人材派遣・紹介の会社が求人サイトに出している求人の掲載の期限と応募の状況を n8n で毎日集め、受注台帳と営業のメモから、更新・取り下げ・条件の見直しの候補を AI で見分ける
求人サイトごとの掲載中の求人の一覧を n8n で毎朝集め、掲載の期限が近いものと応募の止まったものを拾います。受注台帳と営業担当のメモから、更新・取り下げ・条件の見直し・要確認を AI が判定し、担当に知らせます。
- 生成AI
- ChatGPT/Claude/Gemini
- 連携・自動化
- Make/n8n/Power Automate/Zapier
- 対象業界
- 人材/介護/物流/製造
- 対象部門
- 営業/採用
- 対象業務
- 内容確認・チェック/分類・仕分け
- 主な課題
- 人手が足りない/判断に時間がかかる/期限・対応漏れが起きる
- AIで行う処理
- 判定
- 主な効果
- 判断支援/工数削減/機会損失防止
- 導入難易度
- ★★★☆☆
- 実装レベル
- 半自動化
- 費用感
- API連携(中)
- 人間の確認
- 条件付き
01導入前 / 導入後の業務フロー
- 求人の担当が、各サイトの管理画面で掲載の期限が近い求人を探す
- 応募数を見て、直近に応募の無い求人を拾う
- 受注台帳を開き、その求人の受注の募集人数・充足数・メモを読む
- メモで判断がつかなければ、営業担当に Teams で「この求人、更新しますか」と聞く
- 返事を待ち、更新・取り下げ・そのままを決めてサイトで操作する
- 応募の止まった求人は、営業担当に条件の相談を頼むかを決める
- 人朝の担当が、各サイトの管理画面から掲載中の求人の一覧を CSV で書き出し、共有ドライブのフォルダに置く
- 自動平日の9時30分に n8n が動き、CSV を読んで求人ごとの掲載の期限・表示数・応募数を取る
- 自動前日の応募数との差から、直近7日の応募数を出し、期限が7日以内のものと応募が止まったものを規則で拾う
- 自動拾った求人の受注を受注台帳で引き、募集人数・充足数・メモを添える
- 自動Claude が、メモと台帳から、更新・取り下げ・条件の見直し・要確認を判定し、根拠のメモの一文を写す
- 自動判定を支店ごとにまとめ、Teams の支店のチャンネルに出し、判定の一覧をスプレッドシートに書く
- 人営業担当が取り下げと条件の見直しを確かめ、要確認には派遣先・求人企業に聞いて返事を書く
- 人求人の担当が一覧を見て、サイトで更新・取り下げを操作する
各工程の詳しい説明を読む
- 求人の担当が、各サイトの管理画面で掲載の期限が近い求人を探す
- 応募数を見て、直近に応募の無い求人を拾う
- 受注台帳を開き、その求人の受注の募集人数・充足数・メモを読む
- メモで判断がつかなければ、営業担当に Teams で「この求人、更新しますか」と聞く
- 返事を待ち、更新・取り下げ・そのままを決めてサイトで操作する
- 応募の止まった求人は、営業担当に条件の相談を頼むかを決める
(a)期限に間に合わない。 4番目の返事が来ないまま期限を迎え、募集中の求人がサイトから消えます。 載せ直すと掲載の開始日が変わり、応募の流れが途切れます。
(b)充足した求人が載り続ける。 営業担当がメモに「充足」と書いても、求人の担当がそれを見るのは期限の前だけです。期限まで2週間あれば、2週間載り続け、その間の応募者に「募集を終了しました」と連絡することになります。
(c)メモの読み方が人によって違う。 「異動で埋まる見込み」を、ある担当は取り下げ、別の担当はそのままと読みます。同じメモから違う扱いが出て、営業担当は誰に何を伝えればよいかが分からなくなります。
(d)営業担当への問い合わせが増え続ける。 4番目の「この求人、更新しますか」は、営業担当から見ると1日に何件も届く割り込みです。メモに書いてあることを聞かれるので、返事はだんだん遅くなります。 返事の遅れがまた(a)を生みます。
- 【人】 朝の担当が、各サイトの管理画面から掲載中の求人の一覧を CSV で書き出し、共有ドライブのフォルダに置く
- 【自動】 平日の9時30分に n8n が動き、CSV を読んで求人ごとの掲載の期限・表示数・応募数を取る
- 【自動】 前日の応募数との差から、直近7日の応募数を出し、期限が7日以内のものと応募が止まったものを規則で拾う
