Rekrytering låter enkelt tills inkorgen förvandlas till en CV-soptipp. PDF:er överallt, uppföljningar som faller mellan stolarna och din “tracker” som finns i fem olika versioner.
Den här automatiseringen för CV-screening slår först mot HR-chefer, ärligt talat. Men rekryterare som hanterar stora volymer och grundare som rekryterar ovanpå allt annat känner det också. Du får ett poängsatt CV, en strukturerad rad i Google Sheets och bekräftelser som skickas automatiskt.
Nedan ser du hur det här flödet körs i n8n, vilka resultat du kan förvänta dig och vad du kan justera så att det matchar din roll, dina roller och dina krav.
Så fungerar automatiseringen
Här är det kompletta flödet du kommer att sätta upp:
n8n Workflow Template: Google Sheets + Gmail: CV-granskning utan inkorgskaos
flowchart LR
subgraph sg0["Application Form Flow"]
direction LR
n0@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model", pos: "b", h: 48 }
n1@{ icon: "mdi:message-outline", form: "rounded", label: "Confirmation of CV Submission", pos: "b", h: 48 }
n2@{ icon: "mdi:message-outline", form: "rounded", label: "Inform HR New CV Received", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "Using AI Analysis & Rating", pos: "b", h: 48 }
n4@{ icon: "mdi:cog", form: "rounded", label: "Convert Binary to Json", pos: "b", h: 48 }
n5["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/form.svg' width='40' height='40' /></div><br/>Application Form"]
n6@{ icon: "mdi:database", form: "rounded", label: "Candidate Lists", pos: "b", h: 48 }
n6 --> n2
n5 --> n4
n4 --> n3
n0 -.-> n3
n2 --> n1
n3 --> n6
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n5 trigger
class n3 ai
class n0 aiModel
class n6 database
classDef customIcon fill:none,stroke:none
class n5 customIcon
Varför det här spelar roll: CV-screening som inte knäcker din process
De flesta rekryterings-“system” faller isär precis när du behöver dem som mest: när ansökningarna börjar trilla in snabbt. En kandidat skickar in en PDF, du laddar ner den, byter namn, skummar igenom den och försöker sedan komma ihåg var du ska logga den. Kanske svarar du. Kanske inte. Under tiden saknar ditt rekryteringsark hälften av kandidaterna och den andra hälften har anteckningar utspridda i mejltrådar. Det är inte bara rörigt. Det saktar ner beslut, skapar en klumpig kandidatresa och gör det svårare att motivera varför någon gick vidare eller inte.
Det bygger snabbt upp. Här brukar friktionen visa sig.
- CV:n ligger som bilagor i Gmail, vilket betyder att det inte finns en tydlig källa till sanning för rollen.
- Manuell screening blir till “snabbskumning”, och konsekvensen sjunker efter de första kandidaterna.
- Bekräftelsemejl blir försenade eller bortglömda, så kandidater följer upp och inkorgen blir ännu värre.
- Kopiera/klistra in i Google Sheets bjuder in misstag som fel namn, fel mejl eller saknade filer.
Det du bygger: AI-poängsatt CV-intag loggat i Sheets med automatiska mejl
Det här flödet ger dig en pålitlig intagskanal: en kandidat skickar in sina uppgifter och sitt CV via ett formulär, och n8n tar det därifrån. PDF:en behandlas så att CV-texten kan extraheras, sedan granskar ett AI-steg innehållet och tar fram en kompatibilitetsrating som du faktiskt kan sortera och filtrera på. Därefter skriver flödet allt till ett Google Sheet, så att din tracker alltid är uppdaterad utan att någon behöver “hålla den uppdaterad”. Till sist skickar Gmail två mejl: ett till HR så att du vet att ett nytt CV har kommit in (med nyckeldetaljer), och ett till kandidaten som bekräftar att ni tagit emot ansökan. Samma flöde varje gång, även när det är fullt ös.
