Ditt intake-samtal tar slut, transkriptionen landar i inkorgen och sedan… ingenting. Eller värre: du lägger de nästa timmarna på att göra en rörig PDF till något teamet faktiskt kan använda, samtidigt som detaljer försvinner och alla “minns det olika”.
Den här OpenAI Google Docs-automationen träffar talent acquisition managers först, men rekryteringskonsulter och rekryterande chefer känner också av friktionen. Du laddar upp intake-transkriptionen en gång och får en strukturerad kravprofil plus intervjuscorecards i Google Docs, utan ett maraton av omskrivningar.
Nedan ser du hur flödet fungerar, vad det ersätter och vad du ska hålla koll på när du anpassar det till din egen rekryteringsprocess.
Så fungerar automationen
Se hur detta löser problemet:
n8n Workflow Template: OpenAI till Google Docs: intervjubriefar snabbt
flowchart LR
subgraph sg0["Sending raw hiring brief transcript 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/form.svg' width='40' height='40' /></div><br/>Sending raw hiring brief tra.."]
n1@{ icon: "mdi:cog", form: "rounded", label: "Extracting text", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "Summarizing raw transcript", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "Generating scorecards", pos: "b", h: 48 }
n4@{ icon: "mdi:cog", form: "rounded", label: "Creating hiring brief file", pos: "b", h: 48 }
n5@{ icon: "mdi:cog", form: "rounded", label: "Adding brief to file", pos: "b", h: 48 }
n6@{ icon: "mdi:cog", form: "rounded", label: "Creating Scorecards file", pos: "b", h: 48 }
n7@{ icon: "mdi:cog", form: "rounded", label: "Adding scorecards to File", pos: "b", h: 48 }
n1 --> n2
n3 --> n6
n6 --> n7
n4 --> n5
n2 --> n4
n2 --> n3
n0 --> n1
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 n0 trigger
class n2,n3 ai
classDef customIcon fill:none,stroke:none
class n0 customIcon
Utmaningen: att göra röriga intake-underlag till användbara kravprofiler
Intake-transkriptioner är brutala. De är långa, repetitiva och fulla av “kontext” som är viktig men utspridd över sidospår och halvfärdiga resonemang. Så du slutar med att lyssna om delar av samtalet, gissa vad som ska in i kravprofilen och sedan skriva om igen när rekryterande chefen säger “det var inte riktigt det jag menade”. Under tiden går kandidaterna vidare. Rekryteringsteamet vill ha ett scorecard. Du vill ha samsyn. Och adminjobbet äter i det tysta upp tiden du skulle lagt på sourcing, screening och att faktiskt driva processen.
Det summeras snabbt. Här är var det oftast brister i verkliga rekryteringsteam.
- Viktiga krav för rollen begravs i en transkription och dyker upp för sent, ofta efter den första svaga omgången sökande.
- Kravprofiler blir inkonsekventa mellan roller, så intervjuare ställer olika frågor och du kan inte jämföra kandidater på ett strukturerat sätt.
- Någon måste manuellt skapa scorecards för varje intervjurunda, och det blir en sista-minuten-rusch innan intervjuerna drar igång.
- När ni rekryterar ofta blir “bara den här gången” ett veckovis tidshål som ärligt talat dränerar energi.
Lösningen: PDF-transkription till kravprofil + scorecards i Google Docs
Det här flödet tar en rå intake-transkription i PDF och gör om den till två färdiga Google Docs: en strukturerad kravprofil och intervjuscorecards för varje intervjurunda. Det börjar med en uppladdning via ett n8n-formulär, och plockar sedan ut texten ur PDF:en så att den går att använda för sammanfattning. Därefter kondenserar OpenAI transkriptionen till en tydlig kravprofil som täcker det ett rekryteringsteam faktiskt behöver (rollens uppdrag, måste-krav, meriterande, stoppkriterier och utvärderingssignaler). Med kravprofilen som kontext genererar det scorecard-mallar som matchar era rundor, så intervjuare inte hittar på kriterier i stunden. Till sist skapar flödet dokumenten i Google Docs och lägger in det genererade innehållet, så att du kan justera formuleringar utan att börja från noll.
Flödet startar när du laddar upp en intake-transkription som PDF via formuläret. OpenAI producerar två utdata: en “brief”-sammanfattning och en uppsättning runda-baserade scorecards. Google Docs är målet, vilket betyder att teamet kan redigera, kommentera och dela i verktyg de redan jobbar i varje dag.