- 【自動】 拾った求人の受注を受注台帳で引き、募集人数・充足数・メモを添える
- 【自動】 Claude が、メモと台帳から、更新・取り下げ・条件の見直し・要確認を判定し、根拠のメモの一文を写す
- 【自動】 判定を支店ごとにまとめ、Teams の支店のチャンネルに出し、判定の一覧をスプレッドシートに書く
- 【人】 営業担当が取り下げと条件の見直しを確かめ、要確認には派遣先・求人企業に聞いて返事を書く
- 【人】 求人の担当が一覧を見て、サイトで更新・取り下げを操作する
3番目を規則にしているのは、拾う基準を揺らさないためです。 期限まで何日か、7日間に応募が何件かは数で決まります。AI に任せるのは、メモの文から受注の状況を読むところだけです。
8番目のサイトの操作は人が行います。 求人サイトに書き込む API を持たない媒体もあり、掲載を下げる操作は取り返しのつかない操作だからです。
02今回想定するシステム構成
求人サイト4つの管理画面 ── 掲載中の求人の一覧(CSV)を書き出す【人】
│
▼ 共有ドライブ(Google ドライブ)の「掲載一覧」フォルダ
▼【トリガー】Schedule Trigger(平日 9:30)
n8n ── Google Drive:その日の CSV を探して取る
├──▶ Extract from File:CSV を行に
├──▶ Code ノード:直近7日の応募数、期限までの日数、拾う規則
├──▶ Google Sheets:受注台帳から募集人数・充足数・メモを引く
▼
Basic LLM Chain + Anthropic Chat Model + Structured Output Parser
│ 更新 / 取り下げ / 条件の見直し / 要確認 の判定と根拠
▼
Google Sheets:判定の一覧に書く / Microsoft Teams:支店のチャンネルへ
▼
【人】営業担当が確かめ、求人の担当がサイトで操作| 役割 | 想定する製品 | 代替候補 |
|---|---|---|
| ワークフロー | n8n(Schedule Trigger、Google Drive、Extract from File、Code、Google Sheets、Microsoft Teams) | Make、Power Automate、Zapier |
| 生成AI | Claude(n8n の Anthropic Chat Model から) | ChatGPT(OpenAI)、Gemini |
| 受注台帳 | Google スプレッドシート | 自社の基幹システムの書き出し |
| 社内連絡 | Microsoft Teams | Slack、Google Chat |
新しく入れるのは n8n と、Claude の API です。 求人サイト・受注台帳・Teams はいまのものを使います。最初の準備は、求人と受注を結ぶ列を作ることです。 求人サイトの掲載の ID と、受注台帳の案件の ID を対応させる表を作り、同じ受注を複数のサイトに出しているものも1つの案件に結びます。
求人サイトからの取り込みは、管理画面の CSV の書き出しを前提にします。 掲載の一覧を返す API を出しているサイトはそれを HTTP Request ノードで呼べますが、サイトごとに仕様が違い、API の無いサイトもあるので、CSV で全サイトをそろえます。 朝の担当の作業は、4つのサイトから書き出して置く5分ほどです。
03どうやって実装するのか
処理の起点を決める
起点は Schedule Trigger の平日9時30分です。 朝の担当が CSV を置き終える時刻に合わせます。Schedule Trigger は日・週の単位で時刻と曜日を決められ、Cron の式でも書けます。ワークフローの時間帯を Asia/Tokyo にしておきます。 時間帯を決めないとインスタンスの時間帯になり、自前で動かすときの既定は America/New_York です。
その日の CSV がそろっていないときは、判定に進みません。 4つのサイトの CSV のうち1つでも無ければ、無いサイトの名前を求人の担当に知らせて止めます。一部のサイトだけで判定すると、同じ受注の別のサイトの求人の扱いがずれます。
