# AI Sourcing을 위한 효과적인 JD 작성법 Source: https://docs.mira.day/ko/docs/agent-sourcing/write-an-effective-jd > Mira의 AI Agent에 역할을 설명하는 팁. "스타트업 DNA"나 "처음부터 구축한 경험" 같은 암묵적 기준을 포함하면 더 나은 후보자 매칭이 가능합니다. Mira의 Agent는 자연어를 이해합니다, 공식적인 직무 기술서를 작성할 필요가 없습니다. 다만, 역할을 설명하는 방식이 Shortlist의 품질에 큰 영향을 미칩니다. *** 좋은 설명 vs. 약한 설명 [#좋은-설명-vs-약한-설명] | 약함 | 좋음 | 중요한 이유 | | ------------- | -------------------------------------------------------- | -------------------------------- | | "개발자를 찾아줘" | "시니어 백엔드 엔지니어, Python 5년+, 대규모 마이크로서비스 구축 경험, 핀테크 출신 선호" | 더 많은 컨텍스트가 MRE에 더 많은 신호를 제공 | | "NYC 마케팅 담당" | "NYC B2B SaaS 마케팅 매니저, 제품 런칭 경험, 데이터 기반 캠페인에 익숙" | 암묵적 기준("데이터에 익숙")이 추론 기반 매칭을 활성화 | | "뛰어난 사람이 필요해" | "제품을 0에서 1로 만든 경험이 있는 사람, Series A-B 스타트업이 이상적" | Mira는 "0에서 1"을 초기 단계 구축 경험으로 해석 | Mira Reasoning Embedding이 이해하는 것 [#mira-reasoning-embedding이-이해하는-것] Mira Reasoning Embedding은 키워드 검색을 넘어섭니다: 산술적 기준 [#산술적-기준] > "최소 5년 백엔드 개발 경험" MRE은 프로필 태그가 아닌 후보자의 경력 타임라인에서 경험 기간을 계산합니다. 의미적 기준 [#의미적-기준] > "0에서 1 경험이 있는 사람" 또는 "팀을 처음부터 구축한 경험" MRE은 내포된 의미를 해석합니다, 초기 단계 회사 구축, 처음부터의 팀 구성. 상식적 기준 [#상식적-기준] > "상장 기업 배경" 또는 "고성장 스타트업 DNA" MRE은 후보자의 경력(기업 규모, 투자 단계, 성장 궤적)에서 조직적 맥락을 추론합니다. 다중 소스 기준 [#다중-소스-기준] > "상장 기업에서의 영업 경험이 있고 스타트업 경험도 있는 사람" MRE은 후보자 경력의 여러 부분에 걸쳐 다단계 추론을 수행합니다. 더 나은 결과를 위한 팁 [#더-나은-결과를-위한-팁] 1. **직책이 아니라 기술을 구체적으로.** "풀스택"은 사람마다 다른 의미입니다. "React + Node.js + PostgreSQL"이 필요하다면 그렇게 말하세요. 2. **암묵적 기준을 포함하세요.** 리크루터에게 구두로 전달하는 것들 : "근성 있는", "독립적으로 일할 수 있는", "원격 팀을 관리해 본" : Mira도 이런 것을 이해합니다. 3. **기업 유형을 언급하세요.** "YC 스타트업 출신"과 "대기업 출신"은 Agent가 보여주는 후보자를 크게 바꿉니다. 4. **근무지 선호를 명확히.** "베를린 선호, 원격 가능"은 "유연한 근무지"보다 명확합니다. 5. **과도하게 필터링하지 마세요.** 넓게 시작하고 점점 좁히세요. 첫 Shortlist를 본 후 Agent에게 "스타트업 경험이 더 많은 후보자로 좁혀줘"라고 말할 수 있습니다. 결과가 맞지 않으면 [#결과가-맞지-않으면] Shortlist를 확인한 후 같은 대화에서 조정할 수 있습니다: * "더 주니어한 후보자를 보여줘" * "암스테르담의 후보자도 포함해" * "이커머스 기업 출신에 집중해" * "현재 새 역할을 찾고 있는 사람이 필요해" Agent는 전체 대화 컨텍스트를 기억하고 다음 검색을 그에 맞게 조정합니다.