HR 2025：数百件の履歴書を数分で選別するAIワークフローの作り方

もし履歴書の選別に多くの時間を費やしているなら、このAIワークフローはあなたの強力なサポーターになります。自動で評価、スコアリング、そして応募者のショートリスト作成まで行うこのソリューションは、技術的な知識がなくても、迅速・正確・一貫して利用可能です。それでは、AIワークフローの構築方法について、ぜひ以下の記事をご覧ください！

現在のHRの最大の課題：手動での履歴書選別

一見シンプルに見える採用プロセスですが、実は履歴書の確認が最も負担の大きいステップです。採用ごとにHRは以下のような作業を行う必要があります。

• 　数百件の履歴書を読み、職務内容と照合
• 　評価の一貫性がなくなる可能性
• 　主観的判断により優秀な応募者を見逃すリス

採用人数が増えるほどプロセスは複雑になります。しかし、AIならもっと早く、正確で、一貫性のある選別が可能です。

こんな方におすすめ：

• 　履歴書選別の時間を節約したいHRの方
• 　HR不在で自分で採用を進めるスタートアップ経営者
• 　多くの応募者を扱っていて、すべての履歴書を読む余裕がない方

以下の内容を読んで、自分だけのAIアシスタントを作ってみましょう！

解決策：AI NLPを活用した履歴書自動解析ワークフロー

このワークフローでは、コード不要のn8nとAI NLPを組み合わせて、履歴書と職務記述書を数分で比較・評価します。

n8nとは？

n8nは、ノーコード／ローコードに対応した、ドラッグ＆ドロップ操作で使える業務自動化プラットフォームです。プログラミングの知識がなくても、さまざまなアプリやサービスを連携させて、自動化されたワークフローを簡単に作成できます。たとえば、メール、Google Drive、Slack、GPT-4などのAIツールとも、直感的な操作だけでスムーズに連携可能。日々の業務効率化や時間削減を実現したい方におすすめのツールです。

ワークフローの流れ

• 　履歴書の受信（Google Drive、メール、フォームなど）
• 　履歴書内容の抽出
• 　職務内容と履歴書をAI（GPT-4やClaude）で比較
• 　スコアリング・スキルの一致度・面接の推奨理由を出力
• 　結果をGoogle Sheetまたはメール/Slackで共有

コードが書けなくてもOK！プログラミング知識ゼロで始める自動化

このワークフローは直感的なUIで構築されており、プログラミング知識が不要です。HR、起業家、非エンジニアでも簡単に操作可能です。

どんな職種でもカスタマイズ可能

事務職、エンジニア、管理職など、職務内容を変更し履歴書をアップロードするだけで、ワークフローが自動で解析・評価します。柔軟な再利用も可能です。

AIワークフローを構築する方法はこちら!

必要なツール

• 　n8n（自社サーバーへのインストール型、またはクラウド版）
• 　Google DriveおよびGoogleスプレッドシートのアカウント（n8nに事前に接続されている必要があります）。接続がまだの場合は、こちらの手順ガイドに従って設定を行ってください。
• 　OpenAIのAPIキー
• 　職務内容のテンプレートファイル
• 　応募用フォーム

n8nでの詳細な設定ステップ

1. Triggerの設定：フォーム送信を検知

• 　n8nの「Webhook Trigger」ノードを使用し、Googleフォーム（または任意のフォーム）と接続します。
• 　応募者がフォームを通じて履歴書を送信すると、このWebhookが自動的にワークフローを起動します。

2. 履歴書のアップロード & データ抽出

• 　Google Driveノードを使用して、フォームからアップロードされた履歴書（PDF）をGoogle Driveに保存します。
• 　Extract PDF Textノードで、PDFファイルからテキストデータを自動抽出します。
• 　Googleスプレッドシートに職務内容リストを作成し、各ポジションの要件と照合できるように準備しておきます。

