Inkorgen för antagning fylls på, kalkylarket blir rörigt och ”vi granskar de här i morgon” blir i tysthet nästa vecka. Under tiden väntar starka sökande (eller tackar ja någon annanstans) eftersom er första granskning fastnar i copy-paste och inkonsekvent poängsättning.
Den här Jotform Sheets-automationen träffar antagningshandläggare först, men programansvariga och små team som hanterar stipendieurval märker det också. Du får strukturerade poster i Google Sheets, konsekvent AI-stödd poängsättning och routning som tar de bästa kandidaterna vidare samma dag.
Nedan ser du hur arbetsflödet fungerar, vilka resultat du kan förvänta dig och vad du behöver för att köra det utan att göra processen till ett skört experimentprojekt.
Så fungerar den här automatiseringen
Hela n8n-arbetsflödet, från trigger till slutlig output:
n8n Workflow Template: Jotform till Google Sheets – sortera antagning
flowchart LR
subgraph sg0["Jotform Flow"]
direction LR
n0@{ icon: "mdi:swap-vertical", form: "rounded", label: "Extract Application Data", pos: "b", h: 48 }
n1@{ icon: "mdi:robot", form: "rounded", label: "AI Essay Analysis", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "AI Holistic Review Agent", pos: "b", h: 48 }
n3@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n5@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Strong Admit?", pos: "b", h: 48 }
n6@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Committee Review?", pos: "b", h: 48 }
n7@{ icon: "mdi:message-outline", form: "rounded", label: "Email Admissions Director", pos: "b", h: 48 }
n8@{ icon: "mdi:message-outline", form: "rounded", label: "Send Interview Invitation", pos: "b", h: 48 }
n9@{ icon: "mdi:message-outline", form: "rounded", label: "Request Committee Review", pos: "b", h: 48 }
n10@{ icon: "mdi:message-outline", form: "rounded", label: "Send Acknowledgment Email", pos: "b", h: 48 }
n11@{ icon: "mdi:message-outline", form: "rounded", label: "Send Standard Acknowledgment", pos: "b", h: 48 }
n12@{ icon: "mdi:database", form: "rounded", label: "Log to Admissions Database", pos: "b", h: 48 }
n13["<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/slack.svg' width='40' height='40' /></div><br/>Send a message"]
n14["<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/jotform.dark.svg' width='40' height='40' /></div><br/>Jotform Trigger"]
n5 --> n13
n13 --> n7
n14 --> n0
n1 --> n2
n6 --> n9
n6 --> n11
n3 -.-> n2
n2 --> n5
n2 --> n6
n0 --> n1
n9 --> n10
n4 -.-> n2
n7 --> n8
n10 --> n12
n8 --> n12
n11 --> n12
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 n14 trigger
class n1,n2,n4 ai
class n3 aiModel
class n5,n6 decision
class n12 database
classDef customIcon fill:none,stroke:none
class n13,n14 customIcon
Problemet: ansökningsgranskning blir en flaskhals
Granskning av ansökningar är en av de processer som ser ”helt okej” ut tills volymen skjuter i höjden. Du plockar uppsatser från ett formulärverktyg, letar efter varningssignaler, försöker bedöma helheten och talar sedan om för rätt personer vad som ska hända härnäst. Och det är aldrig bara en ansökan. Det är dussintals, ibland hundratals, som kommer in i ojämna vågor. Små inkonsekvenser smyger sig in snabbt: olika granskare viktar kriterier olika, ett mejl går till fel mottagare och plötsligt jagar du beslut utan en tydlig spårbarhet.
Friktionen byggs på. Rejält.
- Manuell hantering blir till dubbelregistrering, vilket är så du får saknade kolumner och felmatchade sökande-ID:n.
- Kvaliteten i uppsatsgranskningen varierar med granskarens dagsform, tidspress och hur ”färsk” bedömningsmallen är.
- Toppkandidater flaggas inte snabbt nog, så intervjuer bjuds in flera dagar för sent.
- När någon frågar ”varför bestämde vi så här” letar du i mejltrådar, Slack-meddelanden och halvfärdiga anteckningar.