夕方にもう1回、取り下げの判定だけを動かします。 営業担当が日中にメモに「充足」と書いたものを、翌朝まで載せたままにしないためです。 夕方の回は CSV を取り直さず、朝の一覧と、日中に更新されたメモだけを使います。
入力データを集める
| データ | 中身 | 取得元 |
|---|---|---|
| 掲載一覧 | サイト、掲載の ID、職種、勤務地、掲載の開始日・期限、表示数、応募数(累計) | 各サイトの CSV |
| 前日までの記録 | 掲載の ID ごとの日々の応募数(累計) | Google Sheets「掲載の記録」 |
| 対応表 | 掲載の ID → 案件の ID | Google Sheets「掲載と案件」 |
| 受注台帳 | 案件の ID、派遣先・求人企業、職種、募集人数、充足数、受注の状態、契約の期間、営業担当のメモ(日付付き)、最終更新の日時 | Google Sheets「受注台帳」 |
質を決めるのは営業担当のメモです。 メモに日付が無いと、どれが最新の状況か分かりません。メモは「日付+一文」で書く決まりにし、日付の無いメモは判定の根拠に使わせません。
応募数は累計で書き出されることが多いので、日々の記録との差で直近7日の応募数を出します。 サイトが期間の応募数を書き出せるなら、そのまま使います。
データの取得方法を決める
CSV は、Google Drive ノードで「掲載一覧」フォルダから、ファイル名にその日の日付が入ったものを探して取ります。 Google Drive ノードはファイルとフォルダの検索、ファイルの取得(download)・移動ができます。取ったファイルは「処理済み」フォルダに移します。 移すのは判定まで終わったときだけにします。
CSV は Extract from File ノードの「Extract From CSV」で行にします。 見出しの行を使う設定にすると、列の名前で値を取れます。文字コードの設定は公式のページに記載が見当たらないので、サイトの書き出しを UTF-8 にできるなら UTF-8 にします。 できないサイトの CSV は、最初の行の列の名前が想定どおりに読めているかを Code ノードで確かめ、読めていなければ文字化けとして止めます。
| 共通の列 | サイトAの列の例 | 使い道 |
|---|---|---|
| posting_id | 原稿番号 | 対応表で案件を引く鍵 |
| expires_on | 掲載終了日 | 期限までの日数 |
| views | 表示回数 | 一覧に添えるだけ(判定には使わない) |
| applies_total | 応募数(累計) | 直近7日の応募数を出す |
| status | 掲載状態 | 掲載中以外を外す |
表示回数は判定に使いません。 表示が少ないのは掲載の区分や時期のせいで、受注の状況とは関係が無いからです。一覧に添えて、review のときに営業担当が派遣先と話す材料にします。
受注台帳は、Google Sheets ノードの「Get Row(s)」で読みます。 900件の求人に対して受注は約500件なので、毎朝全体を読み、Code ノードで案件の ID で引きます。判定の一覧は「Append or Update Row」で、掲載の ID を鍵にして書きます。 同じ日に2回動いても行が重なりません。
AIへ渡す前に整形する
- 列の名前をそろえる … サイトごとに違う列の名前(「掲載終了日」「掲載期限」など)を、共通の名前に置き換えます
- 直近7日の応募数を出す … 「掲載の記録」の7日前の累計との差を取ります。掲載から7日未満の求人は、掲載日からの数として印を付けます
- 拾う規則を当てる … 期限まで7日以内、または掲載から14日以上たって直近7日の応募が0件のものを拾います
- 受注を引く … 対応表で案件の ID を引き、受注台帳の行を添えます。引けない求人は「対応表に無い」として AI に回さず、求人の担当に知らせます
- 同じ案件の求人をまとめる … 同じ案件の求人が複数のサイトにあれば、1つの案件として AI に渡し、判定を全部の求人にそろえます
- メモを新しい順に3件に絞る … 日付の無いメモは外し、台帳の最終更新の日時より新しいメモがあれば印を付けます
