CV-granskning börjar enkelt. Sedan drunknar du i PDF:er, halvt ifyllda formulär och ”vart tog den kandidaten vägen?”-meddelanden som äter upp din morgon.
Den här Notion-automationen för CV-granskning träffar rekryterare först, men rekryterande chefer och operationsansvariga känner också av friktionen. Du får en konsekvent poäng, en korrekt formaterad Notion-post och ett revisionsspår i Google Sheets utan att jaga filer eller läsa samma CV två gånger.
Nedan ser du hur arbetsflödet skickar sökande från ett ansökningsformulär in i Notion, använder AI för att sammanfatta och poängsätta och sedan uppdaterar posten igen efter en AI-röstintervju.
Så fungerar den här automationen
Här är hela arbetsflödet du kommer att sätta upp:
n8n Workflow Template: Notion + Google Sheets för snabbare cv-granskning
flowchart LR
subgraph sg0["Application Form 1 of 3 Flow"]
direction LR
n0["<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/merge.svg' width='40' height='40' /></div><br/>Merge"]
n1@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "HR Expert", pos: "b", h: 48 }
n3@{ icon: "mdi:cog", form: "rounded", label: "Upload CV", pos: "b", h: 48 }
n4@{ icon: "mdi:cog", form: "rounded", label: "Extract Resume", pos: "b", h: 48 }
n5@{ icon: "mdi:robot", form: "rounded", label: "Applicant Summary", pos: "b", h: 48 }
n6@{ icon: "mdi:robot", form: "rounded", label: "Job Description Summary", pos: "b", h: 48 }
n7@{ icon: "mdi:robot", form: "rounded", label: "Applicant Qualifications", pos: "b", h: 48 }
n8@{ icon: "mdi:robot", form: "rounded", label: "Applicant Personal Data", pos: "b", h: 48 }
n9@{ icon: "mdi:swap-vertical", form: "rounded", label: "Application Data", pos: "b", h: 48 }
n16@{ icon: "mdi:swap-vertical", form: "rounded", label: "Resume URL", pos: "b", h: 48 }
n17["<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/notion.dark.svg' width='40' height='40' /></div><br/>Get Applicant Record"]
n18["<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/notion.dark.svg' width='40' height='40' /></div><br/>Embed Resume in Notion"]
n19@{ icon: "mdi:cog", form: "rounded", label: "Wait", pos: "b", h: 48 }
n20["<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 1 of 3"]
n21["<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 2 of 3"]
n22["<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 3 of 3"]
n23["<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/notion.dark.svg' width='40' height='40' /></div><br/>Get Job Description"]
n24@{ icon: "mdi:swap-vertical", form: "rounded", label: "Job Description Mapping", pos: "b", h: 48 }
n25@{ icon: "mdi:database", form: "rounded", label: "Applicant Data Backup", pos: "b", h: 48 }
n26["<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/notion.dark.svg' width='40' height='40' /></div><br/>Create Applicant Record"]
n28@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini", pos: "b", h: 48 }
n19 --> n17
n0 --> n5
n2 --> n25
n3 --> n16
n16 --> n19
n28 -.-> n5
n28 -.-> n7
n28 -.-> n2
n28 -.-> n8
n28 -.-> n6
n4 --> n7
n4 --> n8
n9 --> n4
n5 --> n23
n23 --> n6
n17 --> n18
n25 --> n26
n8 --> n0
n20 --> n3
n20 --> n9
n21 --> n3
n21 --> n9
n22 --> n3
n22 --> n9
n24 --> n2
n6 --> n24
n7 --> n0
n1 -.-> n2
end
subgraph sg1["AI Agent Flow"]
direction LR
n10["<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/webhook.dark.svg' width='40' height='40' /></div><br/>ElevenLabs Web Hook"]
