Media > AI活用ユースケース > 採用 > 求人媒体のスカウトに届いた候補者の返信を、興味あり・条件の質問・辞退・日程調整に分類し、採用担当への通知と返信の下書きを作る

求人媒体のスカウトに届いた候補者の返信を、興味あり・条件の質問・辞退・日程調整に分類し、採用担当への通知と返信の下書きを作る

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

スカウトに届いた候補者の返信を、興味あり・条件の質問・辞退・日程調整・その他の5つに分けます。種類ごとに担当者へ知らせ、媒体の画面に貼って送る返信文の下書きを添えます。

サマリー
生成AI
ChatGPT/Claude/Gemini
連携・自動化
Make/n8n/Power Automate/Zapier
対象業界
IT・SaaS/人材/介護/小売
対象部門
採用
対象業務
分類・仕分け/書類作成
主な課題
人手が足りない/属人化している/期限・対応漏れが起きる
AIで行う処理
分類
主な効果
対応スピード向上/工数削減/機会損失防止
導入難易度
★★☆☆☆
実装レベル
本格構成
費用感
ノーコード連携(中)
人間の確認
条件付き
現在工数
60h/月
AI導入後
20h/月
想定削減
67%
年間削減
480h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 毎朝と昼過ぎに、リーダーが共有の受信箱で媒体からの通知メールを開く
  2. 本文が載っていないものは、媒体の管理画面にログインして返信を読む
  3. どの求人のスカウトへの返信かを確かめ、求人台帳で担当者を引く
  4. 返信の内容を読み、急ぐものかを判断して、担当者にチャットで知らせる
  5. 担当者が媒体の管理画面で返信を読み直し、返事を書いて送る
  6. 辞退の返信には、手が空いたときにお礼の一文を返す
導入後(After)
  1. 自動共有の受信箱に媒体の通知メールが届くと、ワークフローが動く
  2. 人本文が載らない媒体の返信は、担当者が管理画面から本文を写してフォームに貼る
  3. 自動本文から、前に送ったスカウトの引用・署名・定型の案内文を取り除く
  4. 自動スカウトの識別子から求人を特定し、求人台帳から担当者と求人票の要点を引く
  5. 自動AIが返信を5つの種類のどれか1つに分け、根拠の一文を書き出す
  6. 自動種類ごとに、媒体の画面に貼る返信文の下書きを作る
  7. 自動担当者へチャットで知らせる。興味ありと日程調整は先頭に出す
  8. 人担当者が分類と下書きを確かめ、直して媒体の画面から送る
  9. 自動夕方に、返事を送った印の付いていない返信を一覧にして知らせる(Schedule Trigger で毎営業日17時)
各工程の詳しい説明を読む
  1. 毎朝と昼過ぎに、リーダーが共有の受信箱で媒体からの通知メールを開く
  2. 本文が載っていないものは、媒体の管理画面にログインして返信を読む
  3. どの求人のスカウトへの返信かを確かめ、求人台帳で担当者を引く
  4. 返信の内容を読み、急ぐものかを判断して、担当者にチャットで知らせる
  5. 担当者が媒体の管理画面で返信を読み直し、返事を書いて送る
  6. 辞退の返信には、手が空いたときにお礼の一文を返す

(a)前向きな返信が辞退と同じ並びで届く。 返信の多くは「今回は見送ります」で、前向きな返信はその中に散らばっています。リーダーが朝に読み終えるまで、担当者には知らされません。 昼過ぎに届いた「ぜひ話を聞きたい」は、翌朝まで誰も開かないことがあります。

(b)同じ返信を2人が読む。 リーダーが読んで割り振り、担当者がもう一度読んでから返事を書きます。1件の返信に、読むという作業が2回発生しています。

(c)条件の質問の答え方が人によって違う。 「残業はどのくらいか」「リモートはできるか」に、ある担当者は求人票の記載を写し、別の担当者は現場に聞いてから答えます。求人票に無いことを推測で答えてしまうこともあります。

(d)辞退への返事が後回しになる。 急がないので後回しにされ、そのまま返さないことがあります。 半年後に同じ人へスカウトを送ったとき、前回の辞退にお礼を返していなかったことが分かります。

