海外のエンジニア採用で届く英文の履歴書（CV）を読み取り、候補者データベースの項目に転記して、募集要件に照らした確認事項を採用担当へ返す

処理の起点を決める

受付フォルダ（Amazon S3）にPDFが保存されたことを起点にします。 応募は毎日届くので、1日1回の定時処理にはしません。応募から最初の連絡までの日数が短いほど、他社との競り合いで有利になるからです。

応募の経路は3つあります。自社サイトの応募フォーム、求人媒体、紹介会社です。どの経路でも、求人の番号をファイル名かフォルダ名に付けて入れます。 求人の番号が無いと、どの募集要件と照らすかが決まりません。番号の無いファイルは止めずに受け、確認事項に「求人の番号が無い」と出します。

処理が終わったファイルは処理済みの場所へ移します。移すのは、確認事項の一覧への書き出しまで成功したときだけです。 受付フォルダに残っている数が、そのまま未処理の数になります。

入力データを集める

質を決めるのは、真ん中の3つです。 募集要件が文章のままでは照らせず、呼び名の一覧が無ければ同じ技術が別の技術として数えられます。経験年数の数え方を決めておかないと、第3章の（b）がそのまま機械に移ります。

データの取得方法を決める

読み取りは、Lambda から StartDocumentAnalysis を呼んで始めます。 文書はS3の場所で指定し、完了の通知先にSNSのトピックを渡します。ClientRequestToken に受付のファイルごとの値を入れ、同じCVの処理が二重に始まらないようにします。 JobTag には求人の番号を入れ、完了の通知から求人を引けるようにします。JobId は7日間しか有効でないので、完了を受けたらすぐに GetDocumentAnalysis で結果を取ります。

問い合わせ（Queries）は、場所の決まらない値だけに使います。 「What is the email address?」「What country does the candidate currently live in?」のように英語の質問を渡し、Alias を付けます。答えには信頼度が付き、見つからなければ空で返ります。 ビザの状況を問い合わせで拾うことはしません。書かれ方が多様で、文脈ごと読まないと意味が決まらないからです。

同じ人の過去の応募は、メールアドレスで候補者データベースを引いて確かめます。 氏名で引くと、表記の違いで別人として登録されます。

AIへ渡す前に整形する

1. 形式の確認 … 扱えるのはJPEG、PNG、PDF、TIFFです。XFA形式のPDFには対応していません。 Word形式で届いたものはPDFに変換します
2. パスワードの確認 … パスワードで保護されたPDFは読めません。 応募者に保護のないものを送り直してもらいます
3. ページ数とサイズの確認 … 非同期の処理はPDFで500MB・3,000ページまで。CVなら収まります
4. 解像度の確認 … 読み取れる文字の高さは15ピクセル以上で、150dpiで8ポイントの文字に当たります。デザインに凝ったCVの細い小さな文字が、この下限に近いことがあります
5. 写真の領域を外す … LAYOUT_FIGURE の領域にある文字以外のものは使いません。顔写真は生成AIにも候補者データベースにも渡しません
6. 選考に使わない項目を外す … 生年月日、年齢、婚姻の状況、家族、宗教などが書かれていれば、見出しと語で検出して本文から外します
7. 言語の確認 … 英語以外のCVが入っていないかを見ます。英語以外なら別の経路へ回します

6番目を生成AIの前に置くのが、この構成の要です。 海外のCVには、生年月日や婚姻の状況、写真を載せる慣習の国があります。厚生労働省は、本籍地や家族の職業など「本人に責任のない事項」や、宗教や支持政党など「本来自由であるべき事項」を採用基準にしないことが必要だとしています。AIに渡した時点で、それが判断に混ざらない保証はありません。渡さないのがいちばん確実です。

AIに処理させる

させるのは、CVの文から項目を埋め、根拠にした文字列をそのまま写すことだけです。

職歴ごとに「その職で使った技術」を分けて写させるのは、経験年数を数えるためです。 Skills の欄に並ぶ技術には期間が付いていません。期間が付くのは職歴の側だけなので、どの職で何を使ったかが分からないと、年数を数えられません。

3行目がいちばん起きやすい失敗です。 日本の大学を出た応募者に「日本語：ビジネス水準」と埋めたり、出身国から言語を足したりします。それは推測であって、CVに書かれた事実ではありません。

指示内容を固定する

あなたはエンジニア採用の担当者として、英文のCVから候補者データベースの項目を写す立場です。
渡すのは、OCRが読む順に並べたCVの本文です。そこに書かれたことだけを使ってください。

【写す項目】
- education: degree, field, school, country, graduation（年月。在学中なら in_progress）
- experience: company, title, start, end（"Present" はそのまま）, summary, technologies
- skills_listed: Skills 欄に並んでいる技術（職歴と別に）
- languages: 言語ごとに、書かれた水準の文字列
- work_authorization: ビザ・就労資格について書かれた文のまま
- relocation: 移住や勤務地について書かれた文のまま

