Automatisk CV-screening med AI
Du modtager 50+ ansoegninger per stilling og bruger timer på at gennemlaese CV'er.
En anden udfordring er dokumentation og sporbarhed. Når processerne sker manuelt og spredt over forskellige systemer, bliver det hurtigt svært at se, hvad der skete hvornår og hvorfor. Det skaber problemer ved revision, fejlfinding og onboarding af nye medarbejdere, der skal forstå hvordan tingene hænger sammen.
Resultatet er en organisation der bruger 4 timer om ugen på arbejde, der burde gøres automatisk. Ganges det op over et år, taler vi om 200+ timer — svarende til mere end en måneds fuldtidsarbejde — brugt på at flytte data fra ét sted til et andet.
Vi bygger et flow der modtager ansoegninger, sender CV'et til AI med din jobprofil som kontekst, og returnerer en vurdering med score i et Google Sheet.
Vi dokumenterer hele opsætningen, så du forstår hvad flowet gør og hvorfor. Du modtager et overblik over alle trin, hvilke data der behandles, og hvad der sker ved fejl. Du er aldrig afhængig af en sort boks du ikke forstår.
Sådan kører automatiseringen fra trigger til resultat
Ingen polling, ingen manuel handling — Gmail er konfigureret til at notificere Make.com i realtid, så der aldrig opstår forsinkelse mellem hændelsen og den automatiske behandling.
Data valideres og renses
Dataene normaliseres: datoformater, valutaer, tegnkodning og feltlængder tilpasses præcis det format som Make.com forventer. Det eliminerer de klassiske kompatibilitetsproblemer der opstår, når to systemer taler lidt forskelligt sprog.
Behandling og transformation
Make.com udfører de nødvendige transformationer og beregninger baseret på de regler I har aftalt under opsætningen. Forretningslogikken er konfigureret én gang og køres konsekvent hver eneste gang.
Resultatet i OpenAI er fuldstændigt og korrekt fra første forsøg: ingen manglende felter, ingen forkerte kategorier, ingen efterbehandling nødvendig.
Bekræftelse og log
Flowet holder dig orienteret uden at overdynge dig med notifikationer. Du kan konfigurere nøjagtigt hvilke hændelser der skal generere en besked til dig, og hvilke der blot logges.
Konkrete fordele ved at automatisere denne proces
- Hurtigere processer: hvad der tog timer sker nu på sekunder, hvilket forbedrer HR-ansvarlige og virksomhedslederes oplevelse
- Reduceret langsom onboarding, manglende opfølgning og medarbejdertilfredshed der lider — proaktiv håndtering frem for reaktiv brandslukning
- Eliminer oversete opgaver og forsinkede processer — flowet behandler data konsekvent og fejlfrit hver gang
- Real-time synkronisering: data i Gmail afspejles øjeblikkeligt uden manuel opdatering
- Spar 6–8 timer om ugen der tidligere gik til timer på administration
- Skalér uden at ansætte: flowet håndterer 93% mere volumen uden ekstra arbejdstid
- Gmail
- Make.com
- OpenAI
- Google Sheets
Ofte stillede spørgsmål
Hvad sker der, hvis Gmail eller Make.com er midlertidigt utilgængeligt?
Make.com har indbygget retry-logik: hvis Gmail eller Make.com er utilgængeligt, forsøger flowet igen automatisk med eksponentiel backoff. Data går aldrig tabt — de sættes i kø og behandles, så snart forbindelsen er reetableret. Du modtager en notifikation, hvis der opstår et problem der kræver din opmærksomhed.
Kan vi tilpasse flowet, efterhånden som vores forretning udvikler sig?
Absolut. Make.com-flows er designet til at være fleksible. Efterhånden som jeres processer ændrer sig, kan reglerne justeres, nye trin tilføjes og integrationer udvides. Vi anbefaler en kort gennemgang hvert halvår for at sikre, at flowet stadig afspejler virkeligheden i jeres forretning.
