AIエージェントで求人応募を自動化する
ブラウザエージェントを使用して、マルチステップの求人フォームへの入力、履歴書のアップロード、実際のサイトでのスクリーニング質問への対応を自動化しましょう。
2026年11月11日 · 約 1 分で読めます

企業のカスタムATS(採用管理システム)はAPIを公開していません。その代わりとなるのが自律型ブラウザエージェントです。エージェントはDOMを読み取り、ラジオボタンを選択し、プロフィール情報から入力を行い、PDF形式の履歴書を添付して、人間と同じようにフォームを送信します。
視覚認識(Vision)対応モデルとヘッドレスブラウザランナーを組み合わせましょう。browser-agent インターフェースを使用すれば、1つのプリペイドAPIキーでClaude、GPT、Geminiを組み合わせて利用可能です。Lovely Router (lovelyrouter.com) は、Webデータツール、ブラウザエージェント、動画モデル、そしてAIエージェント向けのClaude、GPT、Geminiをすべて同じプリペイドキーに集約しているため、フォーム実行、回答生成、企業調査を単一の残高とエンドポイントで管理できます。
採用サイトはスクレイパーではなく人間向けに構築されています。ホスト型の採用管理ポータルや社内ATSページは、カスタムコンポーネント、遅延読み込み、セッションクッキーの裏側にフィールドを隠しています。APIスタイルの求人ボードクライアントは、マークアップが変更された瞬間に失敗します。一方、ブラウザエージェントはベンダーのスキーマを必要としません。公開されている応募URLを開き、ページの読み込みを待ってから、候補者がクリックするのと同じコントロールを操作します。
1. フォーム操作用にブラウザエージェントを設定する#
エージェントには、開始URL、プロフィールデータ、履歴書へのパスが必要です。フォームフィールド、ドロップダウン選択、複数ページのページネーションについて明確な指示を与えてください。
エージェントはDOMをループ処理し、ラベルや aria 属性に基づいて入力箇所を特定し、詳細情報を入力します。ファイルアップロードの場合、ランナーは標準的な <input type="file"> をターゲットにし、ローカルのPDFパスを渡します。
プロフィールは構造化しておきましょう。氏名(法的な名前および通称)、メールアドレス、電話番号、所在地、就労許可の有無、勤務開始可能日、希望年収、ポートフォリオやLinkedInプロフィールのリンクなどを、エージェントがマッピング可能なプレーンフィールドとして保存します。スクリーニング回答の一貫性を保つため、職務経歴の要約とスキルリストも同じペイロード内に含めてください。エージェントに対して、決して勝手に補完してはならないフィールド(ビザのステータス、承認していない年収額、保有していない学位など)を指定してください。必須ドロップダウンで完全に一致する選択肢がない場合、最も近い妥当な選択肢を選び、その選択内容を実行ログに記録するよう指示します。
ページネーションと条件付きフィールドは、よく失敗するポイントです。フォームの中には、ラジオボタンが設定されて初めて次のセクションが表示されるものや、必須項目(アスタリスク)がすべて埋まるまで「次へ」ボタンが無効化されるものがあります。タスクプロンプトでこれらのルールを指示してください。例えば「まず表示されている必須フィールドを埋める」「アクティブなステップをスクロールして表示する」「ボタンが有効になったらクリックする」「検証メッセージが表示されたら停止する」といった手順です。ネイティブの <select> 要素ではないセレクトボックスの場合は、隠れた値を設定するのではなく、リストを開き、フィルタリングのためにタイピングし、一致するオプションをクリックするように指示します。
このPythonスニペットは、requestsを使用してセッションを開始します:
import requests
url = "https://api.lovelyrouter.com/v1/browser/run"
headers = {
"Authorization": "Bearer YOUR_PREPAID_KEY",
"Content-Type": "application/json"
}
payload = {
"target_url": "https://example.com/careers/apply/123",
"actions": [
{"type": "navigate", "url": "https://example.com/careers/apply/123"},
{"type": "fill", "selector": "input[name='full_name']", "value": "Jane Doe"},
{"type": "fill", "selector": "input[name='email']", "value": "jane@example.com"},
{"type": "upload", "selector": "input[type='file']", "file_path": "/path/to/cv.pdf"},