  1. 【自動】 共有の受信箱に媒体の通知メールが届くと、ワークフローが動く
  2. 【人】 本文が載らない媒体の返信は、担当者が管理画面から本文を写してフォームに貼る
  3. 【自動】 本文から、前に送ったスカウトの引用・署名・定型の案内文を取り除く
  4. 【自動】 スカウトの識別子から求人を特定し、求人台帳から担当者と求人票の要点を引く
  5. 【自動】 AIが返信を5つの種類のどれか1つに分け、根拠の一文を書き出す
  6. 【自動】 種類ごとに、媒体の画面に貼る返信文の下書きを作る
  7. 【自動】 担当者へチャットで知らせる。興味ありと日程調整は先頭に出す
  8. 【人】 担当者が分類と下書きを確かめ、直して媒体の画面から送る
  9. 【自動】 夕方に、返事を送った印の付いていない返信を一覧にして知らせる(Schedule Trigger で毎営業日17時)

8番目で、送信は必ず人が行います。 下書きは媒体の画面に貼るための文章で、ワークフローは媒体へ何も送りません。 候補者との最初のやり取りは、その後の選考の印象を決めます。

リーダーが読む工程は無くなります。 割り振りは求人台帳の対応表で機械的に決まり、読むのは返事を書く担当者だけになります。 第3章の(b)の二度読みがここで消えます。

02今回想定するシステム構成

構成図
求人媒体3つ(管理画面のメッセージ欄)
   │  返信の通知メール(本文あり/本文なし)
   ▼
共有の受信箱(媒体ごとにラベルを付けるフィルタ)
   │                        │ 本文なしの媒体
   │                        ▼【人】管理画面から本文を写す
   ▼【トリガー】Gmail Trigger   Form Trigger
n8n のワークフロー
   ├──▶ 引用・署名・定型文の除去、連絡先の伏せ字(Code ノード)
   ├──▶ 求人台帳から求人・担当者・求人票の要点を引く
   ▼
Text Classifier ノード + Claude(Anthropic Chat Model)
   │  興味あり/条件の質問/辞退/日程調整/その他
   ▼
Basic LLM Chain + Structured Output Parser
   │  種類ごとの返信文の下書き(JSON)
   ▼
返信の一覧(スプレッドシート)→ 担当者へチャットで通知
   ▼【人】確かめて直し、媒体の画面から送る
役割想定する製品代替候補
ワークフローn8nMake、Zapier、Power Automate
生成AIClaude API(n8n の Anthropic Chat Model ノード)OpenAI API、Gemini API
保管Google スプレッドシート(求人台帳、返信の一覧)SharePoint リスト
通知社内チャットメール

新しく足すのは、n8n のワークフローと返信の一覧だけです。 媒体の管理画面、受信箱、求人台帳はいまのままで、媒体へは何も書き込みません。

入口は2つです。 Gmail Trigger は「Message Received」の出来事を設定した間隔で見に行くノードで、ラベル、Gmail の検索演算子、送信者で絞り込めます。 1回に取り込む件数は既定で10件、最大50件で、超えた分は次の回に回されます。 本文の載らない媒体の返信は、Form Trigger で作る社内フォームに担当者が貼ります。

分類には Text Classifier ノードを使います。 カテゴリーに名前と説明を付けて入力を分けるノードで、どれにも当たらないときに、その件を捨てるか「Other」の出口に出すかを選べます。 既定は捨てる方なので、必ず「Other」の出口に変えます。

n8n を選ぶ理由は、分類の結果がそのまま出口の分かれ目になることです。 Text Classifier はカテゴリーごとに出口を持つので、種類ごとに違う下書きの作り方と通知先を、線をつなぐだけで分けられます。

03どうやって実装するのか

Step1

処理の起点を決める

通知メールの受信を起点にします。 共有の受信箱で、媒体ごとの送信元アドレスに「スカウト返信/媒体A」のようなラベルを付けるフィルタを作り、Gmail Trigger はそのラベルだけを見ます。ラベルで絞らないと、媒体のお知らせや請求のメールまで分類に流れます。

