ChatGPT-prompts til CV: dem, der virkede i test

Det er let at finde lister med ChatGPT-prompts til CV'et, og de prompts, der står i dem, har en tydelig familielighed. Én fortæller modellen, at den er ekspert i at skrive CV'er. En anden beder om stærke, aktive verber og målbare resultater. Den, der sætter en af dem ind, får noget pænt tilbage: en profiltekst, der kunne stå øverst på ethvert CV, eller punkter med et X i firkantede parenteser, hvor resultaterne burde stå.

Listerne viser sjældent, hvad modellen svarede, og det gør prompts svære at vurdere. Derfor skrev UseResume et helt almindeligt CV med fejl og mangler til en opdigtet marketingkoordinator og kørte seksten prompts på det, hver mindst tre gange. De dækkede fem almindelige opgaver (punkter, profilteksten, målretning til et jobopslag, en gennemgang og en ansøgning) og desuden et tjek af et færdigt udkast. Alle svar, der citeres nedenfor, er præcis det, der kom tilbage.

Det korte svar er, at ordlyden betød langt mindre end indholdet. At kalde modellen ekspert ændrede næsten intet. At bede om tal gav tomme felter, og at bede om alle nøgleord i jobopslaget gav en advarsel. Tre ting ændrede faktisk svarene: de fakta, CV'et havde udeladt, nogle få regler om, hvad der ikke måtte ændres, og en instruks om at liste alt det, der ikke kunne underbygges. Prompts gengives i fuld længde, så de kan kopieres.

Ét CV, seksten ChatGPT-prompts

Kandidaten hedder Tessa Marlow og findes ikke. Hun har i over fire år været marketingkoordinator hos Fernhollow Outdoor Supply Co., en opdigtet netbutik med campingudstyr. Før det arbejdede hun med kundeservice i en boghandel og som barista. Hendes CV indledes med et karrieremål, der begynder ”Hårdtarbejdende og motiveret marketingmedarbejder”, indeholder to stavefejl og tre forskellige datoformater og beskriver hendes nuværende job sådan her:

Hun søger stillingen som ansvarlig for e-mailmarketing hos Tidewick Coffee Roasters, en lige så opdigtet virksomhed, der sælger kaffeabonnementer. Enhver lighed mellem disse navne og virkelige personer eller virksomheder er utilsigtet. Jobopslaget efterspørger praktisk erfaring med Klaviyo, en e-mailplatform, erfaring med sms-marketing og en, der kan have personaleansvar for én medarbejder. Tessa har ingen af de tre ting.

Det, hun til gengæld har, er en række fakta, hun aldrig skrev ned, samlet i et andet dokument: hendes noter. Nyhedsbrevet går ud til omkring 48.000 abonnenter. Den gennemsnitlige åbningsrate er steget fra 21 % til 29 %. De e-mails om forladte indkøbskurve, hun omskrev, henter omkring 9.800 dollar hjem om måneden, op fra 4.100 dollar. Noterne nævner også, hvad hun ikke har prøvet, blandt andet Klaviyo. Kun nogle af de seksten prompts fik noterne med.

Modellen var GPT-6.1, testet i november 2026. Den blev kørt gennem OpenAI's kommandolinjeværktøj, ikke i ChatGPT-appen, så svarene i appen kan være anderledes. Svarene varierer også fra kørsel til kørsel, og derfor blev hver prompt kørt mindst tre gange. Hvor kørslerne gav forskellige resultater, er det nævnt. I de prompts, der gengives nedenfor, er indsat materiale erstattet af en betegnelse i firkantede parenteser.

At bede om målbare resultater

Den første prompt var den, en træt ansøger skriver: ”Gør de her CV-punkter bedre.”

De fem punkter voksede fra 29 ord til mellem 45 og 57, afhængigt af kørslen, og sagde intet nyt. ”Ansvarlig for” blev til ”Koordinerede” i én kørsel, ”Styrede” i en anden og ”Havde ejerskab for” i den tredje. Hvert svar sluttede med at bede om det, der manglede. Det første lød: ”tilføj detaljer som målgruppens størrelse, antal kampagner, vækst i engagement eller genvundet omsætning”.

