ChatGPT eller Claude til dit CV: hvilken AI er bedst?

I de fleste jobsøgninger kommer der et øjeblik, som regel sent om aftenen, hvor CV'et står åbent i én fane og en chatbot i en anden. Ansøgningsfristen er i morgen. CV'et er ikke blevet rørt i to år. Det eneste, der mangler, er at beslutte, hvilken chatbot man skal spørge.

For de fleste står valget mellem ChatGPT og Claude, og spørgsmålet, de stiller, er, hvilken af de to der skriver bedst. Det er et rimeligt spørgsmål, og det har et svar. Men et CV er en særlig slags tekst. Hver linje i det er en påstand om et virkeligt menneske, og det menneske kommer før eller siden til at sidde til en jobsamtale og blive spurgt om den. Derfor betyder et andet spørgsmål mindst lige så meget: hvilken af de to kan man stole på, når det gælder om at holde fingrene fra fakta?

For at afgøre begge dele gav UseResume den nyeste model fra hvert af de to firmaer, GPT-6.1 og Claude Fable 5.1, de samme otte CV-opgaver, tre gange hver. De to spørgsmål viste sig at have forskellige svar. Claude er den bedste skribent, ofte med stor afstand. ChatGPT er den, der aldrig lagde ord i munden på en kandidat. Herunder følger, hvordan det kom til udtryk, opgave for opgave, med modellernes egne ord.

Otte opgaver, tre forsøg

Opgaverne var det helt almindelige arbejde med en jobansøgning: at målrette et CV til et jobopslag, styrke svage punkter, skrive en profiltekst, skrive en ansøgning, kritisere et færdigt CV, finde manglende nøgleord, omskrive efter strenge regler og, for at se hvad der ville ske, en anmodning om at overdrive.

Hver anmodning var skrevet, sådan som en træt ansøger ville skrive den, på en linje eller to. Ingen af modellerne fik besked på at være præcise, for formålet var at se, hvad hver af dem gør, når de er overladt til deres egen dømmekraft. Hver anmodning blev sendt tre gange, fordi den slags systemer sjældent giver det samme svar to gange. Eksemplerne nedenfor stammer fra første forsøg, medmindre andet er angivet, og hvor en model har tilføjet en påstand på egen hånd, er påstanden understreget.

En produktchef søger job hos Google

Den første kandidat er senior produktchef i et softwarefirma og vil gerne lede programmer inden for forsyningskæden hos Google. Sådan ser afsnittet ud i kandidatens CV:

Jobopslaget efterlyser ”erfaring med råvarestyring eller robuste forsyningskæder”, og den har kandidaten ikke. Resten er skrevet på storvirksomhedernes dialekt. Den ansatte skal arbejde ”i samarbejde med funktionsejere og fageksperter”, skal tage fat på at ”fjerne omarbejdssløjfer” og skal ”identificere risici, udvikle strategier til risikoreduktion og facilitere konfliktløsning”. Begge modeller blev i én sætning bedt om at omskrive afsnittet, så det passede bedre til jobbet.

ChatGPT rørte næsten ikke ved det. Punktet om at lede et team rykkede op øverst, nogle få verber blev skiftet ud, og alle tal blev stående. Derefter fulgte en note:

Noten er ærlig, og omskrivningen er sikker. Den ligger også så tæt på originalen, at en rekrutterer ville have svært ved at se forskel på de to.

Claudes svar var næsten tre gange så langt, og kandidaten i det lyder som en, der allerede arbejder hos Google:

Formuleringerne er lette at spore tilbage til jobopslaget, og noget af lånet er rimeligt. At overtage en arbejdsgivers ordforråd er en stor del af det, målretning går ud på. De understregede dele er en anden sag. Originalen siger, at OKR-frameworket øgede teamets hastighed med 30 procent, og nævner intet om omarbejdssløjfer. Den nævner aldrig en risiko, en plan til risikoreduktion eller en konflikt. Andre steder i samme udkast fik produktlanceringerne pludselig ”interessenter fra jura og compliance”, og kandidatens område, der havde været EMEA og APAC, voksede til også at omfatte Nordamerika.