n11@{ icon: "mdi:swap-vertical", form: "rounded", label: "ai_convo_items", pos: "b", h: 48 }
n12["<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/httprequest.dark.svg' width='40' height='40' /></div><br/>Extract_Audio"]
n13@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Filter_Notion_db", pos: "b", h: 48 }
n14@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n15["<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/notion.dark.svg' width='40' height='40' /></div><br/>Link Audio in Notion"]
n27@{ icon: "mdi:cog", form: "rounded", label: "Upload Audio to Drive", pos: "b", h: 48 }
n29@{ icon: "mdi:database", form: "rounded", label: "Evaluation Criteria", pos: "b", h: 48 }
n30["<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/notion.dark.svg' width='40' height='40' /></div><br/>Applicant Record"]
n31["<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/notion.dark.svg' width='40' height='40' /></div><br/>Update_Applicant_Record"]
n32@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Model", pos: "b", h: 48 }
n14 --> n30
n12 --> n27
n11 --> n14
n30 --> n13
n13 --> n31
n10 --> n11
n29 -.-> n14
n32 -.-> n14
n27 --> n15
n31 --> 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 n20,n21,n22 trigger
class n1,n2,n5,n6,n7,n8,n14 ai
class n28,n32 aiModel
class n13 decision
class n17,n18,n23,n25,n26,n15,n29,n30,n31 database
class n10,n12 api
classDef customIcon fill:none,stroke:none
class n0,n17,n18,n20,n21,n22,n23,n26,n10,n12,n15,n30,n31 customIcon
Varför det här spelar roll: CV-granskning bromsar rekryteringsbeslut
De flesta flaskhalsar i rekrytering är inte ”brist på kandidater”. Det är det röriga mellanskiktet: CV:n kommer i olika format, detaljer saknas och granskningsanteckningar hamnar utspridda i e-posttrådar, dokument och någons privata kalkylark. Så du öppnar samma PDF tre gånger. Du tvivlar på din egen poängsättning. Och när du väl identifierar en toppkandidat blir bokning och första intervju ännu en runda manuella uppföljningar. Det är utmattande, och ärligt talat får det bra rekrytering att kännas slumpmässig.
Friktionen byggs på. Här är det som vanligtvis skapar fel.
- CV:n och anteckningar finns på för många ställen, så ”en sann källa” blir aldrig verklighet.
- Olika granskare använder olika kriterier, vilket ger inkonsekventa poäng och mer diskussion än framdrift.
- Compliance- och revisionsförfrågningar blir ett kaos eftersom det inte finns någon tillförlitlig logg över vad du granskade och när.
- Förstaintervjuer tar dagar att boka, trots att de flesta bara ska sålla, inte avgöra.
Vad du bygger: Notion-först-granskning med en revisionslogg i Google Sheets
Det här arbetsflödet skapar en sammanhållen pipeline från ”ny sökande” till ”granskad, poängsatt och redo för intervju”, med Notion som din dashboard och Google Sheets som din compliance-vänliga logg. Det startar när en sökande skickar in ett n8n-ansökningsformulär (mallen stödjer tre roller parallellt). Deras CV laddas upp till Google Drive, sedan tolkas PDF:en så att AI kan extrahera kontaktdata och kvalifikationer. Därefter skapar arbetsflödet en kandidatsammanfattning och utvärderar matchning mot rollens kravprofil och kriterier som lagras i Notion. Till sist skapar eller uppdaterar det kandidatrekordet i din Notion-ATS, loggar inflödet till Google Sheets och fortsätter att berika samma rekord efter en ElevenLabs-röstintervju genom att bifoga ljud, insikter baserade på transkript och en intervjupoäng.