見に行く間隔は10分にします。 朝にまとめて処理すると、第3章の(a)がそのまま残ります。Gmail Trigger は既定で未読のメールだけを拾うので、人が先に開いて既読にした通知は拾われません。 読み状態の設定は「Unread and read emails」に変え、拾った通知の識別子を一覧に残して二重の処理を防ぎます。

本文の載らない媒体は、フォームを入口にします。 Form Trigger は、テキスト・テキストエリア・ドロップダウンなどの項目を持つフォームを作れるノードで、認証を「n8n User Auth」にすれば、ログインした人だけが使えます。 項目は「媒体」「スカウトの識別子」「返信の本文」の3つに絞ります。

フォームの「Respond When」は「Workflow Finishes」にします。 貼った人の画面に、分類の結果と下書きがその場で返ります。写した人がそのまま返事を書けるので、通知を待つ必要がありません。

Step2

入力データを集める

データ中身取得元
返信の本文候補者が書いた文章。前に送ったスカウトの引用が下に付いていることがある通知メール、またはフォーム
通知の付帯情報媒体、受信日時、スカウトの識別子(通知の件名や本文に載る番号)通知メール、またはフォーム
求人の情報求人番号、職種、勤務地、担当者、求人票の要点(給与・勤務時間・残業・在宅の可否・休日)求人台帳
過去のやり取り同じ候補者に同じ求人で前に送った返事と、その種類返信の一覧

質を決めるのは、求人票の要点です。 条件の質問に答える下書きは、求人台帳に書かれた要点の範囲でしか作らせません。 要点の列が空だと、下書きは「担当から確認して回答します」ばかりになります。

過去のやり取りは、2通目以降の返信に効きます。 「先ほどの件ですが」で始まる返信は、本文だけでは何の話か分かりません。同じ識別子の前回の種類を添えると、日程調整の続きか条件の質問の続きかを取り違えません。

Step3

データの取得方法を決める

取るものどこから何に使うか
返信の本文と付帯情報Gmail Trigger の出力(Simplify を切ったときの本文)分類と下書きの材料
スカウトの識別子件名・本文から正規表現で抜く求人の特定
求人の情報求人台帳を識別子と求人番号で引く担当者の決定と下書きの材料
過去のやり取り返信の一覧を識別子で引く2通目以降の文脈

Gmail Trigger の「Simplify」は切ります。 既定の簡略化された応答はメッセージの識別子・ラベル・ヘッダーが中心で、分類に要る本文が手元に来ません。

識別子が取れないときは、求人を推測させません。 職種名が本文に書かれていても、同じ職種の求人は営業所ごとに複数あります。識別子が無い件は担当者を決めず、リーダーへ回します。

Step4

AIへ渡す前に整形する

  1. 引用の除去 … 返信の下に付いている前回のスカウトの全文を、「----」や「>」で始まる行、媒体ごとの引用の始まりの定型文で切ります
  2. 署名と定型文の除去 … 媒体が自動で付ける「このメッセージは〇〇から送信されました」などの案内文を、媒体ごとの一覧で消します
  3. 連絡先の伏せ字 … 本文中の電話番号とメールアドレスを [電話] [メール] に置き換えます。分類にも下書きにも要りません
  4. 長さの確認 … 除去の後で本文が空、または数文字しか残らない件は、分類に回さず「その他」に置きます
  5. 重複の確認 … 同じ通知の識別子が一覧にあれば、処理しません
  6. 自動返信の検知 … 「不在」「自動応答」などの語と、送信元が媒体でないものを外します

1番目を軽く見ないでください。 引用を残したまま渡すと、スカウトの文面に書いた「ぜひ一度お話を」を、候補者の興味ありの言葉として読みます。 返信が「見送ります」の一言でも、下の引用の分量に引っ張られます。

3番目は分類の精度のためではありません。 候補者が返信に携帯番号を書いてくることはよくありますが、種類を決めるのにも、下書きを作るのにも使いません。 使わない個人情報は、AIに渡す前に落とします。