{"type": "click", "selector": "button#next-step"}
]
}
response = requests.post(url, json=payload, headers=headers)
print(response.json())このペイロードを決定論的なコアとして扱ってください。ナビゲーション、既知のセレクタ、ファイルアップロードはスクリプト化しておくことで、毎回確実に同じ履歴書が同じコントロールに渡されます。オープンエンドの質問については、後述するモデルステップに任せます。サイトがシャドウDOMやiframeを使用して応募ウィジェットを構築している場合は、そのフレームをタスク内で指定し、ランナーが親ページではなくその中を参照するようにします。実行後、最終的なURLと確認テキストを保存してください。後でスクリプトを開けば、応募が完了したことの証明として利用できます。
モデルの選択は品質とコストの両方に影響します。Claude Sonnet 5.5 (claude-sonnet-5.5) は、入力100万トークンあたり$2.00、出力100万トークンあたり$10.00で、キャッシュされた入力は100万トークンあたり$0.10です。ページが単純で回答が短い場合は、入力100万トークンあたり$0.10、出力100万トークンあたり$0.50のClaude Haiku 5.5 (claude-haiku-5.5) が適しています。GPT-6.1 Sol (gpt-6.1-sol) は$2.00 / $10.00の帯域に一致し、Gemini 3 Flash (gemini-3-flash) は入力100万トークンあたり$0.50、出力100万トークンあたり$3.00で、長いDOMダンプを安価に処理したい場合に最適です。モデルの全リストは models ページにあり、Anthropic、OpenAI、Google のファミリーごとのページも用意されています。
2. マルチステップの流れとカスタムスクリーニング質問への対応#
求人応募が1ページで完結することは稀です。ほとんどの採用サイトでは、連絡先情報、職務経歴、履歴書の解析結果確認、カスタムスクリーニング質問といったステップに分かれています。
エージェントが「分散システムでの経験について記述してください」といった質問に遭遇すると、LLMを呼び出し、アップロードされた履歴書テキストから簡潔で適切な回答を生成します。その後、テキストエリアに入力し、文字数制限を確認して次のページへ進みます。
ライター(LLM)に対しては、職務記述書、正確な質問内容、文字数や単語数の制限、そして履歴書のうち該当するセクションのみをプロンプトとして渡してください。履歴書に記載されているツールや成果を引用する一人称形式の回答を求め、架空の雇用主、日付、指標を含めないように禁止します。ボックスが500文字制限であれば、文中で途切れないよう、モデルに制限を守るよう指示してください。「はい/いいえ」で答える法的な質問については、モデルにアドリブを許さず、プロフィールから固定のブーリアン値を渡し、一致するラジオボタンをクリックさせます。
ATSの履歴書パーサーは、PDFを誤読して日付を誤って自動入力することがあります。確認ステップを追加しましょう。アップロード後、ページから解析されたフィールドを読み取り、プロフィールと比較します。不一致があれば続行前に修正してください。この追加の読み取り作業は、応募が不採用になるリスクに比べれば低コストであり、他の実行ステップと同じページ読み取りパスを使用するため効率的です。
ログインに2FA(二要素認証)やCAPTCHAが必要な場合、エージェントは一時停止し、スクリーンショットを撮影してコントロールセンターに課題を表示します。人間がそのステップを完了させ、コントロールをランナーに戻します。CAPTCHAの突破や他人のセッションの再利用をエージェントに求めないでください。アカウントの作成、人間による認証チェックなどは自分で行い、その後で再開させるのがベストです。この一時停止パターンは「あなたはロボットですか?」というゲートや、ワンタイムコードがメールで送信されるサイトでも有効です。
一部の雇用主は任意で属性調査(デモグラフィック質問)を追加します。プロフィールに明示的な希望が保存されていない限り、これらは空白のままにします。ほとんどのサイトにおいて機会均等に関するフォームは任意であり、エージェントが回答を捏造すべきではありません。作品サンプルについては、タスクで名前を指定したファイルのみをアップロードしてください。テキストフィールドにポートフォリオのリンクを貼る方が、間違ったPDFを添付するよりも安全です。
フォームを開く前に役割について調査することも可能です。Lovely RouterでのWeb検索は1回あたり$0.00090、ページの読み取りは1ページあたり$0.00090です。職務記述書、採用FAQ、エンジニアリングブログの公開情報を取得することで、外部ベンダーのキーを使わずに、スクリーニングの回答作成に必要なコンテキストを強化できます。これらのツールは tools ページにリストされており、このパターンは web automation だけでなく、求人を収集する際の recruiting data にも適用できます。