Flödet startar i kandidatens intagsformulär. Sedan extraherar det CV-text, kör AI-baserad CV-poängsättning och lagrar resultaten i Google Sheets. Efter det skickar Gmail notiser så att både HR och kandidaten får uppdateringar i tid.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du får 20 ansökningar på en dag. Manuellt kan du lägga cirka 10 minuter per kandidat på att ladda ner PDF:en, skumma igenom, logga i Sheets och skicka en bekräftelse, vilket är runt 3 timmar ren administration. Med det här flödet är “jobbet” i princip att granska de poängsatta raderna i Google Sheets. Kandidater får fortfarande ett nästan omedelbart mejl, HR blir notifierade automatiskt och du får tillbaka de där 3 timmarna för faktiska rekryteringsbeslut.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger funkar bra)
- Google Sheets för att lagra kandidater och poäng.
- Gmail för att skicka HR-notiser och mottagningsbekräftelser till kandidater.
- OpenAI API-nyckel (hämta den i din OpenAI-dashboard).
Svårighetsnivå: Nybörjare. Du kopplar konton, klistrar in en prompt och mappar några fält till ett sheet.
Vill du att någon bygger detta åt dig? Prata med en automatiseringsexpert (gratis 15-minuters konsultation).
Steg för steg
En kandidat skickar in ditt intagsformulär. Flödet startar i samma ögonblick som någon laddar upp sitt CV i PDF och fyller i sina grunduppgifter (namn, mejl, roll de söker och allt annat du frågar efter).
CV:t konverteras från PDF till användbar text. n8n extraherar CV-innehållet så att poängsättningen inte gissar baserat på ett filnamn eller några synliga rader.
AI poängsätter CV:t enligt dina kriterier. Basic LLM Chain kör din “CV-screening”-prompt och returnerar en kompatibilitetsrating plus sammanfattningspunkter som du kan spara, granska och jämföra mellan kandidater.
Sheets blir systemet för sanningskällan, och Gmail hanterar kommunikationen. En ny rad läggs till eller uppdateras i Google Sheets, HR får ett mejl om den nya ansökan och kandidaten får ett mottagningsmejl så att de inte blir lämnade i ovisshet.
Du kan enkelt ändra AI-reglerna för poängsättning så att de matchar olika roller eller senioritetsnivåer utifrån dina behov. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera formulärtriggern
Det här arbetsflödet startar när en kandidat skickar in intagsformuläret. Konfigurera formulärfälten och säkerställ att filuppladdningar matchar steget för cv-extraktion.
- Lägg till och öppna Candidate Intake Form.
- Ställ in Form Title på
Application for Software Engineer Position. - Bekräfta att formulärfälten inkluderar Full Name, E-mail, Expectation, Linkedin och Your Resume/CV med acceptFileTypes inställt på
.pdf.
Steg 2: anslut Google Sheets
Lagra kandidatdata och ai-poängsättning i ett Google Sheet för uppföljning.
- Lägg till och öppna Update Candidate Sheet.
- Referens krävs: anslut era googleSheetsOAuth2Api-uppgifter.
- Ställ in Operation på
append. - Ställ in Document på
[YOUR_ID]och Sheet på[YOUR_ID]. - Mappa kolumner till dessa uttryck exakt:
CV →{{ $('Candidate Intake Form').item.json['Your Resume/CV'][0].filename }}
Full Name →{{ $('Candidate Intake Form').item.json['Full Name'] }}
E-mail →{{ $('Candidate Intake Form').item.json['E-mail'] }}
Expectation →{{ $('Candidate Intake Form').item.json.Expectation }}
Linkedin →{{ $('Candidate Intake Form').item.json.Linkedin }}
AI Rating →{{ $json.text }}
[YOUR_ID]-platshållarna i Update Candidate Sheet med era faktiska dokument- och blad-id:n i Google Sheet.Steg 3: sätt upp cv-extraktion och ai-poängsättning
Det här steget extraherar text från den uppladdade pdf:en och kör den genom ai-poängsättningskedjan med Gemini.
- Öppna Extract Resume Text och ställ in Operation på
pdfoch Binary Property Name påYour_Resume_CV. - Öppna AI Resume Scoring och ställ in Text på
{{ $json.text }}. - Bekräfta att innehållet i ai-prompten förblir oförändrat i AI Resume Scoring för att bevara betygsformatet och språkstyrningen.
- Öppna Gemini Chat Engine och anslut den som språkmodell för AI Resume Scoring.
- Referens krävs: anslut era googlePalmApi-uppgifter till Gemini Chat Engine (uppgifter läggs till i den överordnade språkmodellnoden, inte i kedjenoden).
Steg 4: konfigurera utdata och e-postnotiser
Notifiera HR om nya kandidater och skicka en bekräftelse till den sökande.