Arbetsflödet börjar i ansökningsformuläret, går vidare via CV-tolkning och AI-poängsättning och avslutar med att skriva korrekt formaterade poster i Notion plus en backup-rad i Sheets. När en AI-intervju sker skickar en webhook tillbaka resultaten, ljud sparas i Drive och samma Notion-profil uppdateras med en intervjubedömning.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du får 20 CV:n i veckan för en roll. Manuellt är det lätt att lägga cirka 10 minuter per CV på att spara filer, extrahera detaljer, lägga till anteckningar och kopiera in grunderna i en tracker, alltså runt 3 timmar. Lägg sedan på ett par timmar till för att skriva en konsekvent sammanfattning och landa i en poäng tillsammans med rekryterande chef. Med det här arbetsflödet är inflödet en formulärinsändning plus automatiserad bearbetning och uppdateringar, så din manuella tid hamnar närmare snabb granskning och beslutsfattande. Du får vanligtvis tillbaka de där 4–5 timmarna varje vecka, och shortlistan blir tydligare.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Notion för att lagra sökande, roller och utvärderingskriterier
- Google Sheets för att hålla en revisionslogg över sökande
- ElevenLabs API-nyckel (skapa den i inställningarna för ElevenLabs-kontot)
Svårighetsgrad: Medel. Du kopplar konton, mappar några fält och justerar prompts och bedömningsmallar så att de matchar er rekryteringsprocess.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
En sökande skickar in ert ansökningsformulär. En av n8n-formulärtriggrarna körs (mallen innehåller tre) och fångar upp kandidatens uppgifter och det uppladdade CV:t.
CV:t lagras och tolkas. Arbetsflödet laddar upp filen till Google Drive och extraherar sedan text från PDF:en så att AI kan arbeta tillförlitligt med innehållet i stället för att gissa från en skärmdump eller en rörig inklistring.
AI sammanfattar och poängsätter mot rollen. Rolldetaljer och utvärderingskriterier hämtas från Notion, sedan tar en AI-agent fram en kandidatsammanfattning, en nedbrytning av kvalifikationer och en CV-poäng (1–10) med motivering som du kan skumma.
Poster skapas, loggas och berikas senare efter intervjuer. Arbetsflödet skriver in kandidaten i din Notion-ATS, lägger till en backup-rad i Google Sheets för revision och compliance, och när ElevenLabs skickar intervjuresultat via webhook bifogar det ljud och uppdaterar samma Notion-profil med en intervjupoäng (1–5) och insikter.
Du kan enkelt ändra bedömningsmallen och tröskelvärdena för ”gå vidare” i Notion utifrån era behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera formulärtriggers
Konfigurera de tre ansökningsformulären som matar in kandidatdata och CV:n i arbetsflödet.
- Öppna Application Form A och ställ in Form Title till
Sr Account Executiveoch Form Description till[Company Name]. - I Application Form A, bekräfta att värdet i det dolda fältet job_code är
300och att fältet Resume accepterar.pdf. - Öppna Application Form B och ställ in Form Title till
Full Stack Developeroch Form Description till[Company Name]. - I Application Form B, bekräfta att värdet i det dolda fältet Job Code är
200och att Resume accepterar.pdf. - Öppna Application Form C och ställ in Form Title till
IT Support Analystoch Form Description till[Company Name]. - I Application Form C, bekräfta att värdet i det dolda fältet Job Code är
100och att Resume accepterar.pdf.
Körflöde: Application Form A skickar utdata parallellt till både Upload Resume File och Applicant Intake Data. Samma parallella flöde gäller för Application Form B och Application Form C.
Steg 2: Anslut Google Drive för lagring av CV och ljud
Lagra uppladdade CV:n och ljudfiler från intervjuer i Google Drive.
- Öppna Upload Resume File och ställ in Input Data Field Name till
Resume. - Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter i Upload Resume File.
- Öppna Save Audio to Drive och ställ in Name till
{{ $json.name }}. - Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter i Save Audio to Drive.
- Öppna Resume Preview URL och ställ in resume_url till
https://drive.google.com/file/d/{{ $json.id }}/preview.
Steg 3: Tolka och extrahera data från CV
Konvertera PDF-CV:n till strukturerad kandidatinformation och slå ihop den extraherade datan.
