Pre-screening dei CV con agente AI in due ore con n8n e Claude

Ma è vero che i curriculum vitae ormai li guardano solo le macchine? Non proprio, ma è sicuramente corretto affermare che chi lavora in HR può vivere meglio con l’aiuto dell’intelligenza artificiale. In particolare, un agente AI può aiutare il team HR a fare il primo screening dei CV in modo più ordinato, più veloce e più tracciabile.

Attenzione però: l’obiettivo non è far decidere a Claude chi assumere, né scartare automaticamente candidati, ma costruire un workflow che legge i documenti, estrae informazioni comparabili e prepara una scheda di valutazione da far controllare a una persona. Siamo nell’area del supporto decisionale e operativo: l’AI esegue un compito meccanico e ripetitivo, lasciando alle persone il tempo e le risorse per prendere una decisione consapevole e (si spera) corretta.

Nello sviluppo di questo workflow bisogna quindi sempre tenere a mente che la decisione deve essere umana; è importantissimo non solo per una questione etica (che dovrebbe bastare da sola), ma anche perché la selezione del personale rientra tra gli ambiti ad alto rischio dell’AI Act, e il GDPR protegge chi subisce decisioni automatizzate con effetti rilevanti, come ricorda l’articolo 22. Tom’s Hardware ha già seguito il rinvio delle regole sui sistemi ad alto rischio, ma il recruiting resta un caso da trattare con prudenza. Usare l’AI per ordinare meglio il lavoro è una cosa; usarla per eliminare candidati senza intervento umano è un’altra categoria di rischio.

Gestire i curriculum con n8n e Claude

Il workflow che segue usa n8n come orchestratore, una casella email dedicata, un archivio documentale e Claude come modello di lettura. In alternativa puoi usare Mistral, più coerente con una strategia europea, oppure un ATS già presente in azienda. Il risultato finale è una tabella di pre-screening spiegabile, non un verdetto. La stessa logica di identità, limiti e controllo vale per gli agenti AI in azienda.

Prima si mette il recinto, poi si accende l’automazione

Il setup minimo richiede sei componenti

1. una casella email dedicata alle candidature;
2. n8n self-hosted o cloud;
3. un archivio per i CV;
4. un foglio di lavoro o database;
5. un modello AI;
6. una persona responsabile della decisione.

n8n raccomanda Docker per molte installazioni self-hosted e documenta anche la variabile GENERIC_TIMEZONE, utile per evitare errori negli automatismi schedulati.

Per una prova controllata puoi partire con sei passaggi minimi:

1. crea una casella dedicata, per esempio candidature@azienda.it;
2. prepara una cartella separata per i CV ricevuti;
3. crea un foglio con colonne fisse: nome, email, ruolo, esperienza, competenze, punti forti, dubbi, score, motivazione, stato;
4. scrivi una job description in un documento separato;
5. definisci una soglia di revisione (non una soglia di esclusione);
6. assegna a una persona il controllo finale.

La soglia di revisione serve per evitare scorciatoie pericolose, che potrebbero portarci a sanzioni o, peggio, a scartare un candidato valido. Con questo sistema un candidato con score basso finisce in una coda “da rivedere”; un candidato con score alto finisce in una coda “prioritaria”. Ma alla fine sarà sempre una persona a occuparsi di rivedere le candidature, partendo da quelle più importanti e poi via via fino alle ultime.

Il workflow n8n in otto nodi

Il flusso base è semplice. n8n riceve una candidatura, salva l’allegato, estrae il testo dal PDF o dal DOCX, manda testo e job description al modello, riceve un JSON strutturato, registra il risultato e avvisa il recruiter. La documentazione ufficiale di n8n include il nodo Extract From File per estrarre testo da PDF e altri file, oltre ai nodi per Mistral AI e alle integrazioni AI disponibili nella piattaforma. Il valore sta nella catena controllata dei passaggi, non nel singolo modello.

La sequenza consigliata è questa pipeline:

1. Email Trigger: intercetta ogni nuova candidatura nella casella dedicata;
2. IF Node: accetta solo allegati PDF, DOCX o TXT;
3. Move Binary Data / Extract From File: estrae il testo del CV;
4. Set Node: aggiunge job description, ruolo e criteri di valutazione;
5. AI Node: invia il pacchetto a Claude o Mistral;
6. Code Node: valida il JSON e blocca output incompleti;
7. Google Sheets, Airtable, Baserow o database interno: registra la scheda;
8. Email o Slack: avvisa il recruiter con link al CV e motivazione sintetica.

Il nodo di validazione è più importante del modello. Se l’AI produce testo libero invece del JSON richiesto, il workflow deve fermarsi. Un errore non gestito in recruiting può diventare un problema di discriminazione, trasparenza e prova.

Prompt riusabile per il pre-screening

Il prompt deve impedire tre cose: giudizi su età, genere, nazionalità o altri dati sensibili; deduzioni non motivate; decisioni automatiche. Deve anche chiedere al modello di distinguere tra informazioni trovate nel CV e inferenze. Qui la priorità è ridurre l’arbitrarietà del modello.

Sei un assistente HR che prepara una scheda di pre-screening.
Non devi decidere se assumere o scartare il candidato.
Non devi usare età, genere, nazionalità, foto, stato familiare, indirizzo o altri dati non pertinenti.
Valuta solo la coerenza tra CV e job description.

