キーワードでは見逃すが推論なら捉えられるもの
- 「バックエンド経験 5 年」。 キーワード検索はテキスト内の「5 年」を探します。Mira は候補者の職歴に記載された在籍期間から経験年数を割り出すため、プロフィールにたまたま「5 年」と書かれているかどうかではなく、実際の経歴の時系列で要件を判断します。
- 「プロダクトを 0 から 1 に立ち上げた人」。 キーワード検索はそのフレーズをそのまま探します。Mira はパターンを認識します。アーリーステージの企業に入社し、その成長フェーズを通じて在籍したというパターンです。
- 「高成長企業出身」。 キーワード検索ではそもそも不可能です。Mira は候補者の職歴を読み解き、企業のステージと成長軌道を推論します。
- 「上場企業とスタートアップの両方の経験」。 キーワード検索はこれを 2 つの無関係なフィルターとして扱います。Mira はキャリア全体の軌跡を読み解き、異なる時点で両方を経験した人を見つけ出します。これは特定の種類の多才さを示すシグナルです。
同僚に伝えるように役職を説明する
Mira は推論するので、役職を平易な言葉で説明できます。「シニアで、技術的だがカスタマーフェーシング、単に多額の資金を調達しただけではなく実際にプロダクトマーケットフィットを達成したスタートアップでエンタープライズセールスを経験した人が欲しい。」Mira はこれを個別の基準に分解し、それぞれを適用します。キーワードの組み合わせも、フィルターも、検索構文も必要ありません。
Mira は各候補者をどう評価するか
この技術はどこから来ているか
MRE は、推論ベースの検索に関する Mira 独自の研究から生まれました。2026 年 7 月時点で、推論検索のパブリックベンチマークである BRIGHT で総合 1 位、Embedding ベースのリトリーバーの中でも 1 位にランクされています。Mira はまた、実際の採用データをもとに構築した採用特化型の評価セット PJBenchmark も開発しています。4 つの論文がこのアプローチを説明しています。できないこと
Mira は存在しない候補者を創り出すことはなく、採用の意思決定を行うこともありません。最良のマッチ候補を根拠とともに提示するだけで、最終判断は常にあなたに委ねられます。Mira に任せられることと、あなたのもとに残ることの全体像については、MiraDay にできること・できないこと をご覧ください。より良い結果を得るには
マッチングの質は、あなたのインプットの質に左右されます。- 具体的に書けば、より的確なマッチが得られます。
- 企業のステージやキャリアパターンといった暗黙の条件を含めて、Mira が推論する材料を増やしましょう。
- 結果を見てから絞り込みましょう。ラウンドを重ねるごとに精度が高まります。