# เขียน JD ที่มีประสิทธิภาพสำหรับ AI Sourcing

Source: https://docs.mira.day/th/docs/agent-sourcing/write-an-effective-jd

> เคล็ดลับการอธิบายตำแหน่งงานให้ AI agent ของ Mira ใส่เกณฑ์ที่ไม่ชัดเจน เช่น "startup DNA" หรือ "สร้างจากศูนย์" เพื่อการจับคู่ผู้สมัครที่ดีขึ้น



Agent ของ Mira เข้าใจภาษาธรรมชาติ คุณไม่ต้องเขียน JD เป็นทางการ แต่วิธีที่คุณอธิบายตำแหน่งงานส่งผลต่อคุณภาพ Shortlist อย่างมาก

***

คำอธิบายดีเทียบกับอ่อน [#คำอธิบายดีเทียบกับอ่อน]

| อ่อน                    | ดี                                                                                              | ทำไมสำคัญ                                                          |
| ----------------------- | ----------------------------------------------------------------------------------------------- | ------------------------------------------------------------------ |
| "หา developer ให้หน่อย" | "Senior backend engineer, Python 5+ ปี เคยสร้าง microservices ขนาดใหญ่ ถ้ามาจาก fintech ยิ่งดี" | บริบทมากขึ้นให้ MRE มีสัญญาณมากขึ้นในการจับคู่                     |
| "คนทำ marketing ใน NYC" | "B2B SaaS marketing manager ใน NYC เคยทำ product launch สบายใจกับแคมเปญที่ขับเคลื่อนด้วยข้อมูล" | เกณฑ์ที่ไม่ชัดเจน ("สบายใจกับข้อมูล") กระตุ้นการจับคู่แบบใช้เหตุผล |
| "ต้องการคนเก่งๆ"        | "ต้องการคนที่เคยพาผลิตภัณฑ์จาก 0 ถึง 1 ถ้าเป็น startup Series A-B ยิ่งดี"                       | Mira ตีความ "0 ถึง 1" ว่าเป็นประสบการณ์สร้างของช่วง early-stage    |

สิ่งที่ Mira Reasoning Embedding เข้าใจ [#สิ่งที่-mira-reasoning-embedding-เข้าใจ]

Mira Reasoning Embedding ไปไกลกว่าการค้นหาด้วย keyword คุณใช้ได้

เกณฑ์แบบคณิตศาสตร์ [#เกณฑ์แบบคณิตศาสตร์]

> "ประสบการณ์ backend development อย่างน้อย 5 ปี"

MRE คำนวณระยะเวลาประสบการณ์จากไทม์ไลน์อาชีพของผู้สมัคร ไม่ใช่แค่จาก tag ในโปรไฟล์

เกณฑ์แบบความหมาย [#เกณฑ์แบบความหมาย]

> "คนที่มีประสบการณ์ 0-to-1" หรือ "เคยสร้างทีมจากศูนย์"

MRE ตีความความหมายที่ซ่อนอยู่ คือการสร้างบริษัทช่วง early-stage สร้างทีมตั้งแต่ต้น

เกณฑ์แบบสามัญสำนึก [#เกณฑ์แบบสามัญสำนึก]

> "พื้นฐานบริษัทมหาชน" หรือ "startup DNA แบบ high-growth"

MRE อนุมานบริบทองค์กรจากประวัติงานของผู้สมัคร (ขนาดบริษัท ระยะการระดมทุน เส้นทางการเติบโต)

เกณฑ์หลายแหล่ง [#เกณฑ์หลายแหล่ง]

> "มีประสบการณ์ขายที่บริษัทมหาชนและประสบการณ์ startup"

MRE ทำ multi-hop reasoning ข้ามส่วนต่างๆ ของอาชีพผู้สมัคร

Tip เพื่อผลลัพธ์ที่ดีกว่า [#tip-เพื่อผลลัพธ์ที่ดีกว่า]

1. **เจาะจงเรื่องทักษะ ไม่ใช่แค่ชื่อตำแหน่ง** "Full-stack" หมายถึงคนละเรื่องสำหรับแต่ละคน ระบุ "React + Node.js + PostgreSQL" ถ้านั่นคือสิ่งที่คุณต้องการ

2. **ใส่เกณฑ์ที่ไม่ชัดเจน** สิ่งที่คุณมักบอก recruiter ทางวาจา เช่น "คนประเภท scrappy" "ทำงานเองได้" "เคยบริหารทีม remote" Mira เข้าใจเช่นกัน

3. **บอกประเภทบริษัท** "จาก YC startup" หรือ "พื้นฐาน big tech" เปลี่ยนผู้สมัครที่ Agent หามาให้อย่างมาก

4. **ระบุสถานที่ให้ชัด** "Berlin ได้ remote ก็ได้" ชัดกว่า "ยืดหยุ่นเรื่องสถานที่"

5. **อย่า filter มากเกิน** เริ่มกว้าง แล้วค่อยปรับ คุณสั่ง Agent "แคบลงเฉพาะคนที่มีประสบการณ์ startup" ได้เสมอหลังเห็น Shortlist แรก

ถ้าผลลัพธ์ไม่โดน [#ถ้าผลลัพธ์ไม่โดน]

หลังรีวิว Shortlist ปรับในบทสนทนาเดิมได้เลย

* "แสดงผู้สมัคร junior กว่านี้"
* "รวมคนจาก Amsterdam ด้วย"
* "เน้นผู้สมัครจากบริษัท e-commerce"
* "อยากได้คนที่กำลังมองหางานใหม่อยู่"

Agent จำบริบททั้งบทสนทนาและปรับการค้นหาถัดไปให้ตาม