6番目の印が、この構成で効きます。 募集人数・充足数の列より新しいメモは、列がまだ直されていないことを示します。 AI には「列とメモが食い違うときは、新しいほうを根拠にし、食い違いを書く」ように指示します。
3番目の基準は、職種ごとに変えられるようにします。 製造の派遣は応募が早く集まり、介護の紹介は掲載から最初の応募まで日数がかかります。同じ「14日で0件」を当てると、介護の求人ばかりが拾われます。 基準は職種ごとの表にして Code ノードで読み、半年ごとに過去の応募の付き方で見直します。
AIに処理させる
させるのは、案件ごとに、メモと台帳の列から4つの扱いのどれに当たるかを判定し、根拠のメモの一文を写すことだけです。
| 判定 | 当てはまるとき | 例 |
|---|---|---|
withdraw(取り下げ) | 充足した、募集が止まった、受注が終わると書かれている | 「11/1 2名とも決定、募集終了」 |
review(条件の見直しの相談) | 応募が止まっていて、条件の相談の動きがメモにある、または相談が要ると書かれている | 「10/28 時給の見直しを打診中」 |
renew(更新) | 募集が続いており、終わる・止まる記載が無い | 「11/2 引き続き2名募集」 |
ask(要確認) | メモが古い、無い、食い違う、どちらとも読める | 「異動で埋まる見込み」 |
withdraw と ask の区別が、この構成でいちばん大事です。 「決定」「充足」「募集終了」のように終わったことが書かれていれば withdraw、「見込み」「かもしれない」のように終わるかもしれないことが書かれていれば ask です。見込みの段階で下げると、話が流れたときに求人が無くなります。見込みは、営業担当に派遣先へ確かめてもらいます。
review は、応募が止まっていることだけでは選ばせません。 応募が止まっている求人は、規則で拾った時点で全部そうです。メモに条件の話が出ているか、営業担当が「条件が厳しい」と書いているときだけ review にします。 メモに何も無ければ、応募が止まっていても renew か ask です。こうしておくと、review の一覧は「派遣先と条件の話をする案件」だけになり、営業担当が週に1回まとめて相談に行けます。
募集人数の一部だけが埋まった案件は、withdraw にしません。 「2名のうち1名決定」なら募集は続いています。この場合は renew とし、conflict に「募集人数の残りは1名」と書かせ、原稿の人数の直しを求人の担当に知らせます。
| させないこと | 理由 |
|---|---|
| 時給・勤務時間などの条件の値の提案 | 条件は派遣先・求人企業と営業担当が決める |
| メモに無い受注の状況の推測 | 応募の少なさから「募集は終わっただろう」と読まない |
| 応募の数からの判定 | 数は前処理の規則で使い終わっている |
| 原稿の書き換え | この構成の対象外 |
| サイトの操作の決定 | 人が一覧を見て操作する |
2行目がいちばん起きやすい失敗です。 応募が2週間0件で、メモが1か月前で止まっていると、生成AIは「長期間動きが無いため募集を終了した可能性が高い」と書いて withdraw を選びます。メモが古いことは ask の理由で、取り下げの理由ではありません。
指示内容を固定する
あなたは人材派遣・紹介の会社で、掲載の期限が近い求人と応募の止まった求人の
扱いを判定する係です。受注台帳の列と営業担当のメモだけを根拠にします。
推測で補わないでください。
【案件】
- 案件 ID・派遣先/求人企業・職種: {case}
- 募集人数・充足数・受注の状態(台帳の列): {ledger_columns}
- 台帳の最終更新の日時: {ledger_updated_at}
- 営業担当のメモ(新しい順、日付付き): {memos}
- 列より新しいメモがあるか: {memo_newer_flag}
- 拾われた理由: {pick_reason}(期限まで N 日 / 直近7日の応募 0 件 など)
- 今日の日付: {today}
【判定】次の4つから1つ選びます。
- withdraw : 充足・募集終了・受注の終了が、終わったこととして書かれている
- review : 応募が止まっており、条件の相談が要る・相談中と書かれている
