n8n ile Özgeçmiş Eleme ve Aday Bildirimi Otomasyonu

Bir pozisyon açıklandığında ilk üç günde 80-120 başvuru gelmesi artık olağan. İK ekibinin her PDF'i açıp ilanla karşılaştırması, yüksek hacimde hem yorucu hem tutarsız. Birinin "acaba yazılım biliyor mu" sorusunu sormayı atladığı gün, iki gün sonra başka bir adayı kabul ettiğinizi düşünün.

Bu yazıda n8n üzerinde gerçek bir özgeçmiş eleme ve aday iletişim akışı kuracaksınız: gelen başvuruyu AI düğümüyle ilana göre puanlıyor, eşiği geçenleri bir listeye taşıyor, geçemeyenlere otomatik, nazik bir e-posta gönderiyorsunuz.

---

Akışın Genel Mantığı

Hedef basit: Giriş → AI Puanlama → Karar → Çıkış (iki kol)

Webhook (başvuru geldi)
  └─► HTTP Request (özgeçmiş PDF'ini çek)
        └─► Extract from File (metin çıkar)
              └─► AI/LLM Node (puanla)
                    └─► IF (puan ≥ 70?)
                          ├─ Evet → Google Sheets'e ekle + Slack bildirimi
                          └─ Hayır  → Bildirim e-postası gönder (Gmail/SMTP)

---

Adım Adım: Akışı Kurun

1. Webhook Tetikleyici

n8n düğüm panelinden Webhook düğümünü ekleyin.

• HTTP Method: POST
• Path: apply/{{$parameter.position}} (örn. apply/senior-developer)
• Response Mode: "Last Node"

Aday başvuru formunuzu (Typeform, Tally, kendi formunuz) bu webhook URL'ye yönlendirin. Form verileri JSON olarak gelecek:

{
  "name": "Ayşe Kaya",
  "email": "[email protected]",
  "cv_url": "https://drive.google.com/file/d/xyz/view",
  "position": "senior-developer"
}

2. Özgeçmiş Metnini Çekme

Başvuruda dosya URL'si varsa HTTP Request düğümüyle indirin:

• Method: GET
• URL: {{ $json.cv_url }}
• Response Format: Binary Data

Ardından Extract from File düğümünü ekleyin, Operation: Extract text from PDF seçin. Bu, PDF'yi AI'nın okuyabileceği düz metne çevirir.

Bazı formlar zaten metin içerik (cover letter, LinkedIn özeti) gönderiyor. Öyle durumlarda bu adımı atlayabilirsiniz.

3. Pozisyon İlanını Sabit Tutun

Uygun bir yerde (n8n Set düğümü veya workflow değişkeni olarak) ilanı saklayın. Örneğin:

Aranan: 5+ yıl Python deneyimi, microservis mimarisi bilgisi,
takım liderliği deneyimi. Tercih: AWS sertifikası.

Bu metni her değerlendirmede AI'ya bağlam olarak vereceksiniz.

4. AI/LLM Düğümü ile Puanlama

n8n'de AI/LLM (veya OpenAI / Basic LLM Chain) düğümünü ekleyin.

System Prompt:

Sen bir İK uzmanısın. Sana bir iş ilanı ve bir özgeçmiş verilecek.
Özgeçmişi 0-100 arasında puanla. Puanlama kriterleri:
- Gerekli teknik beceriler: 50 puan
- Yıl bazında deneyim: 30 puan
- Tercih edilen nitelikler: 20 puan

Yanıtını YALNIZCA JSON olarak döndür:
{"score": <sayı>, "reason": "<kısa gerekçe>"}

User Message:

İlan:
{{ $node["Set"].json.job_description }}

Özgeçmiş:
{{ $node["Extract from File"].json.text }}

Düğümün çıktısını JSON parse yapın — {{ JSON.parse($json.text).score }} ile puana erişeceksiniz.

5. IF Düğümü: Eşik Kararı

IF düğümü ekleyin:

• Condition: {{ JSON.parse($json.text).score }} Number ≥ 70
• True kolu: ileriye gidecek adaylar
• False kolu: elenen adaylar

Eşik değeri (70) ilanın zorluğuna ve başvuru hacmine göre ayarlanabilir. Az başvuruda 60'a düşürebilir, yüzlerce başvuruda 75'e çıkarabilirsiniz.

