# Mira の検索の仕組み

Source: https://docs.mira.day/ja/docs/sourcing/agentic-search

> 求める人物像を自然な言葉で説明するだけ。Mira は多数の人材ソースとオープンウェブをまたいで検索し、浮かび上がった signal をたどってステップごとに深掘りし、各候補者がマッチする理由を添えて返します。



Agentic Sourcing は Mira が人を見つける仕組みで、LinkedIn Recruiter や従来のキーワード検索とは動き方が異なります。**探している人物像を自然な言葉で説明するだけで、Mira は経験豊富なリクルーターのように動きます。多数の人材ソースをまたいで検索し、signal をステップごとにたどり、各候補者がなぜマッチするかを説明します。**

***

解決する課題 [#解決する課題]

従来の候補者検索には 2 つの本質的な限界があります。

* **データベースが 1 つ。** 適切な人材はプロフェッショナルネットワーク、コードコミュニティ、リサーチプラットフォーム、企業サイトと各所に散らばっています。単一のデータベースでは必ず取りこぼしが生じます。
* **検索が 1 回。** 1 回のキーワードマッチングは、実際に適した人ではなく、見た目のいい履歴書を持つ人を返しがちです。

Agentic Sourcing はこの両面で異なります。**多数のソース**から情報を引き出し、**複数のステップ**で進みます。直前のステップで浮かび上がった情報をもとに次の探索先を決めながら、積極的に転職活動をしていないパッシブ候補者も含め、適切な人材を見つけ出します。

仕組み [#仕組み]

1. **要件を説明する**。日常の言葉で、役職、必須条件、あると望ましい条件を記します。
2. **Sourcing Agent が検索する**。多数の人材ソースとオープンウェブをまたいで、signal（企業、技術スタック、プロジェクト、公開実績）をたどり、クロスチェックします。
3. **説明付きの結果が届く**。候補者プールとして、1 人ひとりにマッチする理由が添えられます。
4. **絞り込む**。方向性がずれていれば、そう伝えるか条件を追加するだけで、Mira が調整します。

主な機能 [#主な機能]

* **クロスソース網羅**：多数のプロフェッショナル人材ソースとオープンウェブを同時に検索し、結果を統合・重複排除して、特定のソースの偏りが支配的にならないようにします。
* **マルチステップ深掘り**：1 回限りのマッチングではなく、signal をたどってマルチホップでクロス検証するため、パッシブ候補者も含め、本当に適切な候補者にリーチできます。[MRE](/ja/docs/match-quality-and-trust/understanding-ai-matching) によって実現されています。
* **エビデンス重み付けマッチング**：Mira は各候補者をあなたの must-have と dealbreaker に照らして評価し、エビデンスに基づいてランク付けします。職歴更新を怠った優秀なエンジニアのような「一見わかりにくい人材」も浮かび上がらせます。すべての候補者にマッチの理由が付くため、提出する候補者プールに根拠が持てます。
* **オンデマンド連絡先取得**：適切な人材が見つかったら、必要に応じてメールや電話番号を開示します（開示ごとに credits を消費します）。

役職をうまく説明する [#役職をうまく説明する]

Agent は自然言語を理解しますが、文脈が多いほど推論の材料が増えます。薄い説明と詳しい説明では、返ってくる候補者プールが大きく変わります。

| 薄い               | 詳しい                                                                 | 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、照合できる signal 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の検索を引き出す                 |
| 「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 |

リクルーターに口頭で伝えるような暗黙の条件も活用できます。Mira はそれをキーワードとしてマッチングするのではなく、意味を推論します。

| あなたが言うこと               | Mira が読み取る意味                            |
| ---------------------- | --------------------------------------- |
| 「0 から 1」「ゼロから構築した」     | アーリーステージ企業の立ち上げ、何もないところからローンチまで持っていった経験 |
| 「スタートアップ気質」「フットワークが軽い」 | 独立して動ける、曖昧さや整っていない環境でも動ける               |
| 「高成長企業出身」              | 企業規模、資金調達履歴、成長の軌跡から推定                   |
| 「経験 5 年以上」             | プロフィールのタグではなく、実際のキャリアの流れから読み取る          |
| 「チームを立ち上げた」            | チームに参加しただけでなく、採用してチームを率いた               |

次のステップ [#次のステップ]

* [必須条件と NG 条件](/ja/docs/sourcing/search-filters-and-criteria)：Mira が要件をどう読み取り、Ideal Candidate Profile を組み立てるか。
* [Mira の候補者マッチングの仕組み](/ja/docs/match-quality-and-trust/understanding-ai-matching)：MRE がどのように推論して適切な候補者を浮かび上がらせるか。
* [Agent Team](/ja/docs/meet-mira/agent-teams)：複雑な検索にチームを投入する。