- renew : 募集が続いていると書かれ、終わる・止まる記載が無い
- ask : メモが無い、30日より古い、列とメモが食い違う、どちらとも読める
迷ったときに withdraw や renew を選ばず、ask にしてください。
【厳守事項】
- evidence には、根拠にしたメモの文を日付ごとそのまま写してください。
言い換えないでください。写せる文が無ければ ask です。
- 「見込み」「予定」「〜かもしれない」は終わったことではありません。withdraw にしないでください。
- 応募が少ないこと、メモが古いことを、募集が終わった理由にしないでください。
- 台帳の列とメモが食い違うときは、日付の新しいほうを根拠にし、conflict に食い違いを書いてください。
- 時給・勤務時間・勤務地などの条件の値を提案しないでください。
- question_for_sales には、ask のときだけ、営業担当が派遣先・求人企業に確かめる問いを1文で書きます。
「見込みは終わったことではない」を明記しないと、withdraw が増えます。 営業担当のメモは見込みの言葉で書かれることが多く、生成AIは見込みを結論として読みがちです。 取り下げは求職者を守る判定ですが、早すぎる取り下げは受注を守れません。
「30日より古い」の線は、自社で決める値です。 施行規則は、職業紹介事業者に、求人者に定期的に情報が最新かを確かめるか、情報の時点を明らかにすることを求めています。どの間隔で確かめるかを社内で決め、その間隔をプロンプトの日数に入れます。 日数を変えたら、同じ40件で判定がどう変わるかを見ます。
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。
{
"case_id": "K-2025-0418",
"decision": "ask",
"evidence": ["11/1 先方より、2名のうち1名は社内の異動で埋まる見込み"],
"conflict": "台帳の充足数は0、メモでは1名が埋まる見込み",
"question_for_sales": "社内の異動で埋まる1名は確定しましたか。確定なら募集人数を1名に減らします。",
"postings": ["サイトA:88123", "サイトC:J-55102"]
}
1つ目の理由は、判定とサイトの操作を分けられることです。 decision は AI が埋め、その日にどのサイトで何を操作するかは、求人の担当が一覧を見て決めます。 一覧は支店ごと・判定ごとに並べ、withdraw を一番上に置きます。
2つ目は、question_for_sales で営業担当への質問がそろうことです。 これまで求人の担当が「この求人、更新しますか」と1件ずつ聞いていたのを、派遣先に確かめるべき一点の問いにして渡します。 営業担当は Teams のスレッドに返事を書き、翌朝の判定の材料になるメモとして台帳に足します。
3つ目は、postings で同じ案件の求人をまとめて扱えることです。 1つの案件を withdraw にしたら、その案件のすべてのサイトの求人を下げる対象にします。 一部のサイトだけ下げ忘れる失敗を防ぎます。
システムへ連携する
| つなぎ先 | 方式 | 内容 |
|---|---|---|
| Google ドライブ | n8n の Google Drive ノード | その日の CSV を探して取り、処理済みへ移す |
| 各サイトの CSV | Extract from File ノード | CSV を行にする |
| 受注台帳・掲載の記録・対応表 | Google Sheets ノード | 読む。判定の一覧と掲載の記録に書く |
| Claude | Anthropic Chat Model(Basic LLM Chain の下) | 判定と根拠 |
| Microsoft Teams | Microsoft Teams ノード | 支店のチャンネルへ判定を出す |
書き込むのは「掲載の記録」と「判定の一覧」の2つだけです。 掲載の記録には、その日の掲載の ID ごとの応募数(累計)を1行ずつ足し、翌日以降の直近7日の計算に使います。記録を書くのは判定まで終わった後にします。 途中で止まった日の記録を残すと、翌日の差の計算がずれます。
