Cara memproduksi job desc dan pesan scout agensi rekrutmen dengan Claude Code

Jumat sore, konsultan karier yang duduk di sebelah saya memegang kepalanya.

Lowongan yang dia tangani bertambah 12 buah minggu ini. Untuk tiap lowongan, dia harus merapikan job desc, menyaring 10 kandidat, lalu menulis pesan scout satu per satu. Karena kewalahan, dia menyalin isi pesan scout yang dia kirim sebelumnya, hanya mengganti nama perusahaan dan posisi, lalu mengirimnya. Keesokan harinya, balasan dari kandidat masuk: “Nama perusahaan tempat saya bekerja dulu kok beda dengan yang Anda tulis?”

Lupa diganti. Kalau Anda bekerja di agensi rekrutmen, saya rasa ini kesalahan yang pernah dialami semua orang setidaknya sekali. Pesan scout butuh kuantitas, tapi satu pesan yang asal-asalan bisa menghancurkan kepercayaan dalam sekejap. Dilema antara kuantitas dan kualitas ini saya coba pecahkan sampai titik yang realistis dengan Claude Code. Hari ini saya rangkum langkahnya dalam bentuk yang bisa langsung Anda salin-tempel.

Poin penting

Pembuatan job desc dan pesan scout di agensi rekrutmen jadi lebih cepat kalau Anda menyerahkan “produksi draf massal” ke Claude Code dan manusia hanya memegang keputusan akhir.
Bukan dilempar mentah-mentah: kuncinya adalah menyerahkan info lowongan dan ringkasan kandidat dalam bentuk terstruktur, lalu membuat aturan untuk nada bicara dan ungkapan yang dilarang.
Untuk data pribadi: sembunyikan nama dan kontak, serahkan hanya posisi, pengalaman, dan keahlian. Syarat dasarnya adalah pengaturan yang melarang data mentah dipakai untuk pelatihan model.
Di tangan saya, draf 10 pesan scout menyusut dari sekitar 90 menit menjadi 20 menit lebih sedikit. Insiden lupa mengganti nama dihentikan oleh skrip verifikasi.
Saya sertakan template prompt yang bisa langsung disalin dan skrip Node.js yang memeriksa nama perusahaan nyasar secara otomatis.

Di mana waktu habis terbuang di lapangan agensi rekrutmen

Pembaca yang saya bayangkan adalah konsultan karier model dua sisi (menangani perusahaan sekaligus kandidat) atau yang khusus menangani kandidat. Satu orang memegang 20-40 lowongan dan mengirim puluhan pesan scout per minggu. Ada pula rapat dengan perusahaan pemberi kerja. Waktu untuk benar-benar duduk dan menulis kalimat sebenarnya sangat sedikit.

Kalau alur kerja agensi rekrutmen disusun dari sudut pandang pembuatan teks, jadinya begini.

Wawancara dengan perusahaan pemberi kerja dan menerima syarat lowongan
Merapikan syarat itu menjadi job desc untuk dipasang di portal atau database internal
Mencari kandidat dari database dan menyaring berdasarkan tingkat kecocokan
Menulis pesan scout (atau surat rekomendasi) untuk tiap kandidat
Menunggu balasan, lalu lanjut ke pengaturan jadwal wawancara

Dari semua itu, langkah 2 dan 4 adalah pekerjaan menulis manual. Job desc untuk posisi yang sama pun sedikit berbeda di tiap perusahaan, dan pesan scout harus menyelipkan satu kalimat “kenapa Anda” untuk tiap kandidat, kalau tidak email-nya bahkan tidak akan dibuka. Kalau semua ini dikerjakan tangan, sekitar 2-3 jam per orang per hari habis.

Pekerjaan ulang dan keluhan yang sering muncul

Saya buat tabel pekerjaan ulang yang berulang kali terjadi, berdasarkan yang saya dengar di lapangan.

Keluhan	Penyebab	Akibat
Lupa mengganti nama perusahaan/posisi di pesan scout	Pola salin-tempel	Kehilangan kepercayaan, nol balasan
Ungkapan job desc melanggar aturan portal	Pembatasan usia/jenis kelamin	Pemasangan ditolak
Kalimat khusus per kandidat jadi template	Tak ada waktu, dipakai ulang	Open rate turun
Ungkapan kuno atau bertele-tele	Daur ulang teks lama	Tak dibaca, ditinggalkan

Semuanya terjadi di antara “tenaga menulis dari nol” dan “godaan menyalin asal-asalan”. Claude Code bekerja sebagai alat yang mengisi titik tengah ini: “fondasi dibuat otomatis, satu kalimat terakhir dan pengecekan fakta dilakukan manusia”.

