以前、転職活動をNotionでデータベース化した話を書いた。
求人ごとに評価軸を揃えて、判断のブレをなくして、落選も「仮説の検証」として扱う。その仕組みは今も動いている。ただ、一つ問題があった。
入力が、手作業だった。
URLを開いて、会社名を転記して、年収を確認して、リモートの有無を調べて、自分なりの評価を書いて保存する。毎回それをやっていた。構造化はできているのに、そこに至るまでのプロセスが属人的なままだった。
これは以前の自分が仕事でよくやっていたことと同じ構造だ。「判断の基準は作った。でも入力は人手」——それでは再現性があるとは言えない。
だから自動化した。
求人ページのURLをWebhookに投げると、HTMLを取得・テキスト変換し、LLMが求人情報を解析して構造化JSONを返す。会社名・年収・勤務地・リモート可否はもちろん、魅力度・成長性・安定性のスコアと評価根拠のテキストまで含めてNotionに自動登録される。
使ったのはMake、Groq API、Notion API。コードは一行も書いていない。
作りながら気づいたのは、「自動化する」と「仕組みを理解する」は別だということだ。
各モジュールが何をしているか、なぜそこで処理を切るのか、LLMにどう指示すれば意図通りの出力が返るか。そこを理解せずに動かしても、エラーが出たときに何もできない。実際、途中で参照先のモジュールIDがズレてエラーになった。原因を特定して直せたのは、構造を把握していたからだ。
ノーコードでも、ブラックボックスにはしたくない。
転職活動をしながら、ITの構造に触れ直している。前の記事で「遠回りしたものが別の形でつながる感覚がある」と書いた。その感覚は、まだ続いている。