Det gængse råd er at bede direkte om tal. En liste, som eWeek offentliggjorde i februar 2026, er typisk. Dens prompt til punkter beder om ”stærke, aktive verber og målbare resultater” og, hvor præcise tal ikke findes, om ”realistiske pladsholdere”. En prompt med den samme kerneanmodning, ”Omskriv de her CV-punkter med stærke, aktive verber og målbare resultater”, gav dette:

Til modellens ros skal det siges, at den ikke opfandt et eneste tal i tre kørsler. Den efterlod 12, 12 og 9 tomme felter med en opfordring til at erstatte dem med rigtige tal. Men et tomt felt er ikke neutralt. De her forudsætter, at lanceringerne genererede leads, at nogen målte konverteringer, og at Tessa ”optimerede” en sekvens, hun kun havde skrevet, at hun arbejdede med. En ansøger, der udfylder felterne, bliver skubbet i retning af påstande, hun aldrig har fremsat.

En bedre måde at bruge det samme instinkt på er at lade modellen spørge, før den skriver:

Alle tre kørsler gav præcis ti spørgsmål. Et af dem, i den første kørsel, var ”Hvilke beslutninger eller ændringer har dine rapporter hjulpet marketingchefen med?” Tessas noter er i praksis svarene. Med noterne vedhæftet og fire regler tilføjet lyder prompten sådan:

I alle tre kørsler kom hvert tal fra noterne, og intet punkt blev længere end 24 ord. Den fjerde regel blev brugt hver gang, og altid på den samme linje. I den anden kørsel lød det: ”Punktet om rapporterne forbliver enkelt, fordi dine noter ikke beskriver, hvordan rapporterne har dannet grundlag for beslutninger, sparet tid eller forbedret resultater.”

Eksperten, der ikke ændrede noget

Til profilteksten blev to korte prompts sammenlignet. Den ene var en enkelt linje: ”Skriv en profiltekst til mit CV.” Den anden begyndte, som mange offentliggjorte prompts gør: ”Agér som ekspert i CV-skrivning med 20 års erfaring. Skriv en overbevisende profiltekst til mit CV, som fanger rekrutterens opmærksomhed.”

Den midterste sætning er så godt som identisk. På tværs af seks kørsler var profilteksterne mellem 45 og 56 ord lange, fem af de seks brugte ordet ”kundefokuseret”, og ingen indeholdt et eneste resultat, fordi CV'et ikke har nogen at byde på. Tyve års indbildt erfaring skaffede heller ingen.

Det stemmer med det, Generative AI Labs ved handelshøjskolen Wharton rapporterede i december 2025. De testede seks modeller på svære multiple choice-spørgsmål og fandt, at det at give modellen en ekspertrolle ”ikke pålideligt forbedrer nøjagtigheden”. Deres råd var at koncentrere sig om ”opgavespecifikke instruktioner frem for at tildele en persona”. Multiple choice-spørgsmål er ikke CV'er, og undersøgelsen målte nøjagtighed, ikke sprog. Men i hvert fald på dette CV pegede resultatet i samme retning.

Opgavespecifikke instruktioner ser sådan her ud:

Alle seks versioner, to fra hver kørsel, endte på mellem 46 og 52 ord, og hvert tal kunne spores til noterne eller til datoerne i CV'et. De forbudte ord viste sig at være en ren forsikring: Denne model brugte ingen af dem i en profiltekst, heller ikke når den fik frie hænder.

Målretning af et CV til et jobopslag

Målretningen blev testet med tre prompts. Den første var en enkelt linje: ”Målret mit CV til dette jobopslag.” Den anden er af den slags, der lover at snyde rekrutteringssystemet (ATS): ”Agér som ekspert i CV-skrivning og ATS-specialist. Omskriv mit CV, så det matcher dette jobopslag så tæt som muligt og kommer igennem ATS'et. Medtag alle de vigtige nøgleord fra jobopslaget.”

Ingen af dem gjorde Tessa til Klaviyo-bruger. I alle seks kørsler byttede modellen karrieremålet ud med en profiltekst, rettede stavefejlene, ensrettede datoerne, flyttede Instagram-punktet nederst og tilskrev hende intet værktøj, som CV'et ikke nævnte. Det nærmeste, modellen kom på at finde på noget, var småting. I alle seks kørsler blev boghandelens ordresystem til et ”ordrestyringssystem”, og baristaens drikke blev til kaffedrikke, og hver kørsel af nøgleordsprompten tilføjede et baristapunkt om kundeservice på en café med ”højt tempo”. Hvert svar på den prompt sluttede med en advarsel, et af dem med, at ”matchning af nøgleord alene ikke kan garantere, at CV'et kommer igennem ATS'et”.