Lösningen: AI-stödd granskning + strukturerad loggning i Sheets
Det här arbetsflödet startar i samma ögonblick som en sökande skickar in en Jotform-ansökan. n8n mappar inskickningen till en konsekvent struktur och skickar sedan uppsatser och nyckeldata genom en AI-analys som tittar på skrivkvalitet, autenticitetssignaler och vanliga varningsflaggor (som generiskt ”Varför oss”-språk eller motsägelser). Därefter utvärderar en agent för helhetsbedömning den sökande utifrån era kärndimensioner – akademiska meriter, djup i aktiviteter, personliga egenskaper, matchning mot lärosätet och bidrag till mångfald – så att varje ärende får samma grundnivå. Till sist tar routningsregler över: starka antagningsfall triggar Slack-notiser och mejl till ledning, ärenden för kommittén paketeras för diskussion och standardärenden får professionella bekräftelser. Allt loggas i Google Sheets så att du kan följa utfall och motivera beslut.
Arbetsflödet börjar med intag från Jotform och kör sedan två AI-pass (uppsatsanalys och helhetsutvärdering). Därifrån förgrenas det via beslutskontroller, skickar rätt Slack- och mejlnotiser och lägger till en enda strukturerad post i Google Sheets för rapportering och revision.
Det här får du: automatisering vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut i praktiken
Säg att teamet granskar 200 ansökningar på en vecka. Om första passet tar cirka 12 minuter per ansökan (öppna formuläret, kopiera nyckelfält, skumma uppsatser, skriva anteckningar, skicka ett meddelande) blir det ungefär 40 timmar arbete innan ni ens kommer till kommittédiskussionen. Med det här arbetsflödet sker intag och routning automatiskt: du skummar AI-underlaget och beslutar nästa steg på cirka 3 minuter per ärende, medan loggningen i Sheets sker i bakgrunden. Det är ungefär 30 timmar tillbaka under en intensiv vecka, plus snabbare kontakt med era starkaste kandidater.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Jotform för att samla in ansökningar och uppsatser
- Google Sheets för att lagra antagningsloggen
- Slack för att larma teamet om starka antagningsfall
- Gmail eller Outlook för att skicka besked och inbjudningar
- OpenAI API-nyckel (hämta den från platform.openai.com/api-keys)
Kunskapsnivå: Medel. Du kopplar konton, klistrar in en API-nyckel och redigerar promptar och tröskelvärden så att de matchar er bedömningsmall.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ansökningsinskickningen triggar arbetsflödet. En Jotform-inskickning startar allt i n8n, så det finns inget steg där ”någon måste exportera svaren”.
Sökandedata struktureras och mappas. Arbetsflödet standardiserar fält (namn, kontaktuppgifter, akademiska meriter, uppsatstext, flaggor som första generationen eller behov av ekonomiskt stöd) så att poängsättning och loggning längre fram blir konsekvent i Google Sheets.
AI tar fram ett uppsatsunderlag och en helhetspoäng. OpenAI hanterar uppsatsanalys och en strukturerad helhetsgranskning och returnerar en lättläst sammanfattning samt en poäng 0–100 som du kan använda för routning och rapportering.
Routning sker automatiskt och allt loggas. Starka antagningsfall triggar Slack-notiser och mejl (inklusive intervjubjudningar), kommittéärenden genererar kommittéredo meddelanden och standardärenden skickar bekräftelser. Varje väg lägger till resultatet i Google Sheets så att du kan filtrera, revidera och följa utfall senare.
Du kan enkelt justera tröskelvärdena för poängsättningen så att de matchar programmets selektivitet. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera triggern för inkommande formulär
Börja med att konfigurera formulärtriggern så att nya inskick startar arbetsflödet och normaliseras för efterföljande steg.
- Lägg till och öppna Incoming Form Trigger.
- Ställ in Form till
[YOUR_ID]. - Autentiseringsuppgifter krävs: Anslut era jotFormApi-autentiseringsuppgifter.