受注台帳には書き込みません。 募集人数・充足数・メモを直すのは営業担当です。AI の判定で台帳の列を書き換えると、営業担当の把握と台帳がずれます。
Teams の支店のチャンネルには、チャンネルのメッセージの「Create」で出します。 営業担当をメンションの欄で指定できます。Teams の資格情報をサービスプリンシパル(アプリのみ)にすると、チャンネルへの投稿ができません。 求人の担当のチームの共用のアカウントで接続します。
人が確認する
判定はすべて、営業担当と求人の担当が見てから操作します。
withdraw… 営業担当が根拠のメモを見て、充足や終了が確かかを確かめます。確かめた日のうちに、求人の担当がすべてのサイトで下げますreview… 営業担当が派遣先・求人企業と条件を相談するかを決めます。相談の結果、条件が変わったら、原稿の直しは別の手順で行いますask… 営業担当が問いに答えます。期限までに返事が無い求人は、更新せずに期限を迎えさせるか、1回だけ更新するかを支店の決まりで決めておきますrenew… 求人の担当が一覧で流し見て更新します
ask の期限の決まりを先に作ってください。 決まりが無いと、返事が来ないまま期限が来て、第3章の(a)に戻ります。
目標は、480件をならして1件2分です。 renew が半分を超えるなら、一覧の確認はほとんど流し見で済みます。ask が3割を超える月は、メモの書き方がそろっていないか、30日の線が短すぎます。
例外に対処する
| 起きること | 対応 |
|---|---|
| その日の CSV がそろわない | 判定に進まず、無いサイトを求人の担当に知らせる |
| CSV が文字化けしている | 列の名前が読めなければ止め、書き出しをやり直してもらう |
| 掲載の ID が対応表に無い | AI に回さず「対応表に無い」として求人の担当へ |
| 案件のメモが空 | ask。問いは「この案件の募集はいまも続いていますか」 |
| AI の応答が形に合わない | その案件は ask として、台帳の列とメモを並べて営業担当へ |
| 判定が前日と変わった | 一覧で変わったことを印にし、根拠のメモを並べる |
| 期限切れで既に消えた求人 | 判定の対象から外し、案件が募集中なら載せ直しの候補として知らせる |
| 同じ求人が前日の CSV にあって今日は無い | サイト側で止まった可能性。求人の担当に管理画面で確かめてもらう |
| 営業担当が異動・休みで返事が無い | 支店の責任者に ask を回す決まりにする |
5行目で「ask として送る」のは、AI が止まっても期限は来るからです。 判定が無くても、台帳の列とメモが求人ごとに並んでいれば、第3章の2番目と3番目は省けます。
記録を残す
- その日の CSV(サイトごと)と、取り込んだ行の数
- 拾った求人と、拾った理由(期限・応募の停止)
- AI の判定の全文と、渡したメモ
- 営業担当が判定を覆した記録と理由
- 求人の担当がサイトで操作した日時と内容
withdrawの判定から、すべてのサイトで下げ終わるまでの日数
最後の行が、この構成の効き目を測る数字です。 充足してから掲載が消えるまでの日数が縮んでいるかを毎月見ます。職業安定法の「遅滞なく」を自社でどう運用しているかの記録にもなります。
04実装レベルの3段階
本記事の想定は半自動化です。 求人の担当に残るのは一覧の確認とサイトの操作、営業担当に残るのは withdraw・review・ask の確認です。1件5分が2分になる見込みはこの段階のものです。 本格構成に進むときも、承認は残します。 API で反映するのは、営業担当が確かめた withdraw と、求人の担当が一覧で見た renew だけです。API の無いサイトは人の操作のまま残るので、全サイトがそろうまで一覧の運用は続きます。
05工数削減シミュレーション
導入後 480件 × 2分 ÷ 60 = 16 時間/月
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。
06向いている企業・向いていない企業