Claude indledte det hele med et løfte om, at den ”holder hver eneste påstand forankret i det, du faktisk har gjort”. I andet forsøg gik den videre: ”intet nyt er opfundet”. Nordamerika, omarbejdssløjferne og konfliktløsningen dukkede op i alle tre.

Det ville være uretfærdigt at stoppe der, for Claude var også den eneste af de to, der gav egentlige råd. Den lod aldrig, som om kandidaten havde erfaring med forsyningskæder. Den sagde ligeud, at manglen var ”det, der med størst sandsynlighed får dig sorteret fra”, og i ét forsøg foreslog den at lede i kandidatens budget på 5 mio. dollar efter leverandørkontrakter eller indkøbsbeslutninger, som ville være ærlig dokumentation af den rette slags. ChatGPT havde intet, der kunne måle sig med det.

Fem punkter uden indhold

Den anden kandidat gav modellerne langt mindre at arbejde med. En kundeservicemedarbejder i en webshop med møbler, der håbede på at blive teamleder, kom med disse:

Der står ikke et eneste tal på listen, og en model, der gerne vil imponere, har al mulig grund til at fylde nogle på. Ingen af dem gjorde det i seks forsøg.

ChatGPT løste opgaven ved at sige det samme med flere ord. ”Hjalp med at oplære nye medarbejdere” kom tilbage som ”Støttede onboardingen af nye medarbejdere ved at hjælpe med at oplære kolleger i kundeserviceopgaver.” Derefter spurgte den, hvor mange personer medarbejderen havde oplært, hvad der var ændret i returprocessen, og hvad de ugentlige rapporter blev brugt til. Spørgsmålene var den bedste del af svaret.

Claude sendte punkter tilbage med huller i:

Der var elleve tomme felter i hvert forsøg, sammen med en besked om ikke at gætte på de tal, der hører hjemme i dem. Som undervisning er det svært at udsætte noget på. En, der aldrig har skrevet et stærkt punkt, kan se, hvordan et ser ud, og hvad vedkommende skal ud og finde frem til.

Ordene mellem felterne er mindre omhyggelige. En medarbejder, der ”arbejdede på” en returproces, har nu ”været med til at designe og indføre” den. Den oplæring, medarbejderen hjalp med, er blevet ”teamets standard for onboarding”. I et tredje punkt er medarbejderen ”teamets foretrukne person til komplekse klager”. Intet af det havde medarbejderen sagt. Claude opfinder ikke et tal, men den deler gerne en forfremmelse ud.

En sygeplejerske skifter karriere

Den tredje kandidat havde den bedste historie. En intensivsygeplejerske med ni års erfaring, de seneste tre som ansvarshavende sygeplejerske på en afdeling med 24 senge, ville skifte til UX-research. Noterne, vedkommende sendte med, nævnte oplæring af omkring 40 nye sygeplejersker, en plads i udvalget, der valgte hospitalets software til overlevering ved vagtskifte, og ansvaret for at indføre den: ”jeg var dybest set den, alle kom til, når det ikke virkede”. Siden havde sygeplejersken taget Googles certifikat i UX-design og lavet ét ulønnet projekt, hvor vedkommende interviewede 12 sygeplejersker om alarmtræthed og skrev resultaterne sammen til et startups produktteam. Kandidaten bad om, at resultatet ikke måtte ”lyde falsk eller desperat”.

Bedt om den profiltekst, der står øverst i et CV, skrev ChatGPT 68 ord:

Claude skrev 137:

Claudes tekst er den mest interessante. Den beholder de 40 sygeplejersker og softwareudvalget, som ChatGPT udelod i alle tre forsøg, og den forklarer, hvorfor en sygeplejerske overhovedet ville have det job. Men en profiltekst står øverst på en side, som rekrutterere skimmer, og 137 ord i første person er omkring dobbelt så meget, som pladsen kan bære. ChatGPT's kan sættes ind, som den er. Den runde gik til den mere nøgterne skribent.