- Öppna Applicant Intake Data och bekräfta att tilldelningarna använder
{{ $json.undefined }}för job_code och{{ $json.submittedAt }}för date_time, med Include Other Fields aktiverat. - Öppna Parse Resume PDF och ställ in Operation till
pdfoch Binary Property Name tillResume. - Öppna Candidate Qualifications och ställ in Text till
{{ $json.text }}för att extrahera utbildning, jobbhistorik, kompetenser och erfarenhet. - Öppna Candidate Contact Data och ställ in Text till
{{ $json.text }}med det angivna schemat för telephone, city, full_name och email. - Öppna Combine Streams och ställ in Mode till
combineoch Combine By tillcombineAll.
Körflöde: Parse Resume PDF skickar utdata parallellt till både Candidate Qualifications och Candidate Contact Data, och därefter går båda vidare till Combine Streams.
Steg 4: Konfigurera AI-sammanfattningar och HR-anpassningspoäng
Sammanfatta kandidater och roller och poängsätt sedan matchning med Gemini-baserade kedjor och en parser för strukturerad output.
- Öppna Candidate Summary och behåll sammanfattningsprompten som refererar till
{{ $json.output["Educational qualification"] }},{{ $json.output["Job History"] }}och{{ $json.output.Skills }}. - Öppna Fetch Role Details och säkerställ att filtret matchar Job Code|select mot
{{ $('Applicant Intake Data').item.json.job_code }}. Inloggningsuppgifter krävs: Anslut era notionApi-inloggningsuppgifter. - Öppna Role Summary och ställ in Text till
{{ $json.property_job_description }}. - Öppna Map Role Description och ställ in job_description till
{{ $json.response.text }}. - Öppna HR Alignment Reviewer och behåll Text som
Profile received: {{ $json.job_description }} ... {{ $('Candidate Summary').item.json.response.text }}, med Has Output Parser aktiverat. - Öppna Structured Result Parser och bekräfta att schemat inkluderar
resume_scoreochresume_evaluation. - Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model och Gemini Model Agent, och säkerställ sedan att dessa är anslutna som språkmodell för Candidate Summary, Candidate Qualifications, Candidate Contact Data, Role Summary och Interview Evaluation Agent.
Påminnelse om AI-verktyg: Structured Result Parser är en AI-output-parser; inloggningsuppgifter läggs till på den överordnade kedjenoden, inte på själva parsern.
Steg 5: Skapa och uppdatera Notion-poster för sökande
Skriv kandidatposter till Notion och bädda in CV-länkar efter uppladdning.
- Öppna Create Applicant Entry och ställ in Title till
{{ $('Applicant Intake Data').item.json.Name }} | {{ $('Combine Streams').item.json.output['Title & Employer'] }}. Inloggningsuppgifter krävs: Anslut era notionApi-inloggningsuppgifter. - Öppna Fetch Applicant Entry och bekräfta att filtret använder Resume |files med villkoret
is_empty. Inloggningsuppgifter krävs: Anslut era notionApi-inloggningsuppgifter. - Öppna Embed Resume Link och ställ in fil-URL:en till
{{ $('Resume Preview URL').item.json.resume_url }}för Resume |files. Inloggningsuppgifter krävs: Anslut era notionApi-inloggningsuppgifter. - Öppna Pause Processing för att behålla väntbeteendet mellan CV-uppladdning och Notion-uppdatering.
Körflöde: Resume Preview URL → Pause Processing → Fetch Applicant Entry → Embed Resume Link.
Steg 6: Logga sökande till Google Sheets som backup
Lägg till en strukturerad post för varje sökande i Google Sheets för backup och rapportering.
- Öppna Log Applicant Backup och bekräfta att Operation är
append. - Verifiera att kolumnmappningarna använder uttryck som
{{ $('Combine Streams').item.json.output['Total Years Experience'] }}och{{ $json.output.resume_score }}. - Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Log Applicant Backup.