Step5

AIに処理させる

させるのは2つです。返信を5つの種類のどれか1つに分けること、種類ごとに返信文の下書きを作ることです。

種類当たる返信下書きの中身
日程調整面談・面接の日時を挙げている、日時を尋ねている候補日を担当が入れる欄を空けた返事
辞退見送る、転職の予定がない、他社に決めたお礼と、今後の案内を受け取るかの確認
条件の質問給与・勤務地・残業・在宅・休日などを尋ねている求人票の要点の範囲で答え、無いものは「確認します」
興味あり話を聞きたい、応募したい、と前向きだが日時も質問も無い次の段取り(面談の案内)を伝える返事
その他上のどれでもない、判断できない下書きを作らない

2つにまたがるときの順は、上から日程調整・辞退・条件の質問・興味ありです。 日時が書かれていれば、質問が添えられていても日程調整にします。日時のある返信は、返事が遅れると候補日が過ぎるからです。 質問は下書きの中で一緒に扱います。

辞退を2番目に置くのは、「辞退するが条件だけ知りたい」を条件の質問にしないためです。 条件の質問に分けると、担当者は前向きな候補者だと思って返事を書きます。

させないこと理由
求人票に無い条件を答える推測した残業時間や給与は、後で覆ると信頼を失う
次の選考に進めるかの判断書類と面談で決めることで、返信の文面からは決めない
面談の日時を確定する担当者の予定は見ていない。候補日は担当が入れる
候補者の属性を書き出す出身地や家族のことが書かれていても、一覧に写さない
辞退の理由を問い詰める理由を尋ねるかは担当者が決める

4行目は、職業安定法の指針に沿うためです。 厚生労働省の指針は、労働者の募集を行う者を含む職業紹介事業者等が、業務の目的の範囲内で求職者の個人情報を集めることとし、人種、民族、社会的身分、門地、本籍、出生地その他社会的差別の原因となるおそれのある事項、思想及び信条、労働組合への加入状況を集めてはならないとしています(特別な職業上の必要性がある場合などを除く)。候補者が返信に自分から書いてきても、根拠の一文にも下書きにも写しません。

Step6

指示内容を固定する

Text Classifier には、カテゴリーごとに名前と説明を付けます。 説明は上の表の「当たる返信」をそのまま使います。System Prompt Template には次の文を入れます。{categories} はノードが置き換える部分です。

あなたは採用担当の補助として、スカウトへの候補者の返信を1つの種類に分けます。
分ける先は次のとおりです。
{categories}

【1つに決めるときの順】
2つ以上に当たるときは、日程調整 → 辞退 → 条件の質問 → 興味あり の順で、
先に当たるものを選んでください。

【厳守事項】
- 返信の本文だけを見てください。スカウトの文面の引用は取り除いてあります。
  残っていても、候補者の言葉として扱わないでください。
- 「検討します」「また連絡します」のように、前向きとも辞退とも読めない返信は、
  興味ありにしないでください。どれにも当たらないものとして扱ってください。
- 候補者の出身地、本籍、家族、思想・信条、労働組合などの記載があっても、
  分類の根拠にしないでください。

下書きを作る Basic LLM Chain には、種類ごとに別の指示を置きます。 条件の質問の例です。

あなたは{company}の採用担当者として、スカウトへの返信に答える下書きを書きます。
送るのは担当者で、媒体の画面に貼って使います。

【答えてよい範囲】
次の「求人票の要点」に書かれていることだけを答えてください。
要点に無いことは答えず、「担当より確認のうえ、改めてご連絡します」とし、
unanswered に質問の内容を書き出してください。
数字を丸めたり、幅を広げたり、「おおむね」「程度」と言い換えたりしないでください。

【書き方】
- 200字から350字。候補者の名前は {candidate_name} を使い、無ければ「〇〇様」
- 最後に、面談をご希望であれば候補日をいくつかいただきたい旨を一文で添える
- 選考の合否、面接の確約、入社の時期を約束する表現を使わない
- 候補者の連絡先、出身地、家族などには触れない

【求人票の要点】{job_summary}
【候補者の返信】{reply_text}

「要点に無いことは答えない」を、答えられなかった質問の書き出しと組にしています。 答えるなとだけ書くと、「一般的には」と前置きして答えます。書き出す先を用意すると、答えない理由がAIの側で成り立ちます。 書き出された質問は、担当者が現場に聞く項目の一覧になります。