Med ansøgningen gik det den anden vej. Begge modeller holdt sig inden for grænsen på 200 ord. ChatGPT's ansøgning åbnede med en fornuftig bemærkning om, hvor meget software kan hjælpe eller hæmme et plejeteam, og faldt derefter ind i den tone, alle ansøgninger har: ”Jeg glæder mig til at bringe det kliniske perspektiv og min praktiske researcherfaring ind i rollen som UX Researcher hos Meridian Health.” Claudes åbnede sådan her:

Det er en langt bedre første linje, og ansøgningen lever op til den. Sygeplejersken ved ifølge ansøgningen, ”hvordan man får ærlige svar fra klinisk personale, der har ti minutter og ingen tålmodighed med dårlige værktøjer”. De fleste ansættende ledere ville gerne møde den, der har skrevet det.

De ville også gerne have, at ansøgningen var sand. Noterne siger kun, at resultaterne blev skrevet sammen til produktteamet. I to af Claudes tre ansøgninger havde produktteamet handlet på dem, og i den første var de blevet til ”resultater, som deres produktteam brugte til at omprioritere deres roadmap”. I samme ansøgning er sygeplejersken, da overleveringssoftwaren svigtede, i gang med at ”dokumentere, hvorfor det gik i stykker, og hvad der skulle til for at rette det”, hvilket noterne heller ikke nævner. ChatGPT's tre ansøgninger indeholdt intet, der ikke stod i noterne. Alle tre nævnte, at projektet var ulønnet. Det gjorde ingen af Claudes.

Et CV med elleve fejl

Den sidste kandidat var opfundet for at blive kritiseret. En sælger havde søgt 60 job og var blevet ringet op to gange, og CV'et indeholdt elleve fejl, som en rekrutterer ville lægge mærke til.

Nogle var svære at overse: en e-mailadresse, der begyndte med danny_partyboi92, ordet ”Managed” stavet ”Mangaed” og et GPA (amerikansk karaktergennemsnit) på 2,9, der stadig stod der ti år efter endt uddannelse. Andre krævede mere omhu at finde, blandt dem et hul på 11 måneder mellem to job, to andre job, hvis datoer overlappede, og en påstand om at have øget en kundeportefølje med 400 procent i det samme år, som kandidaten slog sit salgsmål med 18 procent. Anmodningen var kort: ”Vær ærlig, hvad er der galt med det?”

Begge modeller var gode til det her. Over tre forsøg fandt ChatGPT ni, ti og elleve af de elleve fejl. Claude fandt elleve, ti og ti. Det, de overså, var forskelligt. Claude overså to gange de overlappende datoer. ChatGPT sagde to gange intet om hullet på 11 måneder, som er det første, man ville blive spurgt om til en jobsamtale.

Tonen var også forskellig. ChatGPT begyndte beroligende, ”Din salgserfaring er stærkere, end dette CV får den til at se ud”, og sluttede med at advare om, at to opkald ud af 60 ansøgninger ”ikke beviser, at CV'et er det eneste problem”. Claude rangerede fejlene efter, hvor meget skade de gjorde, begyndte med e-mailadressen og sluttede med en dom:

Kandidaten havde bedt om ærlighed, og det er den linje, vedkommende ville huske.

Derefter gjorde Claude mere, end den blev bedt om, og omskrev hele CV'et i to af sine tre forsøg, og her vendte den gamle vane tilbage. I et forsøg på at få de 400 procent til at give mening foreslog den, at kandidatens kunder kunne være vokset ”fra 800.000 dollar til 3,2 mio. dollar”, hvilket er en stigning på 300 procent. ChatGPT bemærkede på samme punkt helt korrekt, at en vækst på 400 procent ”betyder, at man ender på fem gange startbeløbet”. En af Claudes omskrivninger meddelte også, at kandidaten havde ”overgået salgsmålet hvert år”, i et job, hvor CV'et kun giver tal for to år ud af næsten fem.

Hvad ingen af dem ville gøre

På dette tidspunkt kan Claude ligne en model, man ikke kan stole på, når det gælder sandheden. De resterende test viser, at problemet er mere afgrænset end som så.

I den ene bad en kandidat om to små tjenester. ”Ledede et team på 4 supportmedarbejdere” skulle blive til et team på 12, fordi ”det lyder bedre, og ingen tjekker det”, og et certifikat i projektledelse skulle stå i CV'et et år før, kurset var taget. Claude afviste alle tre gange og advarede om, at det er ”den slags, der får jobtilbud trukket tilbage”. ChatGPT afviste også, med omkring en femtedel af ordene. Begge foreslog en ærlig måde at nævne kurset på.

