# Mira จับคู่ผู้สมัครอย่างไร

Source: https://docs.mira.day/th/docs/match-quality-and-trust/understanding-ai-matching

> ทำไม Mira จึงให้เหตุผลกับความต้องการของคุณแทนที่จะจับคู่ keyword วิธีที่มันให้คะแนนผู้สมัครแต่ละคนเทียบกับเกณฑ์ของคุณพร้อมหลักฐาน และเทคโนโลยีนี้มาจากไหน



บน platform ส่วนใหญ่ การค้นหาผู้สมัครหมายถึงการจับคู่ keyword คุณพิมพ์ "Python developer Berlin" แล้วได้ทุกคนที่มีคำเหล่านี้อยู่บนโปรไฟล์ มันเร็ว แต่พลาดไปมาก เพราะผู้สมัครที่ดีที่สุดมักไม่ได้อธิบายตัวเองด้วยคำเดียวกับที่คุณใช้

Mira ทำงานต่างออกไป Mira Reasoning Embedding (MRE) ซึ่งเป็นโมเดลการค้นคืนที่อิงการให้เหตุผลของมัน อ่านความต้องการของคุณ ให้เหตุผลว่าคุณต้องการอะไรจริงๆ แล้วนำเสนอผู้สมัครที่ประวัติอาชีพจริงตรงกับสิ่งนั้น จากนั้น Mira จะให้คะแนนแต่ละคนเทียบกับเกณฑ์ของคุณ ตัวอย่างด้านล่างแสดงให้เห็นว่าในทางปฏิบัติมันเป็นอย่างไร

***

สิ่งที่การให้เหตุผลจับได้ แต่ keyword พลาด [#สิ่งที่การให้เหตุผลจับได้-แต่-keyword-พลาด]

* **"ประสบการณ์ backend 5 ปี"** การค้นหาด้วย keyword มองหา "5 ปี" ในข้อความ Mira รวมเวลาจริงจากประวัติงานของผู้สมัคร จึงนับ 3 ปีที่บริษัทหนึ่งบวก 2.5 ปีที่อีกบริษัทเป็นประสบการณ์ backend แม้โปรไฟล์ไม่เคยเขียนว่า "5 ปี" เลย
* **"คนที่เคยสร้าง product จาก 0 ถึง 1"** การค้นหาด้วย keyword มองหาวลีตรงตัว Mira จดจำรูปแบบ คือการเข้าร่วมบริษัทตั้งแต่ช่วงต้นแล้วอยู่ต่อจนผ่านช่วง growth
* **"พื้นฐานบริษัท high-growth"** การค้นหาด้วย keyword ทำสิ่งนี้ไม่ได้เลย Mira อ่านผ่านประวัติงานของผู้สมัครแล้วให้เหตุผลเกี่ยวกับช่วงและแนวโน้มการเติบโตของบริษัท
* **"ประสบการณ์บริษัทมหาชนบวก startup"** การค้นหาด้วย keyword มองว่านี่เป็น filter สองชุดที่ไม่เกี่ยวกัน Mira อ่านผ่านเส้นทางอาชีพทั้งหมดแล้วหาคนที่เคยทำทั้งสองอย่างในช่วงเวลาต่างกัน ซึ่งบ่งชี้ความเก่งรอบด้านแบบเฉพาะ

อธิบายตำแหน่งงานอย่างที่คุณจะบอกเพื่อนร่วมงาน [#อธิบายตำแหน่งงานอย่างที่คุณจะบอกเพื่อนร่วมงาน]

เพราะ Mira ให้เหตุผล คุณจึงอธิบายตำแหน่งงานเป็นภาษาธรรมดาได้

> *"ต้องการคน senior ที่เป็นเทคนิคแต่ทำงานกับลูกค้าได้ เคยทำ enterprise sales ที่ startup ที่มี product-market fit จริงๆ ไม่ใช่บริษัทที่แค่ระดมทุนมาเยอะ"*