- Öppna Map Applicant Fields och bekräfta viktiga mappningar som applicant_name satt till
{{ $json.q3_fullName?.first || '' }} {{ $json.q3_fullName?.last || '' }}och application_id satt tillAPP-{{ $json.submissionID }}-{{ Date.now() }}.
Steg 2: Anslut Google Sheets
Förbered antagningsloggen så att efterföljande åtgärder kan lägga till sökresultat.
- Lägg till eller öppna Append Admissions Log.
- Ställ in Operation till
append. - Ställ in Document till
[YOUR_ID]och Sheet Name tillgid=0. - Säkerställ att kolumnerna mappar till uttryck som applicant_name →
{{ $('Map Applicant Fields').item.json.applicant_name }}och composite_score →{{ $json.output.composite_score }}. - Autentiseringsuppgifter krävs: Anslut era googleSheets-autentiseringsuppgifter.
⚠️ Vanlig fallgrop: Om kolumnerna i arket inte matchar de mappade nycklarna i Append Admissions Log kommer rader att läggas till med tomma värden eller fel. Justera kolumnrubrikerna så att de stämmer med nodens fältmappning.
Steg 3: Konfigurera Essay Review AI och Holistic Evaluation Agent
Det här avsnittet konfigurerar AI-analysen och säkerställer strukturerad output för beslutstyrning.
- Öppna Essay Review AI och verifiera att modellen är
gpt-4omed Temperature satt till0.3. - Autentiseringsuppgifter krävs: Anslut era openAiApi-autentiseringsuppgifter i Essay Review AI.
- Öppna Holistic Evaluation Agent och bekräfta att prompten refererar till fält från Map Applicant Fields (till exempel
{{ $('Map Applicant Fields').item.json.gpa }}och{{ $json.message.content }}). - Säkerställ att OpenAI Chat Engine är ansluten som språkmodell för Holistic Evaluation Agent.
- Autentiseringsuppgifter krävs: Anslut era openAiApi-autentiseringsuppgifter i OpenAI Chat Engine.
- Bekräfta att Structured Result Parser är kopplad som output-parser och innehåller schemanycklar som
academic_score,recommendationochdetailed_review_markdown. Lägg till autentiseringsuppgifter i OpenAI Chat Engine (inte i parsern).
Behåll schemat i Structured Result Parser oförändrat så att efterföljande villkor som {{ $json.output.recommendation }} alltid finns tillgängliga.
Steg 4: Konfigurera output-/åtgärdsnoder
Sätt upp routing och notifieringar för antagna, kommittégranskningar och standardkvittenser.
- I Holistic Evaluation Agent, bekräfta att den skickar output till både Admit Decision Check och Committee Decision Check parallellt.
- Konfigurera Admit Decision Check med Left Value
{{ $json.output.recommendation }}och Right Valueadmit. - Konfigurera Committee Decision Check så att den matchar
strong_maybeellermaybemed Left Value{{ $json.output.recommendation }}. - Öppna Slack Admit Alert och bekräfta att meddelandemallen använder sökandefält som
{{ $('Map Applicant Fields').item.json.applicant_name }}. - Konfigurera Gmail-utdata (Notify Admissions Lead, Dispatch Interview Invite, Request Committee Vote, Send Receipt Notice, Send Standard Receipt) med era avsändarkonton och mottagaradresser som
[YOUR_EMAIL]eller{{ $('Map Applicant Fields').item.json.applicant_email }}. - Autentiseringsuppgifter krävs: Anslut era slack-autentiseringsuppgifter i Slack Admit Alert.
- Autentiseringsuppgifter krävs: Anslut era gmail-autentiseringsuppgifter på alla Gmail-noder (5 noder hanterar aviseringar, inbjudningar, omröstningar och kvittenser).
⚠️ Vanlig fallgrop: Om ni inte konfigurerar Gmail-autentiseringsuppgifter för varje Gmail-nod kommer bara delar av arbetsflödet att skicka e-post, medan andra grenar misslyckas tyst.
Steg 5: Testa och aktivera ert arbetsflöde
Kör ett skarpt inskick via formuläret för att validera alla grenar och utdata.