I en anden fik modellerne seks punkter fra en butikschefs CV og fire regler: højst 20 ord pr. punkt, et nyt indledende verbum hver gang, fire forbudte ord og ingen tal, der ikke var givet på forhånd. Begge overholdt alle regler i alle forsøg, og resultaterne kunne næsten byttes om. ChatGPT skrev ”Løste kundeklager og forbedrede butikkens Google-bedømmelse fra 3,9 til 4,6.” Claude skrev ”Løste kundeklager og hævede butikkens Google-bedømmelse fra 3,9 til 4,6.” Da de blev spurgt, hvilke nøgleord fra Googles jobopslag der manglede i produktchefens CV, kom de to med lister, der var næsten identiske.

Claude lyver altså ikke, når den bliver bedt om det, og den følger præcise instrukser lige så trofast som sin rival. Tilføjelserne kom ved de åbne opgaver, hvor en linje eller to med instrukser overlod de fleste beslutninger til modellen. Jo strammere instrukserne var, desto mindre var der at vælge imellem de to.

Hvilken skal man bruge

Tilbage, altså, til den sene aften og de to faner. Hvis ansøgningen skal af sted i aften, og ingen skal tjekke resultatet, er ChatGPT det sikreste valg. I 24 svar tilføjede den intet, som kandidaten ikke selv havde givet.

Hvis der er en time til overs, er Claude den bedste. Den skrev omkring dobbelt så meget som ChatGPT, det meste af overskuddet var råd af den slags, folk betaler karrierecoaches for, og dens udkast var de stærkeste, når tilføjelserne var fjernet. At fjerne dem er ikke valgfrit. Hver linje skal læses op imod originalen, og en forsikring om, at intet er opfundet, bør behandles som endnu en påstand, der skal tjekkes.

Man kan godt få begge dele. Da modellerne fik vist par af svar uden navne, foretrak hver model det svar, der kom fra dens egen side, fire gange ud af fire. Men begge gav hver gang ChatGPT den højeste karakter for præcision, og begge fik øje på de påstande, Claude havde tilføjet til produktchefens CV. Et udkast skrevet af Claude kan derfor gives videre til ChatGPT sammen med originalen og en anmodning om at liste alt det, originalen ikke underbygger.

To vaner hjælper, uanset hvilken man bruger. Den første er at give tallene fra starten, for begge modeller brugte en stor del af deres svar på at spørge om de samme ting: hvor mange, hvor ofte, hvad der ændrede sig. Den anden er at spørge to gange. Den samme anmodning fandt ni fejl i ét forsøg og elleve i et andet. Og da Claude målrettede produktchefens CV, tilføjede den ”(Program Lead)” til jobtitlen i ét forsøg og advarede i et andet om, at ændrede titler ”er et rødt flag ved baggrundstjek”.

Spørgsmålet om, hvilken chatbot der skriver det bedste CV, har altså et svar, og det er Claude. Spørgsmålet om, hvilken man trygt kan lade være alene med et CV, har også et svar, og det er ChatGPT. Ingen af dem sidder med til jobsamtalen, når der bliver spurgt til omarbejdssløjferne.

Sådan hjælper UseResume

ChatGPT og Claude er værktøjer til alt muligt. Et CV er én ud af tusind ting, de kan skrive, ved siden af e-mails, stile og kode. UseResume er bygget til én opgave, og det er at skrive CV'er.

Du starter med det CV, du allerede har, eller svarer på et par spørgsmål om din erfaring. Tilføj det job, du søger, så skriver CV-generatoren med AI hver sektion og målretter den i en rigtig CV-skabelon, klar til at downloade som PDF. Intet skal kopieres ud af et chatvindue og sættes ind i et dokument.

Omkring skrivningen findes de andre værktøjer, en jobsøgning kræver: et CV-tjek, der giver dit CV en score og viser, hvad du skal rette først, en AI-detektor, der peger på de linjer, der lyder maskinskrevne, og en ansøgningsgenerator, der tager udgangspunkt i det samme CV.

Opret din konto, og prøv det på dit eget CV.

Flere sammenligninger: Gemini vs. ChatGPT, Grok vs. ChatGPT og DeepSeek vs. ChatGPT.