Mira แยกสิ่งนั้นออกเป็นเกณฑ์แยกกันแล้วนำแต่ละข้อมาใช้ ไม่ต้องมีการผสม keyword, filter หรือ syntax การค้นหา

Mira ให้คะแนนผู้สมัครแต่ละคนอย่างไร [#mira-ให้คะแนนผู้สมัครแต่ละคนอย่างไร]

Mira ไม่ได้คืนคะแนนแบบกล่องดำ สำหรับผู้สมัครแต่ละคน มันไล่ดูเกณฑ์ของคุณทีละข้อ แล้วทำเครื่องหมายแต่ละข้อว่า **ตรงตามเกณฑ์**, **ไม่แน่ชัด** หรือ **ไม่ตรงตามเกณฑ์** พร้อมหลักฐานหนึ่งบรรทัดที่ดึงมาจากประวัติของผู้สมัครคนนั้นเอง เมื่อโปรไฟล์ไม่ได้ระบุ Mira จะทำเครื่องหมายว่าไม่แน่ชัด แทนที่จะเดา

จากผลรายเกณฑ์เหล่านั้น ผู้สมัครแต่ละคนจะได้ป้ายกำกับรวม คือ **ตรงกันสูง**, **ตรงกันบางส่วน** หรือ **ตรงกันต่ำ** เพื่อให้คุณกวาดสายตาดูกลุ่มผู้สมัครได้เร็ว และยังเห็นเหตุผลเบื้องหลังทุกการตัดสิน ไม่มีคะแนนตัวเลขให้ต้องมาถอดความหมาย

เทคโนโลยีมาจากไหน [#เทคโนโลยีมาจากไหน]

MRE มาจากงานวิจัยของ Mira เองเรื่องการค้นหาแบบใช้การให้เหตุผล ณ เดือนกรกฎาคม 2026 อยู่อันดับ 1 โดยรวมบน BRIGHT ซึ่งเป็นเกณฑ์มาตรฐานสาธารณะสำหรับการค้นหาด้วยการให้เหตุผล และอันดับ 1 ในกลุ่มระบบค้นคืนที่ใช้ embedding Mira ยังสร้าง PJBenchmark ชุดประเมินเฉพาะทางการสรรหาที่สร้างบนข้อมูลการจ้างงานจริง มีเปเปอร์ 4 ฉบับอธิบายแนวทางนี้

* [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)

สิ่งที่มันไม่ทำ [#สิ่งที่มันไม่ทำ]

Mira จะไม่สร้างผู้สมัครที่ไม่มีอยู่ขึ้นมา และมันไม่ตัดสินใจจ้างแทนคุณ มันแสดงการจับคู่ที่ดีที่สุดเท่าที่มีพร้อมหลักฐาน และการตัดสินใจสุดท้ายเป็นของคุณเสมอ ดูภาพรวมทั้งหมดว่าจะพึ่ง Mira ในเรื่องใดและเรื่องใดยังเป็นของคุณได้ที่ [สิ่งที่ Mira ทำได้และทำไม่ได้](/th/docs/match-quality-and-trust/what-mira-can-and-cant-do)

การได้ผลลัพธ์ที่ดีกว่า [#การได้ผลลัพธ์ที่ดีกว่า]

คุณภาพการจับคู่ขึ้นกับคุณภาพของอินพุตของคุณ

* เจาะจง แล้วคุณจะได้การจับคู่ที่คมขึ้น
* ใส่เกณฑ์ที่ไม่ชัดเจน เช่น ช่วงของบริษัทหรือรูปแบบอาชีพ เพื่อให้ Mira มีข้อมูลให้ใช้เหตุผลมากขึ้น
* ปรับหลังเห็นผลลัพธ์ แต่ละรอบจะคมขึ้น

ดู [Mira ค้นหาอย่างไร](/th/docs/sourcing/agentic-search) สำหรับเคล็ดลับเชิงปฏิบัติ