6a. Uygun Adaylar — Google Sheets ve Slack

True koluna Google Sheets düğümü ekleyin:

• Operation: Append Row
• Spreadsheet: İşe Alım Takip Tablosu
• Columns: Ad, E-posta, Pozisyon, Puan, Gerekçe, Tarih

Ardından Slack (veya Teams) düğümüyle İK kanalına bildirim gönderin:

Yeni uygun aday: {{ $json.name }} — Puan: {{ $json.score }}/100
Pozisyon: {{ $json.position }}

6b. Elenen Adaylar — Kibarca Bildirim

False koluna Gmail ya da Send Email (SMTP) düğümü ekleyin:

• To: {{ $node["Webhook"].json.email }}
• Subject: {{ $json.position }} Başvurunuz Hakkında
• Body:

Merhaba {{ $node["Webhook"].json.name }},

[Şirket Adı] bünyesindeki {{ $json.position }} pozisyonuna
gösterdiğiniz ilgi için teşekkür ederiz. Başvurunuzu
değerlendirdik; bu aşamada maalesef devam edemiyoruz.

Gelecekte açılacak pozisyonlarda tekrar görüşmek dileğiyle,
[Şirket Adı] İK Ekibi

---

İpuçları ve Yaygın Hatalar

Hata ayıklama: AI düğümünün JSON dışı çıktı verdiği olabilir. Yanıta küçük bir Code düğümü (JavaScript) ekleyin:

const raw = $input.first().json.text;
const match = raw.match(/\{[\s\S]*\}/);
return [{ json: JSON.parse(match[0]) }];

Veri gizliliği: Özgeçmiş metinleri hassas kişisel veridir. Kendi instance'ınızda çalıştırdığınızda veri sizin workspace'inizde kalır ve üçüncü taraflara aktarılmaz. Aday bilgilerini nasıl saklayacağınızı ve ne kadar süre tutacağınızı kendi veri işleme politikanıza göre belirleyin.

Test koşusu: Akışı canlıya almadan önce n8n'in Test Workflow modunda 5-10 farklı özgeçmiş ile puanlama tutarlılığını kontrol edin. AI deterministik değildir; aynı özgeçmiş farklı koşularda ±5 puan oynayabilir.

Çok pozisyon: Birden fazla pozisyon varsa Webhook path'ini apply/{{position}} yapın, IF düğümünden önce Switch ekleyin; her pozisyonun ilanını farklı bir Set düğümünde tutun.

---

Bu Akışı AgentRoost'ta Kurun

n8n'i kendi sunucunuza kurmak için Docker, Nginx, SSL sertifikası, cron job ve bakım gerektirir. Çoğu İK ekibi bu DevOps yükünü taşımak istemez.

AgentRoost'ta kendi n8n instance'ınız hazır:

1. agentroost.app/tr/agents/n8n adresine gidin, kaydolun.
2. Yeni workspace oluşturun, n8n framework'ünü seçin.
3. Instance adını girin; ~2 dakika içinde https://<sizin-id>.agentroost.app adresinde n8n editörünüz açılır.
4. Yukarıdaki akışı kurun — AI/LLM düğümleri zaten kredili olarak gelir, API key girmenize gerek yoktur.

Her şey dahil: AI/LLM kredisi, subdomain, SSL, 7/24 çalışma. Aylık $19,99'dan başlıyor, 14 gün para iade garantisi, istediğinizde iptal.

Planları karşılaştır → Hangi tierin kaç kredisi olduğunu görün.

---

Akışı Geliştirme Fikirleri

• Aşama 2 — Teknik Soru: Eşiği geçen adaya otomatik e-postayla 3 kısa teknik soru gönder, cevaplarını webhookla topla, tekrar AI ile değerlendir.
• Takvim Entegrasyonu: Calendly veya Cal.com webhook'unu bağlayarak otomatik mülakat randevusu oluştur.
• ATS Entegrasyonu: Workable, Greenhouse veya Lever'ın API'sine HTTP Request düğümüyle yazmak birkaç ek düğümle mümkün.
• Çoklu Değerlendirici: Puanı hem teknik ekip liderine hem İK'ya gönderin; farklı değerlendirmeleri ortalayın.