Steg 7: Konfigurera intake och matchning för intervjubedömning
Fånga ElevenLabs-data för intervjuanalyser, utvärdera svar och matcha mot sökande i Notion.
- Öppna ElevenLabs Incoming Hook och behåll HTTP Method inställd på
POST. - Öppna AI Conversation Fields och bekräfta att fälten mappar mot uttryck som
{{ $json.body.data.analysis.evaluation_criteria_results.problem_solving.result }}och{{ $json.body.data.conversation_initiation_client_data.dynamic_variables.system__conversation_id }}. - Öppna Interview Evaluation Agent och ställ in Text till
{{ $json.full_transcript }}med Has Output Parser aktiverat. - Öppna Retrieve Evaluation Rules och bekräfta att den filtrerar Notion-poster där evaluation_criteria|rich_text inte är tomt. Inloggningsuppgifter krävs: Anslut era notionApi-inloggningsuppgifter.
- Öppna Applicant Record Lookup och ställ in Operation till
getAll. Inloggningsuppgifter krävs: Anslut era notionApi-inloggningsuppgifter. - Öppna Filter Notion Records och bekräfta att villkoret jämför
{{ $json.property_phone }}med{{ $('AI Conversation Fields').item.json.ai_screen_phone_number_value }}. - Öppna Update Applicant Entry och ställ in utvärderingsfälten med uttryck som
Interview Criteria 1 | {{ $('AI Conversation Fields').item.json.criteria_1_result }} | {{ $('AI Conversation Fields').item.json.criteria_1_rationale }}. Inloggningsuppgifter krävs: Anslut era notionApi-inloggningsuppgifter.
Påminnelse om AI-verktyg: Retrieve Evaluation Rules är en AI-verktygsundernod för Interview Evaluation Agent—inloggningsuppgifter måste läggas till i Retrieve Evaluation Rules och den överordnade agenten använder dess utdata.
Steg 8: Lagra intervjuljud och bifoga i Notion
Ladda ner ElevenLabs-intervjuljudet, spara det i Drive och bifoga det till kandidatposten i Notion.
- Öppna Retrieve Interview Audio och ställ in URL till
https://api.elevenlabs.io/v1/convai/conversations/{{ $node["AI Conversation Fields"].json.ai_screen_conversation_id }}/audio. - I Retrieve Interview Audio, ställ in JSON Headers till
{"xi-api-key":"[CONFIGURE_YOUR_API_KEY]"}och aktivera Send Headers. - Öppna Save Audio to Drive och bekräfta att Name är
{{ $json.name }}. - Öppna Attach Audio in Notion och ställ in fil-URL:en till
https://drive.google.com/file/d/{{ $json.id }}/preview. Inloggningsuppgifter krävs: Anslut era notionApi-inloggningsuppgifter.
[CONFIGURE_YOUR_API_KEY] i Retrieve Interview Audio med en giltig ElevenLabs API-nyckel, annars misslyckas hämtningen av ljud.Steg 9: Anslut Notion-inloggningsuppgifter i alla Notion-noder
Det här arbetsflödet använder flera Notion-noder; säkerställ att de alla pekar mot rätt workspace och databaser.
- Inloggningsuppgifter krävs: Anslut era notionApi-inloggningsuppgifter till alla Notion-noder, inklusive Fetch Applicant Entry, Embed Resume Link, Fetch Role Details, Create Applicant Entry, Applicant Record Lookup, Update Applicant Entry och Attach Audio in Notion.
- Verifiera att varje Notion-nods Database ID pekar på avsedd databas (Applicant Tracker, Work at [Company Name]).
Obs: Det finns 7 Notion-noder i det här arbetsflödet; bekräfta att de alla använder samma auktoriserade integration.
Steg 10: Testa och aktivera ert arbetsflöde
Kör ett komplett test för att verifiera att data flödar från ansökningsintag och intervjuanalyser hela vägen till Notion och Google Sheets.