CV'et var altså sikkert, men ikke bedre. I den første kørsel af nøgleordsprompten lød det øverste punkt: ”Koordinerer det ugentlige nyhedsbrev på e-mail og sikrer en fast kampagneplan og løbende kundekommunikation.” Den tredje prompt indeholdt noterne og seks regler:

Det her er et CV, en ansættende leder kan vurdere. I denne kørsel er nyhedsbrevet blevet til ”ugentlige e-mailkampagner” efter jobopslagets ”ugentlige kampagner”, og hvert tal kan spores til noterne. Hver kørsel gav også den liste, som regel fem bad om, og hver gang havde den 16 punkter.

Listen viser, hvor bogstaveligt reglerne blev læst. Da modellen fik besked på ikke at blødgøre noget, listede den alt, helt ned til en kærlighed til kaffe, der ikke var blevet ”erklæret”, selv om Tessa er tidligere barista og abonnerer på Tidewick. Da den fik besked på ikke at ændre datoer, lod den ”08/2020 - 5/22” stå præcis, som hun havde skrevet det, i alle tre kørsler, selv om den uopfordret havde rettet den samme linje med prompten på én linje. OpenAI's promptguide til GPT-5, en tidligere model, siger, at den ”følger instruktionerne i prompten med kirurgisk præcision”, og GPT-6.1 gjorde det samme her. Regler beskytter fakta, men de beskytter også fejlene, så resultatet skal stadig læses igennem. Af de 16 mangler er en håndfuld værd at forberede et svar på: Klaviyo, sms, personaleansvaret, segmentering og de øvrige automatiserede flows.

En gennemgang med jobbet vedhæftet

Gennemgangen var den eneste opgave, hvor den korte prompt klarede sig fint. ”Kan du gennemgå mit CV?” fandt alle syv fejl, der var plantet i CV'et, i alle tre kørsler: det indholdsløse karrieremål, opgaver uden resultater, begge stavefejl, de blandede datoformater, den oppustede kompetenceliste og ”Referencer oplyses på forespørgsel”. En kørsel bemærkede desuden, at telefonnummeret manglede områdenummer. Derefter omskrev hvert svar dele af eller hele CV'et uden at være blevet bedt om det.

Hvad den korte prompt ikke kunne sige, var, om CV'et ville klare netop denne frasortering, for den havde ikke fået jobbet at se. Den længere prompt sender jobopslaget med:

Alle fuldstændige svar begyndte med et nej og tog først de problemer, som redigering ikke kan løse:

Denne prompt gav også de eneste egentlige fiaskoer i forsøget. I sin første ordlyd bad den modellen om at ”citere den præcise linje” for hvert problem. I tre kørsler ud af seks brød svaret af det samme sted, midt i citatet af kompetencelinjen:

Hvorfor det skete, vides ikke. Da instruktionen blev ændret til ordlyden ovenfor, blev fire kørsler ud af fire færdige. Den praktiske lære er enklere: Et svar, der ser forkert ud, kan bare være en dårlig kørsel, og det koster intet at spørge igen.

Ansøgningen og en anden model

Med prompten ”Skriv en ansøgning til dette job” på én linje skrev modellen tre ansøgninger på 242 til 263 ord. Alle tre var ærlige og indrømmede, at Tessas erfaring er med Mailchimp og ikke Klaviyo, og ingen af dem indeholdt nogen form for tal om hendes arbejde. En typisk linje: ”Arbejdet med e-mails om forladte indkøbskurve har givet mig erfaring med en vigtig del af kunderejsen”.

De tre ansøgninger fyldte 196, 198 og 200 ord. De er stive, og ”Jeg vil have dette job, fordi” er ikke en formulering, nogen ville beholde. Men hver sætning kan forsvares til en jobsamtale, og det var formålet med reglerne.

Reglerne betyder mere med en model, der tager sig flere friheder. Den samme prompt på én linje blev givet to gange til Claude Fable 5.1, som i en tidligere sammenligning af de to viste sig at skrive bedst og tage sig flest friheder med fakta.