Step7

出力形式を固定する

Structured Output Parser で、次の形のJSONを受け取ります。 種類はワークフロー側で Text Classifier の出口から入れます。

{
  "scout_id": "",
  "media": "",
  "category": "schedule | decline | question | interested | other",
  "evidence": "",
  "draft": "",
  "unanswered": [""],
  "needs_attention": false
}

たとえば「興味はありますが、在宅勤務はどのくらいできますか。来週の火曜の夕方なら話せます」という返信なら、次のようになります。

{
  "scout_id": "A-20261007-0153",
  "media": "媒体A",
  "category": "schedule",
  "evidence": "来週の火曜の夕方なら話せます",
  "draft": "〇〇様 ご返信ありがとうございます。在宅勤務は週2日まで可能です(求人票の記載のとおり)。火曜の夕方の具体的な時間は、担当より改めてご連絡します。",
  "unanswered": [],
  "needs_attention": false
}

質問と日時が両方ある返信は、日程調整に分かれ、質問への答えは下書きの中に入ります。 1つに決める順が、ここで効いています。

evidence は分類の根拠にした返信の一文をそのまま写したもの、unanswered は求人票の要点で答えられなかった質問、needs_attention は強い苦情や個人情報の削除の依頼などが含まれるときに立てる印です。

1つ目の理由は、evidence で分類を一目で確かめられることです。 担当者は返信の全文を読む前に、どの一文で「辞退」になったかを見られます。引用の消し損ねで種類を誤ったときも、evidence がスカウトの文面になっているのですぐ分かります。

2つ目は、unanswered が別の欄になることです。 下書きの本文に埋もれると、担当者が現場に聞き忘れます。一覧の列にしておけば、週ごとに「よく聞かれるのに求人票に無いこと」が数えられ、求人票の書き直しにつながります。

3つ目は、needs_attention で通常の流れから外せることです。 「何度も送ってこないでほしい」「登録情報を消してほしい」は、下書きで返す性質のものではありません。印が立った件は下書きを使わず、リーダーへ回します。

Structured Output Parser は JSON の例から形を作る方法と JSON Schema で書く方法を選べますが、例から作るとすべての項目が必須として扱われます。 unanswered は空の配列を返せるように、例には空の要素を1つ入れておきます。

Step8

システムへ連携する

つなぎ先方式内容
共有の受信箱Gmail Triggerラベルの付いた通知メールを取り込む
社内フォームForm Trigger本文の載らない媒体の返信を受け付ける
求人台帳スプレッドシートの読み取り求人・担当者・求人票の要点を引く
Claude APIAnthropic Chat Model ノード分類と下書き
返信の一覧スプレッドシートへの追記1件1行で結果を残す
社内チャット通知担当者へ。興味ありと日程調整は先頭に

媒体の管理画面とはつなぎません。 返事は担当者が画面から送り、送ったら一覧の「送信済み」に印を付けます。媒体に自動で送る経路を作らないことが、この構成の前提です。

求人台帳は読むだけです。 担当者が空欄の求人があっても、ワークフローは埋めません。

Step9

人が確認する

担当者は、自分に回ってきた返信の分類と下書きを確かめてから送ります。 確かめる順は次のとおりです。

  1. evidence を読む … 根拠の一文が候補者の言葉か、引用の消し損ねかを見ます
  2. 種類が合っているかを決める … 違えば一覧で種類を直します。直した記録が、後で分類の説明文を見直す材料になります
  3. 下書きを直す … 条件の答えが求人票と合っているかを見ます。unanswered があれば、現場に聞いてから送るか、確認中の旨で先に送るかを決めます
  4. 媒体の画面から送り、一覧に印を付ける

辞退の下書きは、読んで送るだけで済むことが多いはずです。 第10章の1件2分は、辞退のように短く済むものと、条件の質問のように確かめる項目が多いものをならした時間です。

