# Matching de Candidatos com IA Source: https://docs.mira.day/pt/docs/agent-sourcing/understanding-ai-matching > Como o Mira Reasoning Embedding interpreta seus requisitos. Vai além da busca por palavras-chave para entender contexto, sinais de senioridade e critérios implícitos. Quando você busca candidatos na maioria das plataformas, está fazendo matching por palavras-chave, digite "desenvolvedor Python Berlim" e receba todos com essas palavras no perfil. É rápido, mas perde muito. O Mira funciona de forma diferente. MRE (Mira Reasoning Embedding) lê sua descrição, raciocina sobre o que você realmente precisa e avalia o histórico completo de carreira de cada candidato contra seus requisitos. *** O que o MRE entende e palavras-chave não conseguem [#o-que-o-mre-entende-e-palavras-chave-não-conseguem] "5 anos de experiência em backend" [#5-anos-de-experiência-em-backend] Busca por palavras-chave: procura "5 anos" no texto do perfil. MRE: calcula os anos reais a partir do histórico de carreira. Se alguém teve 3 anos na Empresa A e 2,5 na Empresa B fazendo trabalho de backend, o MRE conta corretamente, mesmo que o perfil não diga "5 anos" em lugar nenhum. "Alguém que levou um produto de 0 a 1" [#alguém-que-levou-um-produto-de-0-a-1] Busca por palavras-chave: procura literalmente "0 a 1". MRE: identifica candidatos que entraram em empresas de estágio inicial (pré-Series A, menos de 20 pessoas) em funções de produto ou engenharia e permaneceram durante uma fase de crescimento. "Background em empresa de alto crescimento" [#background-em-empresa-de-alto-crescimento] Busca por palavras-chave: não consegue fazer isso. MRE: verifica dados da empresa, rodadas de investimento, crescimento de pessoal, sinais de receita, e identifica candidatos cujos empregadores correspondem ao padrão de "alto crescimento". "Empresa de capital aberto + experiência em startup" [#empresa-de-capital-aberto--experiência-em-startup] Busca por palavras-chave: dois filtros separados e desconectados. MRE: avalia o arco completo da carreira, encontra pessoas que trabalharam em empresa de capital aberto E em startup em diferentes pontos da carreira, entendendo que essa combinação sinaliza um tipo específico de versatilidade. O que isso significa para você [#o-que-isso-significa-para-você] Você pode descrever vagas como faria para um amigo recrutador: > *"Preciso de alguém sênior, técnico mas voltado ao cliente, que fez vendas enterprise em uma startup que realmente tinha product-market fit, não uma empresa que só captou muito dinheiro."* O MRE decompõe isso em múltiplos critérios de avaliação e os aplica. Você não precisa de strings booleanas, filtros ou "sintaxe de busca". De onde vem a tecnologia [#de-onde-vem-a-tecnologia] O MRE vem da pesquisa própria do Mira em retrieval baseado em raciocínio. Atualmente ocupa o primeiro lugar na categoria Embedding e primeiro no geral no BRIGHT, um benchmark público para retrieval por raciocínio. O Mira também construiu o PJBenchmark, um conjunto de avaliação específico para recrutamento usando dados reais de contratação. Quatro artigos descrevem a abordagem: * [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). O que ele não faz [#o-que-ele-não-faz] * **Não é mágica.** Se o candidato certo não existe nas fontes de dados, o MRE não vai inventar um. * **Não é uma decisão de contratação.** O MRE apresenta os melhores matches disponíveis para sua revisão. A decisão final é sempre sua. * **A precisão depende da completude dos dados.** Perfis com informações incompletas produzem matches menos precisos. Revisar toda a Shortlist, não apenas o resultado do topo, sempre vale a pena. Obtendo melhores resultados [#obtendo-melhores-resultados] A qualidade do matching depende da qualidade da sua entrada: * Mais específico → melhores matches. * Incluir critérios "implícitos" → ativa o raciocínio. * Refinar após ver resultados → cada rodada fica mais precisa. Veja [Como Escrever um JD Eficaz](/pt/docs/agent-sourcing/write-an-effective-jd) para dicas práticas.