Det som förändras: före vs. efter
| Detta elimineras | Effekten du kommer se |
|---|---|
|
|
Effekt i praktiken
Säg att du kör 4 intake-möten i veckan. Manuellt kan det ta cirka 2 timmar att göra en rörig transkription till en bra kravprofil plus scorecards per runda om du är snabb, ibland längre när samtalet spårar ur. Det är ungefär en hel arbetsdag i veckan som försvinner på dokumentation. Med det här flödet laddar du upp PDF:en på en minut och Google Docs skapas på under en minut, så du lägger tiden på att granska och justera, inte bygga om allt. Även om du fortfarande lägger 10 minuter på finputs får du tillbaka större delen av dagen.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Google Docs för att skapa och redigera utdata.
- n8n Form Trigger för att ladda upp transkriptions-PDF:er på ett stabilt sätt.
- OpenAI API-nyckel (hämta den i din OpenAI-dashboard).
Kunskapsnivå: Nybörjare. Du kopplar ihop Google + OpenAI och justerar sedan två prompts så att de matchar ditt format för kravprofil och scorecard.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Flödet i korthet
PDF-uppladdning via ett n8n-formulär. Du skickar in intake-transkriptionen som PDF (eller en transkriptionsexport som du sparat som PDF). Den enda uppladdningen är triggern, så du behöver inte att någon “kommer ihåg” att starta processen.
Textextraktion från filen. n8n tolkar PDF:en och plockar ut rå transkriptionstext, vilket är det AI-modellen faktiskt kan använda. Om transkriptionerna kommer från olika källor är det här formatproblem brukar synas först.
OpenAI skapar först kravprofilen och sedan scorecards. Den första prompten kondenserar transkriptionen till en strukturerad kravprofil. Den kravprofilen blir indata för den andra prompten, som skapar intervjuscorecards i linje med era rundor och utvärderingskriterier.
Skapande och infogning i Google Docs. Flödet skapar två dokument (kravprofil och scorecards) och lägger in det AI-genererade innehållet i respektive dokument. Resultatet är enkelt att dela, kommentera och förfina tillsammans med rekryterande teamet.
Du kan enkelt ändra formatet på kravprofilen så att den matchar er interna mall, eller byta ut Google Docs mot en annan destination utifrån era behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera formulärtriggern
Konfigurera arbetsflödets startpunkt så att kandidater eller teammedlemmar kan ladda upp PDF:en med rekryteringsbriefen och namnge utdatadokumenten.
- Lägg till och öppna Intake Form Upload.
- Ställ in Form Title på
Upload your raw Hiring Brief (PDF). - Säkerställ att formulärfälten inkluderar Interview transcript (fil, obligatoriskt) och Name your document (text, obligatoriskt).
- Bekräfta att webhook-URL:en genereras av noden så att den kan ta emot uppladdningar.
Steg 2: Anslut Google Docs
Förbered Google Docs-noderna för att skapa och uppdatera två dokument: en brief och ett scorecard.
- Öppna Create Brief Document och ställ in Title på
={{ $('Intake Form Upload').item.json['Name your document'] }}. - Ställ in Folder ID i Create Brief Document till
[YOUR_ID]. - Öppna Create Scorecard Document och ställ in Title på
=Scorecard - {{ $('Intake Form Upload').item.json['Name your document'] }}. - Ställ in Folder ID i Create Scorecard Document till
[YOUR_ID]. - Credential Required: Anslut era Google Docs-inloggningsuppgifter för Create Brief Document, Insert Brief Content, Create Scorecard Document och Insert Scorecard Content.
[YOUR_ID] i mappfälten kommer skapandet av dokument att misslyckas.Steg 3: Konfigurera AI-bearbetning
Konfigurera AI-noderna för att sammanfatta transkriptet till en brief och därefter skapa scorecards för intervjun.
- Öppna Parse PDF Text och ställ in Operation på
pdfoch Binary Property Name påInterview_transcript. - I Condense Transcript Brief behåll systemmeddelandet som det är och ställ in användarmeddelandet till
=Here is the raw transcript : {{ $json.text }}. - I Build Interview Scorecards behåll systemmeddelandet som det är och ställ in användarmeddelandet till
=here is the input : {{ $json.message.content }}. - Credential Required: Anslut era OpenAI-inloggningsuppgifter för Condense Transcript Brief och Build Interview Scorecards.
Interview transcript så att den binära egenskapen Interview_transcript fylls i.Steg 4: Konfigurera uppdateringar av utdata och parallell förgrening
Koppla stegen för att skapa dokument och infoga innehåll, och bekräfta de parallella vägarna efter att briefen har genererats.