日程調整の下書きは、そのまま送れない形にしてあります。 候補日を入れる欄が空いているので、担当者が自分の予定を見て埋めるまで送れません。面談の日時を確定する作業は、この構成の外に置いています。 日程の調整そのものを自動にしたい場合は、UC-0069 の構成につなぎます。

その他に分けられた件は、リーダーが見ます。 件数が増える月は、分類の説明文が実際の返信の書き方に合っていない合図です。

Step10

例外に対処する

起きること対応
スカウトの識別子が取れない担当者を決めず、リーダーへ回す。求人を推測しない
通知メールに本文が無い一覧に「本文なし」で載せ、担当者にフォームへの貼り付けを促す
引用を消しきれていないevidence が引用の文になる。担当者が種類を直し、媒体の定型文の一覧に足す
どの種類にも当たらないText Classifier の Other の出口から「その他」として一覧へ
英語など日本語以外の返信分類はそのまま行い、下書きは作らずに担当者へ
苦情や個人情報の削除の依頼needs_attention を立て、下書きを使わずリーダーへ
同じ候補者から短時間に何通も同じ識別子の未送信の件にまとめ、担当者には1件として知らせる
Claude API が応答しない種類を「未分類」で一覧に載せ、次の回で再実行する
1回の取り込みが上限を超える最大50件。超えた分は次の回に回るので、そのまま待つ

一番多いのは1行目と3行目です。 どちらもAIの判断の問題ではなく、媒体の通知の書式の問題です。 媒体が通知の書式を変えると、識別子の正規表現と引用の定型文が同時に外れます。「その他」と「識別子なし」が急に増えた日は、まず通知メールの書式を見ます。

Step11

記録を残す

  • 通知メールの識別子、媒体、受信日時、スカウトの識別子
  • 前処理の後の本文(連絡先を伏せ字にしたもの)
  • 分類の結果、evidence、下書き、unanswered、needs_attention
  • 担当者が種類を直した記録 … どの種類からどの種類へ
  • 送信済みの印を付けた日時と、通知を受けてからの経過時間
  • 夕方の未送信一覧に載った件

前処理の前の本文は、返信の一覧に残しません。 原文は媒体の管理画面と受信箱にあります。一覧に写すのは、分類と返事に要る範囲までです。

経過時間の記録が、この構成の効き目を測る物差しです。 興味ありと日程調整の返信が、通知から何時間で返事を受けたかを週ごとに見ます。

04実装レベルの3段階

最小構成:返信を手で貼り、種類と下書きを出させる / 1件ごとの分類と下書き
半自動化:上記+通知メールを取り込んで分類し、一覧に書き出す / 取り込み・分類・一覧化
本格構成:上記+求人台帳から担当者と求人票の要点を引き、種類ごとの下書きと通知、夕方の未送信一覧まで出す / 振り分け・下書き・追いかけの全体

最小構成では、返事の遅れは縮みません。 人が貼るまで分類が始まらないので、確かめるための段階です。 半自動化で、リーダーが朝に読む工程が無くなります。 ただ、担当者を引く作業と下書きは残ります。本格構成で求人台帳との照合と下書きが足され、1件2分になります。 この段階が本記事の想定です。 半自動化の一覧を2週間は見てください。 「その他」に落ちる返信の型と、識別子の取れない媒体が先に分かります。それを直してから担当者への通知をつなぐほうが、担当者に誤った振り分けが届きません。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
4 名
月間件数
600 件
1件あたり現在時間
6 分
1件あたり導入後時間
2 分
現在  600件 × 6分 ÷ 60 = 60 時間/月
導入後 600件 × 2分 ÷ 60 = 20 時間/月
月間削減時間
40h
削減率
67%
年間削減時間
480h
年間金額換算(時間単価3,000円)
144万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 複数の求人媒体でスカウトを送り、返信が月に数百件届く人材派遣・人材紹介の会社や、IT・小売・介護など通年で採用を続けている会社。返信の通知メールが共有の受信箱に集まり、誰がどの返信に答えるかが毎朝の目視で決まっている場合。辞退の返信と前向きな返信が同じ並びに埋もれ、前向きな候補者への返事が翌日以降になることがある場合。
向いていない
  1. スカウトの返信が月に数十件で、担当者1人が当日中に読み切れる場合。媒体の通知メールに返信の本文が載らず、管理画面から本文を写す手間が分類の手間を上回る場合。採用代行の会社に返信の対応まで任せている場合。なお、候補者を次の選考に進めるか、条件の質問にどう答えるかの判断は、この構成では代替できません。