Bagian yang diserahkan ke AI vs bagian yang harus diputuskan manusia

Kalau garis ini tidak ditarik di awal, akan terjadi kecelakaan. Aturan operasi saya begini.

Proses	Diserahkan ke Claude Code	Wajib diputuskan manusia
Merapikan job desc	Draf struktur dan pilihan kata	Fakta gaji, lokasi, syarat wajib
Cek aturan portal	Menunjuk ungkapan berisiko	Keputusan akhir boleh-tidaknya dipasang
Draf pesan scout	Kerangka teks dan usulan satu kalimat	Janji ke kandidat, ada-tidaknya berlebihan
Ringkasan kandidat	Merapikan poin riwayat	Penanganan data pribadi

Prinsipnya satu. Fakta dan janji dipegang manusia. AI memang jago menulis “cepat dan terlihat meyakinkan”, tapi dia tidak tahu apakah lowongan itu benar-benar membayar Rp700 juta setahun, atau apakah kandidat itu benar-benar punya keahlian tersebut. Yang boleh diserahkan ke AI adalah ungkapannya, bukan faktanya. Kalau dua hal ini tercampur, scout yang berlebihan akan berujung keluhan.

Kalau ini pertama kalinya Anda menyentuh AI atau Claude Code, baca dulu pengantar Claude Code untuk non-engineer, supaya Anda dapat gambaran apa yang bisa dan tidak bisa diserahkan.

Use case 1: Membuat draf job desc dari memo syarat lowongan

Memo hasil wawancara dari perusahaan pemberi kerja biasanya berupa potongan poin-poin. Merapikannya menjadi job desc yang enak dibaca adalah titik otomasi pertama.

Sebelum diserahkan, strukturkan dulu informasi yang dikirim. Kalau memo berantakan dilempar apa adanya, AI akan mengisi sendiri informasi yang kurang dan menulis tunjangan yang sebenarnya tidak ada. Triknya, pisahkan ke item berikut.

Nama posisi/jabatan
Syarat wajib dan syarat yang disukai (fakta saja)
Rentang gaji, lokasi kerja, status kepegawaian
Latar belakang lowongan (penambahan, pengganti yang resign, dll.)
Ungkapan yang tidak boleh dipasang (pembatasan usia/jenis kelamin, dll.)

Saat ini, kalau Anda membuat AI mengingat template job desc dan ungkapan terlarang sebagai aturan proyek, Anda tak perlu menginstruksikannya tiap kali. Caranya bisa dilihat di cara menulis CLAUDE.md.

Use case 2: Memproduksi pesan scout massal dari ringkasan kandidat

Di sinilah inti utamanya. Menyelipkan satu kalimat yang membuat orang ingin membuka email, untuk tiap kandidat. Kalau manual, ini proses yang paling melelahkan, tapi begitu distrukturkan, ini area yang dikuasai AI.

Saya buat checklist elemen yang wajib ada di pesan scout. Begitu draf jadi, manusia memeriksanya pakai ini.

Di awal, apakah “kenapa saya mengirim ke Anda” sudah konkret?
Apakah nama perusahaan dan posisi sudah benar (tidak ada yang lupa diganti)?
Apakah ada janji berlebihan atau yang bertentangan dengan fakta?
Apakah ada prasangka tidak sopan terhadap riwayat kandidat?
Apakah aksi penutup (ajakan wawancara, dll.) menyatu jadi satu saja?

Menulis 10 orang satu per satu dengan tangan butuh satu setengah jam. Kalau ringkasan distrukturkan, draf dikeluarkan sekaligus, lalu manusia memperbaikinya dengan checklist di atas, di tangan saya hanya butuh 20 menit lebih sedikit.

Use case 3: Self-check aturan portal dan ungkapan

Di job desc dan pesan scout ada ungkapan yang harus dihindari menurut aturan ketenagakerjaan dan aturan portal. Pembatasan usia/jenis kelamin seperti “khusus yang muda” atau “didominasi pria” adalah contoh klasiknya. Ini saya buat Claude Code mengeceknya secara awal.

Tapi keputusan akhir tetap di manusia. Tunjukan AI adalah “alarm pencegah kelolosan”, bukan jaminan boleh-tidaknya secara hukum. Tempatkan murni sebagai pendukung mata manusia.

Template prompt pesan scout yang bisa langsung disalin

Ini prompt yang bisa langsung Anda tempel. Masukkan info kandidat dalam keadaan nama dan kontak sudah dicabut.

Anda adalah asisten penulisan untuk konsultan karier di agensi rekrutmen.
Buatlah draf pesan scout dengan ketentuan berikut.