- 派遣スタッフの募集と紹介の求人を、複数の求人サイトに数百件出している人材派遣・紹介の会社。掲載の期限が求人ごとにばらばらで、更新するか下げるかを求人の担当が営業担当に毎回聞いている場合。派遣先・求人企業とのやり取りが営業担当のメモにしか残っておらず、充足や条件の変更が掲載に届くまでに日数がかかっている場合。
- 掲載している求人が数十件で、求人の担当と営業担当が同じ人の場合。求人サイトから掲載の一覧を書き出せない場合。求人の原稿の書き換えや、時給などの条件そのものを AI に決めさせたい場合は、この構成では扱いません。
07最小構成で試す方法
- 先月、期限が来た求人から40件を選ぶ(当時、更新したもの・下げたもの・営業担当に聞いたものを混ぜる)
- その求人の受注台帳の列と、当時のメモを書き出す
- 手元の生成AI(Claude、ChatGPT、Gemini など)の画面に、第7章のプロンプトと案件を1件ずつ貼り付ける
- 出てきた判定を、当時の扱いと比べる
| 出てきた内容 | 判断 |
|---|---|
| 当時の扱いとおおむね同じで、根拠のメモが正しい | n8n での組み立てに進む |
「見込み」を withdraw にする | 見込みの禁止を確かめる |
ask ばかりになる | メモの書き方(日付+一文)を先にそろえる |
3行目が出ても失敗ではありません。 求人の担当が営業担当に聞いていた理由が、メモの書き方にあったと分かったということです。支店で書き方をそろえてから、新しい月の40件で試し直します。
08実装時につまずきやすいポイント
| 問題 | 対策 |
|---|---|
| 「見込み」で取り下げる | 終わったことと見込みを分け、見込みは ask |
| メモが古いだけで取り下げる | 古さは ask の理由。取り下げの理由にしない |
| 一部のサイトだけ下げ忘れる | 案件でまとめ、postings の全部を対象にする |
| CSV が文字化けする | 列の名前が読めるかを確かめ、読めなければ止める |
| 掲載の ID が対応表に無い | AI に回さず、対応表を直す |
ask の返事が期限に間に合わない | 返事の無いときの扱いを支店の決まりで先に決める |
| 条件の値を AI が提案する | 値の提案を禁じ、相談の候補という振り分けまでに |
| 一部の充足で取り下げる | 残りの人数があれば renew。人数の直しを知らせる |
| 介護の求人ばかり拾われる | 拾う基準を職種ごとの表にする |
上の2行が、取り下げの判定の信頼を決めます。 早すぎる取り下げが一度でも起きると、営業担当は判定を見ずに自分で確かめ直すようになり、この構成で減らしたはずの問い合わせが戻ってきます。 試す段階で、この2つを最優先で見てください。
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: 求人の内容(職種・勤務地・条件)、派遣先・求人企業の名前と受注の状況、営業担当のメモです。応募者の個人の情報は扱いません。 応募数は件数だけを使います。
- メモに応募者や派遣スタッフの個人の情報を書かない決まりにする … メモに「Aさんで決まり」と書くと、その名前が AI に渡ります。職業安定法は求職者の個人情報を業務の目的の範囲で扱うことを求めています。 メモは人数と状況で書きます
- 派遣先・求人企業の情報を外部へ出しすぎない … AI に渡すのは判定する案件の行だけに絞ります
- サイトの操作を自動にしない … 下げる・更新する操作は人が行います。誤った取り下げは受注を、誤った更新は求職者を損ないます
- 取り下げの遅れを記録する …
withdrawの判定から下げ終わるまでの日数を残し、遅れの多い支店を見ます
誤りが起きた場合のリスクは、充足した求人を載せ続けることと、募集中の求人を下げることの2つです。 前者は ask が放置されると、後者は見込みを結論と読むと起きます。どちらも「書かれたことだけを根拠にし、見込みは確かめる」という同じ決まりで防ぎます。
10まず何から始めるか
1週目:対応表とメモの書き方をそろえる
掲載の ID と案件の ID の対応表を作ります。同じ受注を複数のサイトに出している求人を1つの案件に結ぶところから始めます。 あわせて、営業担当のメモを「日付+一文」で書く決まりを支店に伝えます。
2週目:過去の40件で試す