07最小構成で試す方法

  1. 先月の返信から60件を選ぶ(辞退、前向き、質問、日程、判断に迷ったものを混ぜる)
  2. 60件について、当時の担当者が付けたであろう種類を、採用グループで先に決めておく
  3. 引用と連絡先を手で消し、手元のAIサービスの画面に1件ずつ貼る
  4. 「この返信を、日程調整・辞退・条件の質問・興味あり・その他のどれか1つに分けてください。2つ以上に当たるときは、この順で先のものを選んでください。根拠にした一文をそのまま写してください」と指示する
  5. 条件の質問に分けられたものについて、求人票の要点を貼り、要点に無いことは答えない下書きを作らせる

60件は、先に正解を決めてから試してください。 試した後に正解を決めると、AIの結果に引っ張られます。

出てきた内容判断
先に決めた種類とほぼ一致したワークフローにつなぐ段階に進む
前向きとも辞退とも読めないものが興味ありになる説明文に「その他に回す」例を足せば直る。構成は有効
引用の文を根拠にした前処理が先。 引用の消し方を決めてから試し直す

2行目は、採用グループの中でも種類が割れていた返信であることが多いはずです。 その場合は、AIを直す前にグループとしての扱いを1つに決めます。

08実装時につまずきやすいポイント

問題対策
スカウトの引用を候補者の言葉として読む前処理で切る。evidence が引用になっていたら定型文の一覧に足す
どれにも当たらない返信が消えるText Classifier の既定は捨てる。Other の出口に変える
2つにまたがる返信を2人が受け持つ1つに決める順を先に決め、指示に書く
既読の通知が取り込まれない既定は未読のみ。読み状態の設定を変え、識別子で二重を防ぐ
本文が手元に来ないSimplify を切る
条件の質問に推測で答える求人票の要点の範囲に限り、答えられない質問を別の欄に書き出させる
求人票の要点が空下書きが「確認します」ばかりになる。台帳の整備を先に
識別子の無い返信を職種名で振り分ける同じ職種の求人が複数ある。推測させずリーダーへ
送信まで自動にしたくなるしない。 媒体の画面から人が送る
ワークフローのタイムゾーンが日本でないSchedule Trigger はセルフホストの既定が America/New York。夕方の未送信一覧が夜中に出るので、ワークフローに Asia/Tokyo を指定する
媒体が通知の書式を変える識別子と引用の定型文が同時に外れる。「識別子なし」の件数を毎日見る
候補者の属性が一覧に残る根拠にも下書きにも写さないと指示し、前処理で連絡先を落とす

上の2行が、この構成の失敗のほとんどです。 引用の消し残しは種類を誤らせ、Other を捨てる設定は返信そのものを見えなくします。後者は誤りではなく欠落なので、誰も気づきません。 最初の設定で必ず変えてください。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 候補者の氏名、返信の本文(転職の意向、現職の不満、家庭の事情が書かれることがある)、媒体での識別子、求人の条件です。

  1. AIに渡す前に、使わない個人情報を落とす … 電話番号とメールアドレスは前処理で伏せ字にします。分類にも下書きにも要りません
  2. 書かれていても写さない項目を決めておく … 職業安定法の指針が収集してはならないとする事項(社会的差別の原因となるおそれのある事項、思想及び信条、労働組合への加入状況)は、候補者が自分から書いてきても一覧に残しません
  3. 保管と使用は集めた目的の範囲に限る … 同じ指針は、個人情報の保管又は使用は収集目的の範囲に限られるとしています。返信の一覧を、別の求人のスカウト先を選ぶ材料に流用しないように、使い道を決めておきます
  4. 送信を自動にしない … 誤った種類の下書きが候補者に届くと、辞退した人に面談の案内が届きます。送るのは担当者です
  5. 削除の依頼を通常の流れに乗せない … needs_attention で外し、媒体と自社の両方の記録をどうするかを人が決めます
  6. 一覧を見られる人を絞る … 返信の一覧は採用グループと担当者だけが見られる場所に置きます