Restituisci solo JSON valido con questa struttura:

  "nome_candidato": "",
  "ruolo_valutato": "",
  "competenze_rilevanti": [],
  "esperienze_rilevanti": [],
  "gap_da_verificare": [],
  "domande_colloquio": [],
  "score_0_100": 0,
  "motivazione_score": "",
  "rischi_di_valutazione": [],
  "richiede_revisione_umano": true


Regole:
- se mancano informazioni, scrivi "non presente nel CV";
- non inventare titoli, certificazioni o anni di esperienza;
- se il CV contiene dati sensibili, ignorali;
- se lo score è sotto 60, spiega quali requisiti mancano ma non proporre l'esclusione;
- imposta sempre "richiede_revisione_umano" su true.

JOB DESCRIPTION:
job_description

CV:
cv_text

Lo score serve solo per ordinare la coda. Se diventa un filtro automatico, il progetto cambia natura e si avvicina a una decisione automatizzata; a quel punto servono valutazione d’impatto privacy, informativa più solida, audit del sistema e un controllo legale molto più stretto.

Scegli uno stack prudente

La versione più semplice usa Claude via API. Anthropic dichiara nella documentazione su API e data retention modalità di conservazione e opzioni commerciali, e l’apertura di Anthropic a Milano raccontata su AI Operator rende il vendor più vicino al mercato enterprise locale. Resta il problema della localizzazione giuridica: i CV sono dati personali pieni di eccedenze.

La variante europea usa Mistral via API o tramite nodo n8n. Mistral dichiara nella propria privacy policy che input e output non vengono usati per addestrare i modelli quando si usano Le Chat Enterprise o le API a pagamento, il che può essere fondamentale nella gestione di DPA, data retention, sub-responsabili, logging, cancellazione e sede del trattamento.

Se l’azienda ha già un ATS (Applicant Tracking System), conviene integrarsi con quello. In Italia ci sono soluzioni più vicine ai processi locali: il connettore Inrecruiting su Kombo documenta la sincronizzazione dei dati ATS tramite API unificata; Altamira Recruiting evidenzia un ecosistema integrato via API; Inda, soluzione AI di Zucchetti per il recruiting, pubblica documentazione tecnica per integrazioni API. Lo stack n8n può quindi diventare un ponte verso l’ATS, senza creare un secondo archivio HR parallelo.

Gli strumenti extra UE restano utili come confronto. Greenhouse, Lever, Ashby, Workday e SmartRecruiters offrono funzionalità mature per aziende internazionali, ma vanno valutati su data residency, termini contrattuali e integrazione con payroll, consulente del lavoro e processi HR già presenti. La soluzione più brillante sul piano tecnico può diventare un costo nascosto di integrazione.

Metti per iscritto cosa l’AI non può fare

Il Garante privacy ha già mostrato quanto siano delicati gli algoritmi nel lavoro. Nel caso Foodinho, l’Autorità ha contestato violazioni legate a trasparenza, discriminazione algoritmica e meccanismi reputazionali. Non era recruiting tradizionale ma il messaggio resta valido: quando un algoritmo incide sulle opportunità di lavoro, la spiegabilità diventa parte del processo, non un dettaglio tecnico.

Prima di usare il workflow, scrivi una policy interna di una pagina:

1. l’AI non scarta candidati;
2. l’AI non decide chi va a colloquio;
3. l’AI non usa dati sensibili o non pertinenti;
4. ogni scheda viene controllata da una persona;
5. ogni candidato può chiedere informazioni sul trattamento dei dati;
6. i CV vengono cancellati secondo una retention definita;
7. ogni modifica al prompt viene versionata.

La policy deve finire nella cartella del processo, insieme alla job description, al prompt, alla versione del workflow e all’elenco delle persone autorizzate. Se un candidato contesta una valutazione, non basta dire “lo ha fatto l’AI”. Bisogna mostrare quale processo ha prodotto quella scheda e chi l’ha approvata.

La prova in due ore

Una prova ragionevole usa dieci CV fittizi o già anonimizzati. Non usare candidature reali nella prima ora. Prepara una job description chiara, cinque requisiti obbligatori e cinque requisiti preferenziali. Poi lancia il workflow e confronta il risultato con la valutazione di un recruiter.

La tabella finale deve contenere almeno queste colonne:

Il test passa solo se il recruiter riconosce la logica della scheda e corregge pochi errori. Se l’AI inventa competenze, sovrastima esperienza, penalizza CV sintetici o produce giudizi vaghi, il workflow non è pronto. Va sistemato il prompt, oppure va ridotto il compito.

La shortlist vale solo se resta contestabile

Il beneficio immediato sta nel tempo risparmiato sulle letture ripetitive. Invece di aprire venti CV uno dopo l’altro, il recruiter trova una scheda comparabile, una lista di dubbi e tre domande da fare in colloquio. È un miglioramento concreto, soprattutto quando arrivano molte candidature simili.

Attenzione però a non trasformare il punteggio in una sentenza. Sarà forte, fortissima la tentazione di usare quella classifica come un modo per leggere meno CV, di fatto escludendo quelli con punteggio più basso. Ma è proprio lì che stanno due grandi rischi:

1. in caso di contestazione potremmo trovarci dalla parte del torto. Pur avendo tutta la documentazione in ordine, bisogna dimostrare che una persona ha effettivamente preso una decisione consapevole. Se ha solo confermato il filtro dell’AI, allora è stata l’AI a decidere;
2. il punteggio può abbassarsi a causa di una job description fatta male o di un curriculum non formattato correttamente. Potrebbe essere il candidato perfetto e ve lo perdereste.

La versione matura del workflow deve avere tre controlli: log completo, campione di audit periodico e confronto tra score AI e decisione umana. Se dopo un mese l’AI penalizza sistematicamente profili atipici, percorsi non lineari o CV scritti in modo meno “aziendale”, il problema è il sistema.

Usa l’agente per leggere più velocemente e lascia la decisione al recruiter: nel recruiting la responsabilità resta umana anche quando il lavoro sporco lo fa il software.