# Mira가 검색하는 방식

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

> 원하는 사람을 자연어로 설명하세요. Mira가 여러 인재 소스와 오픈 웹을 탐색하고, 드러난 signal을 따라 단계별로 깊이 파고들어, 각 후보자가 왜 적합한지 이유와 함께 결과를 돌려줍니다.



Agentic Sourcing은 Mira가 사람을 찾는 방식이며, LinkedIn Recruiter나 기존 키워드 검색과는 다르게 작동합니다. **원하는 사람을 자연어로 설명하면, Mira는 숙련된 리크루터처럼 움직입니다: 여러 인재 소스를 검색하고, 단계별로 signal을 추적하며, 각 후보자가 왜 적합한지 알려줍니다.**

***

해결하는 문제 [#해결하는-문제]

기존 후보자 검색에는 두 가지 구조적 한계가 있습니다:

* **데이터베이스 하나.** 적합한 사람들은 전문 네트워크, 코드 커뮤니티, 리서치 플랫폼, 기업 사이트 등 여러 곳에 흩어져 있습니다. 하나의 데이터베이스로는 반드시 놓치는 사람이 생깁니다.
* **한 번의 검색.** 단일 키워드 매칭은 이력서가 그럴듯한 사람을 돌려주는 경향이 있으며, 실제로 잘 맞는 사람을 찾아주지는 않습니다.

Agentic Sourcing은 두 가지 모두 다릅니다: **여러 소스**에서 가져오고 **여러 단계**에 걸쳐 진행합니다. 직전 단계에서 드러난 결과를 바탕으로 다음에 어디를 볼지 결정하면서, 적극적으로 구직 중이지 않은 패시브 후보자까지 포함해 적합한 사람을 찾을 때까지 탐색합니다.

작동 방식 [#작동-방식]

1. **요구사항을 설명합니다**, 일상 언어로: 역할, 필수 조건, 우대 사항.
2. **Sourcing Agent가 검색합니다**, 여러 인재 소스와 오픈 웹을 넘나들며 signal(기업, 기술 스택, 프로젝트, 공개 작업물)을 추적하고 교차 검증합니다.
3. **설명 가능한 결과를 받습니다**: 모든 후보자에게 왜 적합한지 이유가 붙은 후보자 풀.
4. **방향을 조정합니다.** 방향이 맞지 않으면 그냥 말하거나 조건을 추가하면 Mira가 조정합니다.

핵심 기능 [#핵심-기능]

* **크로스 소스 리콜**: 여러 전문 인재 소스와 오픈 웹을 동시에 검색한 후, 병합하고 중복을 제거하여 특정 소스의 편향이 지배하지 않도록 합니다.
* **멀티스텝 심층 탐색**: 한 번으로 끝나는 매칭이 아닙니다; 여러 홉에 걸쳐 signal을 추적하고 교차 검증하여 패시브 후보자를 포함해 진정으로 적합한 후보자에게 닿을 수 있습니다. [MRE](/ko/docs/match-quality-and-trust/understanding-ai-matching)가 이를 뒷받침합니다.
* **증거 기반 매칭**: Mira는 필수 조건과 결격 사유를 기준으로 각 후보자를 평가하고 증거에 따라 순위를 매기며, 직함을 업데이트하지 않은 뛰어난 엔지니어처럼 눈에 띄지 않는 후보자도 발굴합니다. 모든 후보자에게는 매칭 이유가 붙어 있어 제출한 후보자 풀이 설득력을 가집니다.
* **온디맨드 연락처 공개**: 적합한 사람을 찾은 후 필요할 때 이메일이나 전화번호를 공개합니다(공개할 때마다 Credit이 차감됩니다).

역할을 잘 설명하는 방법 [#역할을-잘-설명하는-방법]

Agent는 자연어를 이해하지만, 맥락이 많을수록 추론할 재료가 풍부해집니다. 약한 프롬프트와 강한 프롬프트는 매우 다른 후보자 풀을 돌려줍니다:

| 약한 설명         | 강한 설명                                                      | 차이가 중요한 이유                         |
| ------------- | ---------------------------------------------------------- | ---------------------------------- |
| "개발자 찾아줘"     | "시니어 백엔드 엔지니어, Python 5년 이상, 대규모 마이크로서비스 구축 경험, 핀테크 출신 우대" | 맥락이 많을수록 매칭에 활용할 signal이 늘어납니다     |
| "NYC 마케터"     | "NYC의 B2B SaaS 마케팅 매니저, 제품 출시 경험 있음, 데이터 기반 캠페인에 익숙함"      | 암묵적 기준이 추론 기반 검색을 활성화합니다           |
| "잘하는 사람이 필요해" | "0 to 1로 제품을 만들어 본 사람, 시리즈 A-B 스타트업 출신 우대"                 | Mira는 "0 to 1"을 초기 단계 빌딩 경험으로 읽습니다 |

평소 말로 설명하듯 던지는 암묵적 기준도 활용할 수 있습니다. Mira는 이것을 키워드로 매칭하는 대신 그 의미를 추론합니다.

| 이렇게 말하면                | Mira는 이렇게 읽습니다                          |
| ---------------------- | --------------------------------------- |
| "0 to 1" 또는 "맨바닥부터 만든" | 초기 단계 회사 빌딩, 아무것도 없는 상태에서 출시까지 만들어 낸 경험 |
| "스타트업 DNA" 또는 "실행력 있는" | 자율적으로 움직이고, 모호함과 체계가 거의 없는 환경에 익숙함      |
| "고성장 배경"               | 회사 규모, 투자 이력, 성장 궤적에서 추론                |
| "경력 5년 이상"             | 프로필 태그가 아니라 실제 커리어 타임라인에서 읽어냄           |
| "팀을 꾸려 본"              | 단순히 팀에 속한 게 아니라 직접 사람을 뽑고 팀을 이끌어 본 경험   |

다음 단계 [#다음-단계]

* [필수 조건 & 결격 사유](/ko/docs/sourcing/search-filters-and-criteria): Mira가 요구사항을 어떻게 읽고 Ideal Candidate Profile을 만드는지.
* [Mira가 후보자를 매칭하는 방식](/ko/docs/match-quality-and-trust/understanding-ai-matching): MRE가 추론으로 적합한 후보자를 찾아내는 방식.
* [Agent Team](/ko/docs/meet-mira/agent-teams): 팀을 복잡한 검색에 투입하기.