履歷篩選自動流

🎯 這條流程解決什麼

每逢熱門職缺開出，求職平台與公司信箱往往一週內就湧進上百封履歷。HR 得逐封打開 PDF、對照職務說明（JD）裡的學經歷與技能、在試算表上人工標註，再一封封回覆面試或婉拒。以一份履歷平均花 5 到 8 分鐘細看計算，120 封履歷光初篩就要 10 到 16 個小時，等於整整兩個工作天卡在這件事上，其他招募、報到、員工關係的工作只能往後推。

更現實的痛點是「漏看」與「回太慢」。履歷一多，HR 容易被前面幾十封拖到疲乏，後段的好人選反而被草草帶過；而求職者同時投好幾家，誰先約面試誰就佔到先機，公司晚回三天，常常人就被別家簽走了。傳統做法還有一個隱形成本：用人主管不想看一百份履歷，於是 HR 得先憑經驗挑出十幾份「看起來不錯的」，但這道主觀篩選若標準不一致，好人選就在第一關被刷掉，事後也難追究。

這條流程的目標，是讓 AI 接手第一輪「客觀對照 JD」的重複工，把 HR 的時間還給真正需要人判斷的面試與決策環節。可搭配 招募 JD＋面試題食譜 一起使用，先用食譜把職缺條件寫清楚，再交給這條工作流自動評分。

導入後的改變

導入前，120 封履歷的初篩約需 10 到 16 小時、跨 2 至 3 個工作天，回覆速度受 HR 當下忙碌程度影響，快則隔天、慢則一週；評分標準藏在 HR 腦袋裡，難以複盤，也容易因疲勞或先入為主而失準。

導入後，系統在履歷投遞當下即時評分入列，HR 早上打開試算表就能看到一份已排序、附亮點與疑慮摘要的名單。原本 10 到 16 小時的初篩工時，可壓縮到 1 到 2 小時的「複核高分名單」，工時約省下八成。面試邀請信能在收件後幾分鐘內寄出（或經人工按一下確認後寄出），把回覆時間從數天縮到當天，明顯提高優質人選的到場率。更重要的是，每份履歷都用同一套條件評分，標準一致、可追溯，招募品質不再隨 HR 的精神狀態浮動。對一個月要處理三、四個職缺、上百封履歷的中小企業 HR 來說，這等於每月多出好幾天可投入面試品質與報到體驗。

流程怎麼運作

這條流程對應 frontmatter 裡的四個節點，依序串成一條完整自動流：

1. 觸發：收到履歷——求職者透過官網表單或求職信箱投遞時，Webhook 立即啟動流程，把履歷檔案（PDF / Word）與基本欄位接進來。系統會記下投遞時間與來源管道，方便後續統計各招募渠道的成效。

2. AI 對照職缺評分——這是核心節點。AI 先把履歷內容抽取成結構化資料（學歷、年資、關鍵技能、過往職務），再對照該職缺的「必備條件」與「加分條件」逐項評分，輸出一個總分，並用兩三句話摘要這位人選的亮點（例如「具 3 年同產業經驗、帶過 5 人團隊」）與疑慮（例如「無相關證照、轉職頻繁」）。摘要的價值在於：HR 不用重讀整份履歷，掃一眼就抓到重點。

3. 排序進名單——依分數高低自動分流。高分者寫進試算表的「待面試」分頁，低分者進「婉拒」分頁，中段可另設「待人工複核」區。試算表同時保留分數、摘要與原始履歷連結，整個招募進度一目了然，用人主管隨時可開來看。

4. 自動發信——高分名單自動套用面試邀請信模板（帶入姓名、職缺、可預約時段），其餘套用禮貌婉拒模板。建議把「實際寄出」設成待人工確認的關卡：HR 掃過名單、按下確認後才批次寄出，避免 AI 誤判把好人選婉拒掉。

想了解更多把多步驟串成一條龍的設計思路，可瀏覽 更多工作流藍圖。

需要的工具與串接重點

平台用 n8n 或 Make 都可以。履歷來源 Webhook 負責接住表單或信箱來的履歷，建議在官網表單就規範好欄位（姓名、應徵職缺、附件），讓資料一進來就乾淨。AI 評分節點 是判斷核心，串接時要把該職缺的 JD、必備與加分條件寫成明確的評分提示詞，並要求模型輸出固定格式（總分＋亮點＋疑慮），這樣後續節點才好解析。Google Sheet 當作招募進度的中控台，用分頁區分待面試／婉拒／待複核。Gmail 負責發信，模板先在試算表或節點裡備好，用變數帶入個人化內容。

串接注意點有三：一是 PDF 解析品質，掃描檔或排版花俏的履歷可能抽取失敗，要設一條「解析失敗就轉人工」的例外路線；二是評分提示詞要明確標出職缺的「硬門檻」（例如必須有特定證照），避免 AI 被漂亮的自我介紹帶偏；三是發信務必經人工確認再批次送出。更多自動化串接的觀念，可參考 自動化專區。

常見錯誤與注意事項

• 公平性與就業歧視：AI 評分僅供初篩參考，最終錄取決策必須由人判斷。務必避免模型依姓名、性別、年齡、婚育、戶籍等與工作能力無關的欄位產生偏誤，建議在送進評分前就遮蔽這類欄位。台灣《就業服務法》明文禁止就業歧視，這一關不可輕忽，這是法遵紅線而非選配。
• 個資保護：履歷含大量個人資料，依《個人資料保護法》僅能用於本次招募目的，不可挪作他用；未錄取者的履歷應約定保存期限並屆期刪除，試算表的存取權限要限定 HR 與相關主管。
• 不要全自動寄信：把婉拒信設成全自動，一旦 AI 誤判就會把好人選直接拒於門外且無法挽回，務必保留人工確認關卡。
• AI 不取代專業判斷：評分只是把客觀條件量化，人格特質、文化契合、實戰能力仍要靠面試。AI 給的是「值得先看」的排序，不是「該錄取」的結論。

台灣中小企業情境案例

台中一家約 40 人的軟體公司，過去開一個前端工程師職缺，兩週收到約 90 封履歷。HR 小柔得在處理薪轉、保險、報到之餘擠時間初篩，常拖到第十天才約面試，好幾位理想人選早被別家錄取。導入這條流程後，履歷一投進來就即時評分入列，小柔每天早上花 20 分鐘複核當日高分名單、按確認寄出面試邀請。結果優質人選的回覆時間從平均 6 天縮到當天，到面率提升、職缺平均填補天數從 28 天降到 17 天。小柔也終於不必把週末帶回家看履歷，把省下的時間用來優化面試流程與新人報到體驗，主管對招募品質的滿意度明顯回升。

延伸應用

這條流程的骨架可以延伸到許多招募場景。把評分節點換成不同 JD，就能同時跑多個職缺的初篩；在試算表後串「面試排程」節點，可讓系統依主管行事曆自動提供可預約時段，再延伸到報到資料蒐集與設備申請。也可以加上「人才庫回收」邏輯——這次未錄取但分數不錯的人選，標記後存進人才庫，下次有相近職缺時主動再聯繫。若想做得更完整，可串接 招募相關食譜 自動產生面試題與評分表，或把整套招募流程接進公司既有的 自動化體系，讓履歷、面試、報到一條龍，HR 真正從重複行政工裡解放出來。

流程圖

用到的工具

其他工作流

瀏覽全部工作流藍圖 → 自動化工作流中心 → AI Skills 食譜庫 →