CV'et siger intet om Tessas morgener, og ifølge hendes noter har hun aldrig arbejdet med sms-marketing. Under ansøgningen tilføjede modellen, at linjen om Klaviyo ”forudsætter, at du faktisk begynder på deres gratis kurser”. Med de seks regler holdt begge Claudes ansøgninger sig tæt på noterne. Den tydeligste afvigelse var, at begge tilskrev testene af emnelinjer en del af stigningen i åbningsraten, hvilket noterne ikke påstår. Den ene ansøgning havde også en bedre linje end noget i noterne: ”Jeg vil gerne skrive de e-mails, jeg allerede læser.”

Claude tog sig de samme friheder ved målretningen. Med nøgleordsprompten gav et af dens CV'er Tessa titlen ”Marketingkoordinator (e-mailmarketingansvarlig)”. Til et udkast, der allerede findes, er der en prompt, som tjekker det mod originalen:

Med det CV listede GPT-6.1 19, 22 og 24 påstande uden belæg i de tre kørsler. Alle tre fangede den nye jobtitel og den listesegmentering, der ikke står nogen steder i originalen. Alle tre gjorde også indsigelse mod ”Lavede espressodrikke” med den begrundelse, at der i CV'et kun står ”Lavede drikke”.

Hvad de virksomme ChatGPT-prompts har til fælles

Stillet op side om side har de prompts, der virkede, de samme tre dele. De indeholder fakta: tallene, værktøjerne, hvad der blev skrevet, og hvad der kun blev hjulpet med. De siger, hvad der ikke må ændres. Og de giver modellen et sted at placere alt det, den ikke kan underbygge, en ”Ikke dækket”-liste eller en bemærkning om, at et punkt er enkelt, så et hul ikke behøver at blive fyldt med noget, der lyder bedre.

OpenAI's dokumentation sammenligner en ræsonnerende model med ”en erfaren kollega”, som kan få et mål og stoles på ”til at finde ud af detaljerne”. Anthropics dokumentation beder brugerne om at tænke på Claude som ”en brillant, men ny medarbejder, der mangler kontekst”. I et CV er detaljerne konteksten, og kun kandidaten har dem. Intet ordvalg kan genskabe en åbningsrate, som modellen aldrig fik at vide.

Der hører to forbehold med til disse prompts. Et CV er personoplysninger. En undersøgelse fra Stanford af privatlivspolitikkerne hos seks amerikanske AI-udviklere, offentliggjort i 2025, fandt, at alle seks så ud til som standard at bruge chatdata til at træne deres modeller. Rådet, der fulgte med undersøgelsen, var at fravælge det, hvor det er muligt, og telefonnummer og adresse kan slettes, før teksten sættes ind. Det andet forbehold er, at målretning har en grænse. En erfaren rekrutterer sagde i 2024 til SHRM, den amerikanske brancheorganisation for HR, at et CV, der er formet efter et jobopslag, er let at genkende, fordi ”hvert eneste nøgleord dukker op i denne persons CV”, og at AI ”puster deres erfaring op, når det gælder opgaver”. En separat artikel undersøger, hvor sikkert rekrutterere kan skelne et AI-skrevet CV fra et, som et menneske har skrevet.

Tilbage altså til prompten, der er kopieret fra en liste, med sin ekspert og sine målbare resultater. Med denne model gjorde den ikke meget skade: Ingen kørsel opfandt et tal, et værktøj eller en jobtitel. Den gav det CV tilbage, den havde fået, med længere ord og med tomme felter, hvor fakta burde stå. Ti minutter er bedre brugt på noterne: hvor mange, hvor ofte, hvad der ændrede sig, og hvad der aldrig er blevet gjort. Prompten omkring dem kan være kort.

Sådan hjælper UseResume

I et chatvindue er noterne, reglerne og kontrollen overladt til den, der skriver. UseResume er bygget specifikt til CV'er, så noget af det arbejde er indbygget i produktet. Tjenesten importerer et eksisterende CV eller en LinkedIn-profil eller bygger et ud fra guidede spørgsmål, og dens CV-generator med AI skriver profilteksten og punkterne i en ATS-venlig skabelon, hvor hvert forslag kan redigeres.

Sæt et jobopslag ind, så viser CV-målretningen, hvilke nøgleord fra jobopslaget der er fundet, og hvilke der mangler. Det ligger tæt på en ”Ikke dækket”-liste, uden at du skal skrive en prompt. CV-tjekket giver derefter resultatet en score ud fra 37 tjek, og ansøgningsgeneratoren arbejder ud fra det samme CV og jobopslag.

Opret din konto, og start med det CV, du allerede har.