# Info lowongan
- Nama perusahaan: (tulis nama resmi apa adanya)
- Posisi:
- Syarat wajib:
- Poin daya tarik: (fakta saja. Dilarang berlebihan)

# Ringkasan kandidat (jangan sertakan nama dan kontak)
- Posisi dan industri saat ini:
- Pengalaman dan keahlian utama:
- Kecenderungan yang diperkirakan:

# Aturan output
- 200-300 karakter. Di awal tulis secara konkret "kenapa pesan ini dikirim ke orang ini".
- Jangan tulis prestasi atau gaji yang tidak berdasar fakta. Jangan melebih-lebihkan janji.
- Jangan pakai ungkapan yang membatasi usia atau jenis kelamin.
- Aksi penutup difokuskan jadi satu saja: "ajakan wawancara santai".
- Pakai nama perusahaan dan posisi persis seperti string yang diberikan, jangan diubah.

Inti prompt ini ada di dua baris terakhir. Buat AI memfokuskan aksi jadi satu, dan jangan biarkan dia mengubah nama perusahaan/posisi. Hanya dengan ini saja, tingkat balasan dan tingkat insiden berubah cukup banyak. Kalau Anda ingin lebih meningkatkan akurasi prompt, baca juga penerapan lanjutan desain prompt.

Skrip verifikasi untuk menghentikan lupa-ganti secara otomatis

Insiden nama perusahaan nyasar di awal tadi. Itu pasti akan terulang kalau hanya mengandalkan mata manusia. Maka, periksa secara otomatis apakah ada “nama perusahaan tak terduga” yang tercampur di pesan scout yang sudah jadi. Ini skrip kecil yang jalan di Node.js. Taruh draf di scout.txt, lalu nama perusahaan yang boleh dipakai kali ini di allow.json, dan jalankan.

import { readFile } from "node:fs/promises";

// Daftar izin: { "company": "nama perusahaan benar", "ng": ["nama perusahaan proyek lama, dll."] }
const allow = JSON.parse(await readFile(new URL("./allow.json", import.meta.url), "utf8"));
const text = await readFile(new URL("./scout.txt", import.meta.url), "utf8");

const problems = [];

// 1. Apakah nama perusahaan yang benar ada di dalam teks
if (!text.includes(allow.company)) {
  problems.push(`Nama perusahaan benar "${allow.company}" tidak ada di teks`);
}

// 2. Apakah ada nama perusahaan terlarang yang nyasar (deteksi lupa-ganti)
for (const ng of allow.ng ?? []) {
  if (text.includes(ng)) {
    problems.push(`Nama perusahaan terlarang "${ng}" masih tersisa. Kemungkinan lupa diganti`);
  }
}

// 3. Apakah ada ungkapan pembatasan usia/jenis kelamin
const banned = ["yang muda", "khusus pria", "khusus wanita", "khusus usia 20-an"];
for (const word of banned) {
  if (text.includes(word)) problems.push(`Ungkapan yang perlu diwaspadai "${word}" terkandung`);
}

if (problems.length === 0) {
  console.log("Cek OK: Lolos pemeriksaan otomatis sebelum kirim");
} else {
  console.log("Kirim DIHENTIKAN. Perbaiki hal berikut:");
  for (const p of problems) console.log(" - " + p);
  process.exit(1);
}

Cara menjalankannya cuma ini.

node check-scout.mjs

Contoh allow.json jadinya begini.

{
  "company": "PT Sampel Indonesia",
  "ng": ["Nama perusahaan proyek sebelumnya", "Nama perusahaan proyek lain"]
}

Kalau ada masalah, skrip berhenti dengan exit code 1, jadi kalau Anda menyisipkannya ke alur pengiriman, “kirim padahal lupa diganti” jadi mustahil terjadi secara fisik. Insiden kolega saya di awal tadi pasti bisa dicegah kalau ada ini. Untuk memasang Claude Code sendiri, lihat Claude Code untuk pertama kali, 10 menit langsung jalan.

Catatan tentang data pribadi dan keamanan

Agensi rekrutmen pada dasarnya menangani data pribadi paling sensitif: riwayat seseorang. Kalau bagian ini disepelekan, alih-alih efisien, malah jadi kecelakaan. Ini aturan yang saya pegang.