- Öppna Notify HR of New CV och ställ in Send To på
[YOUR_EMAIL]. - Behåll mallen för Message med inbäddade uttryck såsom
{{ $('Candidate Intake Form').item.json['Full Name'] }}och{{ $('AI Resume Scoring').item.json.text }}. - Referens krävs: anslut era gmailOAuth2-uppgifter till Notify HR of New CV.
- Öppna Send Submission Receipt och ställ in Send To på
{{ $('Candidate Intake Form').item.json['E-mail'] }}. - Ställ in Subject på
We Have Received Your CVoch behåll Message som använder{{ $('Candidate Intake Form').item.json['Full Name'] }}. - Referens krävs: anslut era gmailOAuth2-uppgifter till Send Submission Receipt.
[YOUR_EMAIL] i Notify HR of New CV innan ni aktiverar, annars skickas inga HR-notiser.Steg 5: testa och aktivera ert arbetsflöde
Kör en fullständig testinsändning för att verifiera pdf-extraktion, ai-poängsättning, uppdateringar i arket och e-post.
- Klicka på Test Workflow och skicka in en provpost via Candidate Intake Form med ett cv i pdf-format.
- Bekräfta att Extract Resume Text ger ut text och att AI Resume Scoring returnerar ett betyg som ren text i
$json.text. - Verifiera att Update Candidate Sheet har lagt till en ny rad med kandidatens uppgifter och ai-betyg.
- Kontrollera att både Notify HR of New CV och Send Submission Receipt skickade e-postmeddelanden utan problem.
- Växla arbetsflödet till Active för användning i produktion.
Felsökningstips
- Åtkomst till Google Sheets misslyckas ofta på grund av saknade behörigheter på kalkylarket. Om rader inte skrivs, kontrollera delningsinställningarna för filen och det anslutna Google-kontot i n8n-credentials.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder misslyckas på tomma svar.
- Din AI-prompt för poängsättning är skillnaden mellan “användbar rating” och “generiskt fluff”. Lägg in rollkrav, måste-ha-kompetenser och diskvalificerande faktorer tidigt, annars kommer du redigera output för alltid.
Snabba svar
Cirka 30 minuter om dina Google- och OpenAI-konton är redo.
Nej. Du kopplar dina verktyg och mappar några fält till Google Sheets.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med kostnader för OpenAI API, vilket vanligtvis är några cent per CV beroende på längden på din prompt.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Den snabbaste vinsten är att justera prompten för “AI Resume Scoring” så att den matchar en specifik roll (till exempel “Sales Development Rep” vs. “Senior Backend Engineer”). Du kan också ändra vad som sparas i “Update Candidate Sheet”, till exempel lägga till en kolumn för varningsflaggor eller måste-ha-nyckelord. Och om din intagskälla ändras kan du byta ut “Candidate Intake Form” mot en annan trigger och ändå behålla stegen för extrahering, poängsättning och loggning.
Oftast beror det på utgången Google-autentisering eller att fel Google-konto är anslutet i n8n. Anslut dina Gmail-credentials på nytt och bekräfta sedan att Gmail-noden har rätt att skicka mejl för din räkning. Om mejl skickas ibland men inte alltid, kontrollera Gmails sändningsbegränsningar och säkerställ att du inte triggar flera notiser per inskick på grund av dubbla formulärhändelser.
De flesta små team kör dussintals CV:n per dag utan problem, och det skalar vidare därifrån baserat på din n8n-plan och API-gränser.
Ofta, ja, när du bryr dig om konsekvens och kontroll. Det här flödet är inte bara “flytta data från A till B”. Det extraherar text från PDF, kör en AI-poängsättningskedja, skriver strukturerad output och skickar sedan två separata mejl i rätt ordning. n8n hanterar den typen av flersteglogik snyggt, och self-hosting är ett verkligt alternativ när volymen växer. Zapier eller Make kan fortfarande funka om du håller det enkelt, men AI + filhantering tenderar att bli dyrt och skört. Om du är osäker, prata med en automatiseringsexpert så får du en rak rekommendation baserat på din volym.
När detta väl är igång håller sig din tracker strukturerad och varje sökande får ett svar i tid. Flödet tar hand om de repetitiva delarna, så att du kan fokusera på vilka som ska gå vidare.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.