誤りが起きた場合のリスクは、前向きな返信を「その他」や「辞退」に入れて返事をしないことです。 届かなかった返事は候補者の側からしか見えません。夕方の未送信一覧と、「その他」に落ちた件をリーダーが見る工程は、件数が減っても外さないでください。

10まず何から始めるか

1週目:求人台帳に2つの列をそろえる

求人台帳に、担当者の列と求人票の要点の列(給与・勤務時間・残業・在宅の可否・休日)をそろえます。スカウトを多く送っている求人から埋めます。 あわせて、3つの媒体の通知メールを1通ずつ見て、識別子の位置と引用の始まりを書き出します。

2週目:60件で試す

先月の返信から60件を選び、採用グループで種類の正解を先に決めてから、手元のAIサービスで分類させます。「検討します」のような返信をどう扱うかを、ここで1つに決めます。

3週目:取り込みから一覧までをつなぐ

共有の受信箱にラベルのフィルタを作り、n8n で Gmail Trigger から Text Classifier、返信の一覧への書き出しまでを作ります。この時点では担当者へ通知せず、リーダーが一覧を見ます。

4週目:下書きと通知を足す

種類ごとの下書きと、担当者への通知をつなぎます。最初は辞退と興味ありの2つから始めます。 条件の質問の下書きは、求人票の要点がそろった求人から順に広げます。

2か月目: 本文の載らない媒体のフォームと、夕方の未送信一覧を足します。3か月目以降: 興味ありと日程調整の返信が、通知から返事までに何時間かかっているかを毎週見ます。unanswered に多く出る質問を求人票に書き足した時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-10-07/最終更新:2026-10-07
確認した内容情報源確認日
職業紹介事業者、労働者の募集を行う者等が、業務の目的の範囲内で求職者等の個人情報を収集することとし、人種、民族、社会的身分、門地、本籍、出生地その他社会的差別の原因となるおそれのある事項、思想及び信条、労働組合への加入状況を収集してはならないこと(特別な職業上の必要性がある場合等を除く)。保管又は使用は収集目的の範囲に限られること厚生労働省: 職業紹介事業者、求人者、労働者の募集を行う者等が…適切に対処するための指針(PDF)2026-10-07
Gmail Trigger が Message Received を設定した間隔で見に行くこと。ラベル・検索・送信者・読み状態で絞り込めること(既定は未読のみ)。Simplify が既定で有効なこと。1回の取り込みが既定10件・最大50件で、超えた分は次の回に回ることn8n Docs: Gmail Trigger node2026-10-07
Form Trigger の項目の種類、Respond When の Workflow Finishes、認証に n8n User Auth があることn8n Docs: n8n Form Trigger node2026-10-07
Schedule Trigger がワークフローのタイムゾーン、無ければインスタンスのタイムゾーンを使い、セルフホストの既定が America/New York であること。保存して公開しないと動かないことn8n Docs: Schedule Trigger node2026-10-07
Text Classifier のカテゴリーが名前と説明を持つこと。When No Clear Match の既定が Discard Item で、Other の出口を選べること。System Prompt Template で {categories} を使えることn8n Docs: Text Classifier node2026-10-07
Basic LLM Chain で Require Specific Output Format を有効にし、出力パーサーをつなげることn8n Docs: Basic LLM Chain node2026-10-07
Structured Output Parser が JSON の例または JSON Schema で形を決めること。例から作るとすべての項目が必須になること。$ref に対応しないことn8n Docs: Structured Output Parser node2026-10-07
Anthropic Chat Model ノードで Claude を使えることn8n Docs: Anthropic Chat Model node2026-10-07

求人媒体の通知メールに返信の本文が載るか、スカウトの識別子がどこに書かれるかは、媒体と契約によって違います。 本記事は特定の媒体の仕様を前提にしていません。導入前に、使っている媒体の通知を確かめてください。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-0630)についてのご相談はこちらから。

AI活用について相談する
目次