3. 情報の分割：個人情報 & 職歴・スキル情報

Information ExtractorノードをExtract from Fileノードと接続し、2種類のデータを分けて抽出します。

• 　個人情報（氏名、メールアドレス、電話番号など）

　　推奨プロンプト：

　　　　　「あなたは情報抽出に特化したアルゴリズムです。 テキストから必要な情報のみを抽出してください。 指定された属性の値が不明な場合は、その値を省略して構いません。」

• 　職歴・スキル情報（職歴・スキル情報など)

　　推奨プロンプト：

　　　　　「あなたは情報抽出に特化したアルゴリズムです。 テキストから必要な情報のみを抽出してください。 指定された属性の値が不明な場合は、その値を省略して構いません。」

4. データ統合（Merge処理）

• 　「Merge」ノードを使用して、先ほど抽出した個人情報と職歴情報をひとつにまとめます（＝Merge 1）。
• 　さらに、データの統合1のデータと、Googleスプレッドシート内の職務内容データを統合して、AI分析（LLM）用の入力データ（＝Merge 2）を生成します。

5. Summarization Chainのノードで応募者情報を要約

• 　Summarization Chainノードをセットアップし、応募者に関する重要な情報を要約します。
• 　そして、LLM（大規模言語モデル）によるマッチング分析の入力データとして活用します。

　　推奨プロンプト：

　　　　　以下の情報をもとに、100語以内で簡潔かつ会話調に要約してください（日本語）。

　　　　　居住地：{{ $json.output.city }}

　　　　　生年月日：{{ $json.output.birthdate }}

　　　　　学歴：{{ $json.output["Educational qualification"] }}

　　　　　職歴：{{ $json.output["Job History"] }}

　　　　　スキル：{{ $json.output.Skills }}

6. 職務内容との比較：求められるプロフィール

Edit Fields（Set）ノードを使用して、ワークフローを次の処理へ接続します。

• 　職務内容（JD）は手動入力もしくは、Googleスプレッドシートに保存されたサンプル一覧から取得可能です。
• 　取得した職務内容と応募者情報を比較するノードを設定します。

　　推奨プロンプト：私たちは、日本市場向けにWeb・モバイル・業務システムの開発を専門とするITアウトソーシング企業です。 現在、{{ $('Merge1').item.json.Position }}　のポジションにおいて、以下の職務内容および応募条件に基づいて採用を検討しています。　　　　　## 職務内容 　　　　　{{ $('Merge1').item.json['JD - job content'] }}　　　　　## 応募要件 　　　　　{{ $('Merge1').item.json['JD - required skill'] }}　　　　　{{ $('Merge1').item.json['JD - 優先'] }} 　　　　　{{ $('Merge1').item.json['JD - other'] }}

7. Basic LLM ChainノードによるAI評価

• 　Basic LLM Chainノードを用いて、AIに候補者の職務適合度を評価・スコア化させます。また、採用を推奨するかどうかも出力されます。
• 　推奨プロンプト：

　　　　　求めるプロフィール 　　　　　{{ $json.profile_wanted }}　　　　　候補者の情報　　　　　{{ $('Summarization Chain').item.json.response.text }}

8. Output Parser（オプション）

Structured Output Parserノードを使用して、結果を以下のようなJSON形式に分割します：

• 　氏名
• 　適合スコア
• 　採用の可否（推奨／非推奨）

この形式で出力されたデータは、次のステップでGoogleスプレッドシートに記録されます。

9. Googleスプレッドシートへの書き込み

• 　最終的な評価結果を、Googleスプレッドシートに「append: sheet」形式で記録します。
• 　生成された各データ項目を、対応するExcel列に手動でマッピングします。

圧倒的なメリット

今すぐ、業務効率化を加速させましょう！

このAIワークフローを活用すれば、これまで何時間もかかっていた履歴書の選別作業が、わずか数分で完了します。技術的な知識がなくても、直感的な操作とテンプレートの活用で、誰でも簡単に導入・運用が可能です。テンプレートファイルとステップバイステップの導入マニュアルは、以下のリンクから今すぐ無料で入手可能です。https://miichisoft.com/inquiry/また、テンプレートのカスタマイズやローカルサーバーへのセットアップについても、弊社が丁寧にサポートいたします!