先月期限が来た求人から40件を選び、手元の生成AIで判定させます。当時の扱いと比べ、見込みを取り下げにしていないかを最優先で見ます。
3週目:CSV の取り込みと拾い出しを作る
n8n で CSV を読み、直近7日の応募数を出し、拾う規則を当てるところまで作ります。この時点では判定をせず、拾った件数がいままでの朝の作業と合うかを見ます。
4週目:判定と支店への連絡をつなぐ
Basic LLM Chain の判定を足し、支店のチャンネルに出します。この時点では求人の担当がこれまでどおり判断し、判定と見比べます。
2か月目: 判定の一覧を使ってサイトを操作し始めます。営業担当が覆した判定を毎週見ます。3か月目以降: 1件5分が何分になったかと、withdraw から下げ終わるまでの日数を実測します。期限切れで募集中の求人が消えることと、充足した求人が載り続けることがほぼ無くなった時点で、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
| 確認した内容 | 情報源 | 確認日 |
|---|---|---|
| 職業安定法第5条の4:求人等に関する情報について虚偽の表示・誤解を生じさせる表示をしてはならないこと。労働者の募集を行う者・募集受託者は正確かつ最新の内容に保たなければならないこと。職業紹介事業者等は正確かつ最新の内容に保つための措置を講じなければならないこと。第5条の5:求職者等の個人情報を業務の目的の達成に必要な範囲で扱うこと | e-Gov 法令API: 職業安定法 | 2026-11-03 |
| 職業安定法施行規則第4条の3第4項:提供の中止・訂正の求めがあれば遅滞なく中止・訂正すること。正確でない・最新でないことを確認したときは遅滞なく依頼者に訂正の有無を確認し、または提供を中止すること。職業紹介事業者は定期的に求人の情報が最新かを確かめるか、情報の時点を明らかにすること | e-Gov 法令API: 職業安定法施行規則 | 2026-11-03 |
| Schedule Trigger で日・週の時刻と曜日、Cron の式を設定できること。ワークフローの時間帯、無ければインスタンスの時間帯(自前の既定は America/New_York)を使うこと | n8n: Schedule Trigger node | 2026-11-03 |
| Google Drive ノードでファイルの取得・移動、ファイルとフォルダの検索ができること | n8n: Google Drive node | 2026-11-03 |
| Extract from File ノードに Extract From CSV があること。文字コードの設定の記載が見当たらないこと | n8n: Extract from File node | 2026-11-03 |
| Google Sheets ノードの Get Row(s)・Append or Update Row・Update Row | n8n: Google Sheets node | 2026-11-03 |
| Basic LLM Chain で Require Specific Output Format を有効にすると出力のパーサーをつなげること | n8n: Basic LLM Chain node | 2026-11-03 |
Structured Output Parser の形を JSON の例か JSON Schema で決められ、例から作るとすべての項目が必須になること。$ref が使えないこと | n8n: Structured Output Parser node | 2026-11-03 |
| Microsoft Teams ノードのチャンネルのメッセージの Create とメンション。サービスプリンシパルの資格情報ではチャンネルのメッセージの作成が使えないこと | n8n: Microsoft Teams node | 2026-11-03 |
取り下げ・訂正の運用(「遅滞なく」の目安など)は、自社の労務の担当と、必要に応じて労働局に確かめてください。 本記事は法令の条文と各製品の公開情報で確認できた範囲を扱っています。
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-2687)についてのご相談はこちらから。