- Skicka in en testpost till ert JotForm-formulär som är kopplat till Incoming Form Trigger.
- Verifiera att Map Applicant Fields ger ifyllda värden som application_id och submission_date.
- Kontrollera att Essay Review AI och Holistic Evaluation Agent returnerar ett strukturerat
output-objekt medrecommendationochcomposite_score. - Bekräfta routingen: antagna triggar Slack Admit Alert och Notify Admissions Lead, medan kommittéärenden triggar Request Committee Vote → Send Receipt Notice. Icke-kommittéärenden ska trigga Send Standard Receipt.
- Verifiera att en ny rad visas i Append Admissions Log med mappade fält som recommendation och predicted_matriculation.
- När allt ser korrekt ut, slå på arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- Jotform-inloggningar och webhook-behörigheter kan vara känsliga. Om inskickningar slutar trigga, kontrollera först Jotform-triggerns anslutning i n8n och bekräfta sedan att formuläret fortfarande är aktivt och inte har duplicerats.
- Om du förlitar dig på AI-svar och använder någon väntelogik kan processtiderna variera. Öka väntetiden om efterföljande steg kör innan AI-outputen är klar och du ser tomma fält i mejl eller Sheets.
- OpenAI-promptar som levereras ”som de är” låter ofta generiska och kan missa vad er organisation värderar. Lägg in er rubriktext och exempel tidigt, annars kommer du att korrigera sammanfattningar för varje sökande.
Vanliga frågor
Cirka 3–4 timmar om formuläret och mejlkontona är redo.
Nej. Du kopplar konton, lägger till en OpenAI-nyckel och justerar promptar och tröskelvärden.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Molnplaner börjar på 20 USD/månad för högre volymer. Du behöver också räkna med OpenAI API-kostnader på cirka 0,15–0,25 USD per ansökan.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och klarar n8n bra. Egen drift ger obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Uppdatera promptarna som används i AI-steget för uppsatsgranskning och i agenten för helhetsutvärdering så att de speglar er organisations värderingar, typiska antagningsprofil och era ”icke förhandlingsbara” krav. Vanliga ändringar är att justera vikten mellan akademiska meriter och aktiviteter, lägga till programspecifika varningsflaggor och skriva om kommittépaketet så att det matchar hur ni diskuterar kandidater.
Oftast beror det på utgångna autentiseringsuppgifter eller en ändring i formuläret. Anslut Jotform-triggern på nytt i n8n och bekräfta sedan att originalformuläret (inte en kopia) fortfarande tar emot inskickningar. Om du har bytt namn på fält, kontrollera mappningssteget igen eftersom saknade uppsatsfält kan göra att AI-stegen returnerar tunna sammanfattningar. Håll också koll på rate limits om du importerar en backlogg på en gång.
Med n8n Cloud Starter kan du bearbeta upp till planens månatliga körningsgräns, och högre planer klarar mer. Om du kör egen drift finns ingen körningsgräns, men din server och OpenAI-genomströmning blir de praktiska begränsningarna. I verklig antagningsdrift kör team typiskt hundratals till tusentals ansökningar per antagningsomgång utan problem och batchar sedan kommittéärenden per dag. Om du väntar stora toppar, sprid bearbetningen med köer eller schemalägg körningar så att du inte slår i mejl- och API-gränser.
Ofta, ja, eftersom det här arbetsflödet har förgreningar, strukturerad parsing av AI-output och flera ”slutlägen” som ändå kräver konsekvent loggning. n8n hanterar den typen av logik snyggt utan att det blir tio separata automationer. Du får också möjligheten att köra egen drift, vilket spelar roll när volymen ökar runt deadlines. Zapier eller Make kan fortfarande fungera om du bara vill ha en enkel synk från intag till Sheets och en notis. Om du är osäker, prata med en automationsexpert så mappar vi det mot er verkliga process.
Det här arbetsflödet håller granskningen i rörelse utan att tumma på omdömet. Sätt upp det en gång och använd sedan timmarna du får tillbaka till det som faktiskt förtjänar mänsklig uppmärksamhet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.