【厳守事項】
- 書かれていない項目は「記載なし」としてください。推測で埋めないでください。
- 日本語の能力を、国籍・学歴・居住地から推測しないでください。
- 年月は書かれたとおりに写してください。月が無ければ年だけにしてください。
- 経験年数を計算しないでください。期間の足し算はこちらで行います。
- technologies には、その職の説明に書かれた技術だけを入れてください。
  Skills 欄の技術を、職歴に割り当てないでください。
- 技術の呼び名は書かれたまま写してください。言い換えはこちらで行います。
- ビザの取得の見込み、在留資格に当たるかを書かないでください。
- 合否、適合度、順位、点数を書かないでください。
- 年齢、生年月日、婚姻の状況、家族、宗教、写真について、
  本文に残っていても写さないでください。
- evidence には、根拠にした文字列をそのまま写してください。
- CVでない書類（推薦状、成績証明書など）と判断した場合は、写さずに
  document_type に種類を書いてください。

【CVの本文】{cv_text}

「Skills 欄の技術を職歴に割り当てない」を書かないと、全部の職に全部の技術を入れます。 一覧にある技術を、もっともらしい職に振り分けるからです。その結果、経験年数が実際より長く数えられます。

「年齢・婚姻の状況を写さない」は前処理と二重にしています。 前処理の検出は語に頼るので、表記の揺れで漏れることがあります。漏れた1件が候補者データベースに残らないように、指示の側でも止めます。

出力形式を固定する

次の形のJSONで受け取ります。 Claude API の構造化出力（output_config.format にJSONスキーマを渡す）を使うと、スキーマどおりの形で返り、必須の項目が欠けません。

{
  "cv_id": "",
  "requisition_id": "",
  "document_type": "cv",
  "education": [ { "degree": "", "field": "", "school": "", "country": "",
                   "graduation": "", "evidence": "" } ],
  "experience": [ { "company": "", "title": "", "start": "", "end": "",
                    "technologies": [], "evidence": "" } ],
  "skills_listed": [],
  "languages": [ { "language": "", "level_text": "", "evidence": "" } ],
  "work_authorization": { "text": "", "evidence": "" },
  "relocation": { "text": "", "evidence": "" }
}

この後に、Python が要件との照らし合わせを足します。

1つ目の理由は、経験年数を規則で数えられることです。 期間が重なる2つの職で同じ技術を使っていれば、重なりは1回だけ数えるのように決めておけば、誰が担当しても同じ年数になります。規則の例は次のとおりです。

どの規則にするかは自社で決めることです。 大事なのは、規則が1つに決まっていて、計算の根拠と一緒に残ることです。

2つ目は、確認事項を機械的に作れることです。 not_stated の必須要件はすべて「面談で確かめる」に回り、ビザが not_stated なら、在留資格の確認に要る書類を早めに頼む項目が立ちます。出入国在留管理庁の「技術・人文知識・国際業務」の案内では、大学等の卒業証明書や、関連する業務に従事した期間を証明する在職証明書等が挙がっています。CVの学歴と職歴は、その書類を頼む前の下見になります。

3つ目は、evidence で確認が速くなることです。 経験年数の根拠になった職歴の行が並びます。

システムへ連携する

候補者データベースへの書き込みは、採用担当の承認の後だけです。 応募者へのメールの送信も、この構成からは行いません。最初の連絡は人が書きます。

人が確認する

人が開くのは全件です。ただし見る場所を絞ります。 転記の結果は、unclear と信頼度の低い項目だけをCVの画像と見比べ、それ以外は一覧で流し見ます。

1. 求人の番号を確かめる … 照らした募集要件が正しいか
2. 職歴の期間と技術を確かめる … 経験年数の根拠の行を evidence で見ます。2段組みのCVは、読む順が崩れていないかをここで見ます
3. 確認事項を直す … 面談で聞くもの、書類を頼むもの、聞かなくてよいものに分けます
4. 登録を承認する … 承認したものだけが候補者データベースに載ります
5. 直した内容を記録する … どの項目を、どう直したかを残します

2番目を省かないでください。 経験年数は、現場のエンジニアが書類選考で最初に見る値です。ここが誤っていると、書類選考そのものがずれます。

3番目の仕分けは、採用担当にしかできません。 たとえば必須の「Kubernetes の運用経験」が not_stated でも、職歴の説明に「container orchestration」と書かれていれば、面談で聞けば済む項目です。呼び名の一覧に足すべき言い方が見つかったら、その場で一覧の担当へ回します。

目標は、360件をならして1件5分です。 1ページの整ったCVは2〜3分、職歴の多い複数ページのものは10分前後かかる想定です。

例外に対処する

5行目の「年だけ」はよく起きます。 「2019 - 2022」と書かれた職は、2年なのか4年近いのかが分かりません。数え方の規則を決め、根拠に残しておけば、現場のエンジニアが年数を読み替えられます。

記録を残す

• 元のCVのPDFと、受け取った日時・経路・求人の番号
• OCRが返したJSONの全文（ただし写真の領域の画像は残さない）
• AIが返したJSONと、そのとき参照した募集要件と呼び名の一覧の版
• 経験年数の計算の根拠（どの職のどの期間を数えたか）
• 確認事項の一覧と、採用担当が直した記録
• 候補者データベースへ登録した日時と承認者
• 保存の期限 … 不採用となった応募者の情報をいつ消すかを、自社の規程に合わせて決めておきます

「募集要件の版」を残すのは、要件が求人の途中で変わるためです。 必須の年数を5年から3年に下げた後で、過去の応募者を拾い直すことがあります。どの版で照らしたかが残っていれば、照らし直す範囲が決まります。