3. 実行時間とトークンコストの計算#
完全な応募の実行には、DOM解析、要素を特定するための視覚処理、スクリーニング質問に対するテキスト生成が含まれます。
1回の実行コストを算出するには、ページDOMの読み取りに使用された入力トークン、アクションプランと回答作成の出力トークン、そして企業詳細の検証に使用されたWeb検索料金を合算します。
| 項目 | 使用量 | 単価 | コスト |
|---|---|---|---|
| エージェント入力トークン | 120,000 トークン | 100万あたり$2.00 | $0.24 |
| エージェント出力トークン | 15,000 トークン | 100万あたり$10.00 | $0.15 |
| ページフェッチ操作 | 8 ページ | 1ページあたり$0.00090 | $0.0072 |
| 合計 | $0.3972 |
標準的な実行は3ページにわたり約45秒かかり、モデル料金とツール料金を合わせて40セント以下です。ランナースクリプトを並列実行すれば、数十のターゲットロールをカバーできます。
この表は、入力100万トークンあたり$2.00、出力100万トークンあたり$10.00のミッドティアモデル(Claude Sonnet 5.5、Claude Sonnet 5、GPT-6.1 Sol、GPT-6 Solなど)を想定しています。12万入力トークンは0.12百万トークンなので、0.12 × $2.00 = $0.24。1.5万出力トークンは0.015百万トークンなので、0.015 × $10.00 = $0.15。8ページの読み取り料金は0.0072ドルです。これらを合計すると、例として$0.3972になります。
プロバイダーがサポートしている場合は、繰り返し使用するプロフィールテキストをキャッシュしてください。Claude Sonnet 5.5のキャッシュ入力は100万トークンあたり$0.10で、キャッシュなしの入力価格の20分の1です。すべての応募で同じ履歴書と指示を送信する場合、キャッシュ読み取りによって、回答内容はそのままに入力コストを削減できます。難易度の高いフォームで強力なプランナーが必要な場合はClaude Opus 5.5(入力$4.00、出力$20.00)を、短いフィールド入力だけでよい場合はClaude Haiku 5.5(数セント程度)を使用してください。1週間分のロールをまとめて処理する前に calculator でモデルを比較検討し、繰り返し使うプレフィックスを設計する前に Claude prompt caching をお読みください。
ツール呼び出しは、応募内容が変更される場合のみ追加してください。Web検索1回($0.00090)とページ読み取り1回($0.00090)は合計にほとんど影響しません。確認ページのスクリーンショットは$0.0027です。表のレートで10件の応募を行うと、10 × $0.3972 = $3.972となり、調査費用を除いたモデルおよびフェッチ費用となります。これはプランニングの目安となる単価であり、すべてのサイトの見積もりではありません。ステップが多くスクリーニングテキストが長い企業の採用サイトフローでは出力トークンが増加し、1ページのフォームでは少なくなります。
並列処理を行う際はレート制限に注意してください。1つの企業ドメインに対して同時に数十のセッションを開かないよう、実行タイミングをずらしましょう。Claude API 429 errors のガイドには、モデル側からリクエスト過多が返された場合のバックオフ(再試行待機)について記載されています。1つのプリペイドキーを維持し、応募IDごとにトークン使用量を記録し、確認テキストが見つからない場合はバッチを停止するようにします。単一のHTTPコールでは収まらない長期間のワーカーにツールやモデルを接続する方法は agents ドキュメントに記述されています。
次のステップ#
採用ワークフローでブラウザ自動化を活用するか、自作のマルチページWebフォームを自律型エージェントでテストしてみてください。1回の支払いでアカウントにチャージし、pricing ページのエンドポイントからすべてのモデルとツールにアクセスできます。まずは応募予定のロールを1つ選び、アップロードされた履歴書とスクリーニングテキストを手動で確認してから、リストを広げてください。既存のスクリプトやエディタ内で同じランナーを使用したい場合は、docs および integrations ページに統合メモがあります。
続けて読む
すべての記事 →
ブラウザエージェントで2FAログインを安全に自動化する方法
AIブラウザエージェントをシークレット管理やローカルTOTPツールと連携させ、LLMプロンプトに認証情報を渡さずに安全に2FAログインを自動化する方法を解説します。

毎朝特定ニッチのTikTokトレンドを追跡する
TikTokの検索およびハッシュタグデータを毎日取得し、文字起こしやコメントを抽出して、1週間の追跡コストを試算します。

Claude CodeにWeb検索とブラウザを1コマンドで導入する
ターミナルから1コマンドでリモートMCPサーバーを追加。プリペイドAPIキー1つで、リアルタイムWeb検索、ページクローリング、ブラウザスクリーンショットをClaude Codeに統合できます。