Kan flowet håndtere undtagelser og specielle tilfælde?
Ja. Under opsætningen gennemgår vi de mest almindelige undtagelser i netop din proces og bygger håndtering af dem ind i flowet. Atypiske hændelser der falder uden for de definerede regler, flagges og sendes til manuel behandling i stedet for at blive ignoreret eller behandlet forkert.
SkalérBar A/S: Fra manuel rutine til automatisk flow
SkalérBar er en vækstvirksomhed der producerer store mængder indhold hver uge. At transkribere møder, skrive referater og starte på blogindlæg fra bunden kostede content-ansvarlig 4–5 timer om ugen — tid der ellers kunne bruges på opgaver der rent faktisk kræver menneskelig vurdering. Problemet var ikke mangel på vilje, men at processen simpelthen ikke var bygget til at køre automatisk.
Efter implementering af automatiseringen ændrede hverdagen sig mærkbart: første udkast er klar inden for få minutter, og det endelige indhold kræver kun lette redigeringer. Det der tidligere krævede opmærksomhed mæltider og aftner er nu et flow der kører i baggrunden — fejlfrit, konsekvent og uden at nogen skal huske at gøre det.
Hvor lang tid tager det at sætte automatiseringen op?
De fleste flows er klar til brug inden for 1–3 arbejdsdage. Vi starter med en kort afklaringssnak om jeres specifikke opsætning og integrationer, derefter bygger og tester vi flowet i et testmiljø før det går live. Komplekse flows med mange forgreninger eller tilpasninger kan tage op til en uge.
Hvad koster det løbende at køre flowet?
Make.com opkræver baseret på antal operationer. For et typisk flow med 500–2.000 kørsler om måneden ligger omtrent 9–29 USD/måned. Hertil kan komme API-omkostninger fra tredjeparts-tjenester — fx OpenAI-kald ved AI-automatiseringer — men disse er typisk forsvindende små sammenlignet med den sparede arbejdstid.
Hvad sker der, hvis et trin i flowet fejler?
Make.com har indbygget retry-logik og fejlhåndtering. Hvis et trin fejler — for eksempel fordi en API er midlertidigt utilgængelig — forsøger flowet automatisk igen. Hvis fejlen vedvarer, sendes en notifikation til dig med detaljer om, hvad der gik galt. Ingen data går tabt; de sættes i kø og behandles når forbindelsen er genetableret.
Inkluder altid et "confidence check" i dine AI-flows: bed modellen rate sin egen sikkerhed (1–10) og sænd resultater med en score under 7 til manuel review. Det forebygger, at usikre AI-svar når frem til kunder eller kollegaer uden at nogen har set dem.
Sådan får du mest ud af AI-automatisering
AI-baserede flows adskiller sig fra klassiske automatiseringer på én væsentlig måde: outputkvaliteten afhænger direkte af inputkvaliteten. Gode resultater starter med gode prompter. Inden vi bygger flowet, bruger vi tid på at finde de formulerin ger der fungerer bedst til netop dit brug s tilfælde — det er ikke noget vi gør på må og få; vi tester systematisk.
Vær også forberedt på at skulle gennemgå og godkende de første 20–30 outputs manuelt, inden du stoler fuldt på flowet. AI er ikke perfekt, og særligt i starten er det værdifuldt at have et menneske til at fænge de 5% der ikke rammer målet. Efterhånden som du ser mønstrene i fejl, kan vi justere prompten for at undgå dem.
Hav en klar plan for, hvad der sker når AI'en er usikker. Vi bygger altid et "confidence check" ind i flows, så AI-output med lav s ikkerhedsscoring sendes til human review frem for direkte til kunden eller dit system. Det er den lille detalje der adskiller et professionelt flow fra et der skaber problemer.
Har du en lignende opgave?
Beskriv hvad der tager tid i din hverdag, så vurderer vi uforpligtende om vi kan automatisere det for dig.
Send din opgave