- Klicka på Execute Workflow och skicka in en testpost via Application Form A, Application Form B eller Application Form C med ett PDF-CV.
- Bekräfta att CV-filen lagras i Drive, att en förhandsgransknings-URL genereras i Resume Preview URL och att CV-länken bäddas in via Embed Resume Link.
- Kontrollera att Candidate Qualifications och Candidate Contact Data körs parallellt och slås ihop korrekt i Combine Streams.
- Verifiera att den sökande dyker upp i Notion via Create Applicant Entry och att en backup-post läggs till i Log Applicant Backup.
- Skicka ett test-POST till ElevenLabs Incoming Hook och bekräfta att Update Applicant Entry och Attach Audio in Notion slutförs utan fel.
- När allt fungerar som förväntat, slå på arbetsflödet till Active för användning i produktion.
Felsökningstips
- Notion-behörigheter är den vanligaste boven. Om poster inte skapas eller uppdateras, kontrollera först att integrationen har åtkomst till rätt databaser i Notion.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du redigera utdata i all oändlighet.
Snabba svar
Räkna med cirka 1–2 timmar om dina Notion-databaser och nycklar är klara.
Nej. Du kopplar främst konton, mappar fält och justerar poängsättningsprompter och kriterier.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in kostnader för AI och röst (användning av OpenAI eller Gemini plus ElevenLabs, som varierar med intervjulängd).
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. De flesta team börjar med att byta ut de rollspecifika delarna: uppdatera sidorna i Notions databas för jobbbeskrivningar och justera sedan mappningen i ”Fetch Role Details” samt AI-utvärderingsprompterna som används av HR Alignment Reviewer och Interview Evaluation Agent. Vanliga anpassningar är att ändra tröskeln för CV-poäng som triggar en notis (till exempel bara flagga 8+), lägga till utslagsregler (arbetstillstånd, plats) och skräddarsy frågerubriken per roll innan ElevenLabs kör intervjuer.
Oftast handlar det om åtkomstomfattning. Anslut Notion på nytt i n8n och bekräfta att integrationen är inbjuden till exakt de databaser du skriver till (Applicant Tracker, jobbbeskrivningar och eventuella kriterietabeller). Om databasstrukturen ändrades kan fältmappning sluta fungera utan att det märks, så öppna Notion-noderna och välj egenskaperna på nytt. Kontrollera också rate limits om du bearbetar många sökande i en burst.
På n8n Cloud Starter kan du vanligtvis hantera några tusen körningar per månad; egen drift tar bort det hårda taket och flyttar begränsningen till din server och API-kvoter. I praktiken är det CV-tolkning och AI-anrop som är flaskhalsen, inte Notion. Om du granskar dussintals CV:n per dag, räkna med att det ibland kan köa, och överväg att sprida ut formulärtriggers eller lägga till extra Wait-tid runt filtolkning och hämtning av ljud.
För det här arbetsflödet är n8n oftast bättre eftersom du kör flersteglogik, AI-agentkedjor, filtolkning och webhooks efter samtal, vilket blir dyrt och klumpigt i enklare verktyg. Du får också möjlighet till egen drift, vilket spelar roll när kandidatvolymen sticker iväg. Zapier eller Make kan fungera om du bara vill ha ”formulärinsändning → skapa Notion-post”, men så fort du lägger till poängsättning, Drive-lagring och intervjucallbacks kommer du att märka begränsningarna. Compliance är en annan faktor: att hålla en revisionslogg i Google Sheets plus styrda Notion-kriterier är enklare när allt körs i ett orkestrerat arbetsflöde. Om du vill ha en second opinion på din stack, Prata med en automationsexpert.
Arbetsflödet håller din granskning konsekvent och din pipeline i rörelse. Du får tillbaka tiden, och kandidaterna får snabbare besked.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.