-started/quick-start): 最初の Sourcing タスクを実行