Nama, nomor telepon, email, dan nama divisi tempat kerja yang bisa mengidentifikasi orang: jangan diserahkan ke AI. Cukup posisi, lama pengalaman, dan keahlian.
Informasi yang bisa mengidentifikasi kandidat: jangan ditempel ke layanan yang tak dikelola perusahaan. Pakai kontrak/pengaturan AI yang melarang data input dipakai untuk pelatihan model.
Sebelum mengirim draf hasil output, manusia wajib memeriksa fakta dan nama-nama spesifik.
Penanganan info perusahaan yang belum dipublikasikan (lowongan dengan nama perusahaan dirahasiakan, dll.): jangan melampaui ruang lingkup kesepakatan dengan perusahaan.

Untuk sumber resmi tentang penanganan data pribadi, di Indonesia Anda bisa merujuk ke UU Perlindungan Data Pribadi (Kominfo). Padukan dengan aturan tiap portal, lalu terjemahkan ke aturan perusahaan Anda sendiri.

Apa yang berubah sebelum dan sesudah penerapan (perkiraan ROI)

Angka ini perkiraan kasar di tangan saya, jadi anggap sebagai nilai acuan.

Item	Sebelum	Sesudah
Draf 10 pesan scout	Sekitar 90 menit	Sekitar 20 menit
Merapikan 1 job desc	Sekitar 30 menit	Sekitar 10 menit
Lupa ganti nama perusahaan	Kadang terjadi	0 berkat skrip verifikasi

Untuk 10 pesan scout, hitungannya hemat sekitar 70 menit. Kalau Anda mengirim 30 pesan per minggu, kira-kira lebih dari 3 jam bisa dialihkan ke percakapan dengan kandidat atau wawancara. Nilai agensi rekrutmen bukan pada pembuatan teks, melainkan pada menilai orang dan perusahaan, jadi mengembalikan waktu yang dihemat ke sana itulah efek yang sebenarnya, menurut saya.

Pertanyaan umum

T. Apakah job desc dan pesan scout buatan AI boleh langsung dikirim apa adanya? Tidak boleh. Pakai sebagai draf, lalu fakta dan nama spesifik seperti nama perusahaan, gaji, dan syarat wajib diperiksa manusia. AI tidak tahu fakta.

T. Tanpa menyerahkan nama dan kontak kandidat, bukankah pesan scout yang bagus tak bisa ditulis? Bisa. Yang dibutuhkan pesan scout adalah “kenapa dikirim ke orang dengan riwayat ini”, dan itu cukup dengan posisi, pengalaman, dan keahlian. Nama dan kontak tak ada hubungannya dengan kualitas teks.

T. Apakah teksnya tidak akan jadi seragam semua? Kalau Anda menyerahkan ringkasan kandidat yang terstruktur satu per satu, kalimat pembukanya akan berbeda. Kesan template muncul kalau Anda merangkum ringkasan asal-asalan lalu melemparnya.

T. Perusahaan kami tidak punya divisi IT, apakah skrip verifikasinya bisa dijalankan? Kalau Node.js dipasang, jalan dengan beberapa baris. Kalau sulit, boleh juga berkonsultasi soal penerapannya ke penanggung jawab perbaikan kerja internal lewat pelatihan & konsultasi.

Hasil saat saya benar-benar mencobanya

Saya menguji pakai data fiktif yang meniru lowongan nyata, membuat 3 job desc dan 10 pesan scout. Ada 3 hal yang saya pastikan.

Pertama, waktu draf 10 pesan scout. Dibanding rasa 90 menit kalau menulis tangan, begitu saya menyerahkan ringkasan terstruktur, turun jadi 20 menit lebih sedikit. Kalimat pembuka pun, kalau diubah per orang sesuai ringkasan, kesan template-nya hilang.

Kedua, ampuhnya skrip verifikasi. Saya sengaja menyisipkan 4 draf yang masih menyisakan nama perusahaan proyek sebelumnya. Keempatnya keluar exit code 1 dan berhenti. Ungkapan pembatasan usia pun terdeteksi. Kalau hanya mengandalkan mata manusia, pasti ada beberapa yang lolos.

Ketiga, apakah kualitas turun tanpa menyerahkan data pribadi. Walau saya cabut nama dan kontak dan hanya menyerahkan posisi serta pengalaman, daya bujuk pesan scout tidak berubah. Malah, inti “saya tertarik pada bagian ini dari riwayat Anda” tetap ada, dan kesannya jadi lebih enak dibaca.

Kesimpulannya, untuk pekerjaan scout di agensi rekrutmen, susunan tiga lapis “draf oleh AI, fakta dan satu kalimat oleh manusia, pengecekan akhir oleh mesin” adalah yang paling realistis, ketimbang “otomasi penuh”. Kalau perusahaan ingin menyatukannya ke dalam pekerjaan, mulailah dari pelatihan & konsultasi; kalau Anda ingin mencoba menggerakkan tangan sendiri dulu, mulailah dari materi & PDF gratis.