- I Insert Brief Content ställ in Operation på
updateoch Document URL på={{ $json.id }}. - I Insert Brief Content lägg till en åtgärd med Text satt till
={{ $('Condense Transcript Brief').item.json.message.content }}och Action satt tillinsert. - I Insert Scorecard Content ställ in Operation på
updateoch Document URL på={{ $json.id }}. - I Insert Scorecard Content lägg till en åtgärd med Text satt till
={{ $('Build Interview Scorecards').item.json.message.content }}och Action satt tillinsert. - Bekräfta körordningen: Intake Form Upload → Parse PDF Text → Condense Transcript Brief.
- Verifiera den parallella grenen: Condense Transcript Brief skickar utdata till både Create Brief Document och Build Interview Scorecards parallellt.
Steg 5: Testa och aktivera ert arbetsflöde
Kör ett komplett test för att verifiera dokumentskapande och AI-utdata innan ni aktiverar automatiseringen.
- Klicka på Execute Workflow och skicka in en test-PDF via Intake Form Upload.
- Bekräfta att Parse PDF Text extraherar text och skickar den vidare till Condense Transcript Brief.
- Verifiera att två Google Docs skapas: ett från Create Brief Document och ett från Create Scorecard Document.
- Kontrollera att Insert Brief Content och Insert Scorecard Content infogar den AI-genererade texten i rätt dokument.
- När allt fungerar, växla arbetsflödet till Active för användning i produktion.
Se upp med
- Google Docs-inloggningar kan löpa ut eller kräva specifika behörigheter. Om saker slutar fungera: börja med att kontrollera Google-kopplingen i n8n under Credentials.
- Kvaliteten på PDF-extraktionen beror på hur transkriptionen skapades. Om resultatet från “Parse PDF Text” ser trasigt ut: exportera transkriptionen som en textbaserad PDF (inte en inskannad bild) innan du laddar upp.
- Standardprompterna i OpenAI-noderna är en startpunkt, inte mållinjen. Lägg in era rollspecifika avsnitt (platsregler, kompensationsintervall, nivåförväntningar) tidigt, annars kommer du fortsätta lappa kravprofilerna senare.
Vanliga frågor
Cirka 30 minuter om dina Google Docs- och OpenAI-konton är redo.
Ja. Du skriver ingen kod, men du kopplar konton och klistrar in dina föredragna prompts för brief och scorecard.
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 OpenAI API-kostnader, som vanligtvis är några cent per körning för sammanfattning av enbart text.
Två alternativ: n8n Cloud (hanterat, enklast uppsättning) 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.
Börja med de två OpenAI-stegen för prompts: “Condense Transcript Brief” och “Build Interview Scorecards.” Du kan lägga till avsnitt som kompensationsintervall, platsbegränsningar eller “måste-ha-verktyg” direkt i brief-prompten, och sedan spegla dem som scorecard-kriterier i scorecard-prompten. Om du vill ha en annan output kan du behålla AI-stegen och byta ut åtgärderna “Create Brief Document” och “Create Scorecard Document” mot en annan destination som ditt team föredrar.
Oftast beror det på att Google-auktoriseringen har löpt ut eller att fel Google-konto är kopplat i n8n. Anslut Google Docs-credentialn igen och bekräfta att den har behörighet att skapa dokument i den Drive du riktar in dig på. Om det fungerar för ett dokument men inte det andra: kontrollera att både “Insert Brief Content” och “Insert Scorecard Content” pekar på dokument-ID:t som skapades tidigare i körningen.
Den skalar med hur du kör n8n. I n8n Cloud begränsar din plan antalet körningar per månad, så rekryteringsteam med hög volym kan behöva en större plan. Om du kör egen drift finns ingen hård körningsgräns, men serverresurser och OpenAI:s rate limits blir det praktiska taket. För de flesta team tar det under en minut end-to-end att skapa en kravprofil och scorecards för en transkription, så den klarar vardagsrekrytering utan dramatik.
Ofta, ja, särskilt om du vill fortsätta bygga ut flödet. n8n gör det enklare att hantera flersteglogik (först brief, sedan scorecards, därefter två separata dokument) utan att betala extra för varje gren. Egen drift är också viktigt om du kör många rekryteringsautomationer och inte vill att körningsgränser ska bli en ständig kostnad. Zapier eller Make kan gå snabbare för en enkel “fil in, sammanfattning ut”-setup, men det här flödet tjänar på den extra kontrollen. Om du är osäker, prata med en automationsexpert så mappar vi det till din process.
Det här är den typen av automation som gör att rekrytering känns lättare. Flödet tar hand om den repetitiva dokumentationen och du får strukturerade samsynsunderlag i Google Docs medan intake fortfarande är färskt.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.