Prompts de ChatGPT para el CV: los que funcionan, probados

Las listas de prompts de ChatGPT para el CV abundan, y los prompts que recogen tienen un aire de familia. Uno le dice al modelo que es un redactor de currículums experto. Otro pide verbos de acción contundentes y resultados medibles. El candidato pega uno y recibe algo pulcro: un resumen profesional que podría encabezar el CV de cualquiera, o viñetas con una X entre corchetes donde deberían ir los resultados.

Esas listas casi nunca muestran lo que respondió el modelo, y así es difícil juzgar los prompts. Por eso UseResume redactó un CV corriente, con defectos, para una coordinadora de marketing inventada y lo sometió a dieciséis prompts, cada uno al menos tres veces. Cubrían cinco tareas habituales (las viñetas, el resumen profesional, la adaptación a una oferta, una crítica y una carta de presentación), además de la revisión de un borrador terminado. Cada respuesta citada a continuación es la que devolvió el modelo.

La respuesta corta es que la forma de pedir importó mucho menos que el contenido. Llamar experto al modelo no cambió casi nada. Pedir métricas produjo huecos en blanco, y pedir todas las palabras clave de la oferta produjo una advertencia. Tres cosas sí cambiaron el resultado: los datos que el CV había omitido, unas cuantas reglas sobre lo que no debía alterarse y la instrucción de enumerar todo lo que no pudiera respaldarse. Los prompts se reproducen completos, listos para copiar.

Un CV, dieciséis prompts de ChatGPT

La candidata es Tessa Marlow, que no existe. Lleva más de cuatro años como coordinadora de marketing en Fernhollow Outdoor Supply Co., una tienda en línea de material de camping, también inventada. Antes trabajó en atención al cliente en una librería, y como barista. Su CV se abre con un objetivo profesional que comienza con “Profesional del marketing trabajadora y motivada”, contiene dos erratas y tres formatos de fecha, y describe así su empleo actual:

Se postula al puesto de responsable de email marketing en Tidewick Coffee Roasters, una empresa de suscripciones de café igual de inventada. Cualquier parecido de estos nombres con personas o empresas reales es involuntario. La oferta pide experiencia práctica con Klaviyo, una plataforma de email marketing, experiencia en marketing por SMS y a alguien que dirija a una persona a su cargo. Tessa no tiene ninguna de las tres.

Lo que sí tiene es una serie de datos que nunca llegó a poner por escrito, recogidos en un segundo documento: sus notas. El boletín llega a unos 48.000 suscriptores. Su tasa media de apertura ha subido del 21% al 29%. Los correos de carrito abandonado que reescribió recuperan unos 9.800 dólares al mes, frente a los 4.100 de antes. Las notas también enumeran lo que no ha hecho, Klaviyo incluido. Solo algunos prompts recibieron las notas.

El modelo fue GPT-6.1, probado en noviembre de 2026. Se usó a través de la herramienta de línea de comandos de OpenAI, no de la aplicación de ChatGPT, así que las respuestas en la aplicación pueden ser distintas. Las respuestas también varían de una ejecución a otra; por eso cada prompt se ejecutó al menos tres veces, y cuando las ejecuciones discrepan, se indica. En los prompts que siguen, el material pegado se sustituye por una etiqueta entre corchetes.

Pedir resultados medibles

El primer prompt fue el que escribe un candidato cansado: “Mejora estas viñetas de mi CV.”

Las cinco viñetas pasaron de 29 palabras a entre 45 y 57, según la ejecución, y no decían nada nuevo. “Responsable de” se convirtió en “Coordiné” en una ejecución, en “Gestioné” en otra y en “Me hice cargo de” en la tercera. Cada respuesta terminaba pidiendo lo que faltaba. La primera decía: “añade datos concretos como el tamaño de la audiencia, el volumen de campañas, el aumento de la interacción o los ingresos recuperados”.

El consejo habitual es pedir cifras directamente. Una lista publicada por eWeek en febrero de 2026 es un ejemplo típico. Su prompt para viñetas pide “verbos de acción contundentes y resultados medibles” y, cuando no haya cifras exactas, “marcadores de posición realistas”. Un prompt con la misma petición de fondo, “Reescribe estas viñetas de mi CV con verbos de acción contundentes y resultados medibles”, produjo esto:

Hay que reconocerle al modelo que no inventó ni una sola cifra en tres ejecuciones. Dejó 12, 12 y 9 huecos, con la indicación de sustituirlos por cifras reales. Pero un hueco no es neutral. Estos dan por hecho que los lanzamientos generaron clientes potenciales, que alguien midió las conversiones y que Tessa “optimizó” una secuencia en la que solo dijo haber trabajado. Una candidata que rellene esos huecos se ve empujada hacia afirmaciones que nunca hizo.

Una forma mejor de aprovechar ese mismo instinto es hacer que el modelo pregunte antes de escribir:

Las tres ejecuciones devolvieron exactamente diez preguntas. Una de ellas, en la primera, fue: “¿En qué decisiones o cambios del director de marketing influyeron tus informes?” Las notas de Tessa son, en la práctica, las respuestas. Con las notas adjuntas y cuatro reglas añadidas, el prompt queda así:

En las tres ejecuciones, todas las cifras salieron de las notas y ninguna viñeta pasó de 24 palabras. La cuarta regla se aplicó cada vez, siempre a la misma línea. En la segunda ejecución decía: “La viñeta de los informes se queda sencilla porque tus notas no describen cómo los informes orientaron decisiones, ahorraron tiempo o mejoraron resultados.”

El experto que no cambió nada

Para el resumen profesional se compararon dos prompts breves. Uno era una sola línea: “Escribe un resumen profesional para mi CV.” El otro empezaba como muchos de los prompts publicados: “Actúa como un redactor de currículums experto con 20 años de experiencia. Escribe un resumen profesional convincente para mi CV que capte la atención de un reclutador.”

La frase central es prácticamente idéntica. En las seis ejecuciones, los resúmenes tuvieron entre 45 y 56 palabras, cinco de los seis usaron la expresión “centrado en el cliente” y ninguno incluyó un solo resultado, porque el CV no ofrece ninguno. Veinte años de experiencia imaginaria no aportaron ni uno.

Encaja con lo que los Generative AI Labs de Wharton publicaron en diciembre de 2025. Probaron seis modelos con preguntas difíciles de opción múltiple y concluyeron que asignar un rol de experto “no mejora la precisión de forma fiable”. Su consejo fue centrarse en “instrucciones específicas de la tarea en lugar de la asignación de un rol”. Las preguntas de opción múltiple no son currículums, y el estudio midió la precisión, no la redacción. Con este CV, al menos, el resultado apuntó en la misma dirección.

Unas instrucciones específicas de la tarea tienen este aspecto:

Las seis versiones, dos por ejecución, tuvieron entre 46 y 52 palabras, y todas las cifras procedían de las notas o de las fechas del CV. Las palabras prohibidas resultaron ser un simple seguro: este modelo no puso ninguna en un resumen ni siquiera cuando se le dejó a su aire.

Adaptar un CV a una oferta de empleo

La adaptación se probó con tres prompts. El primero era una línea: “Adapta mi CV a esta oferta de empleo.” El segundo es del tipo que promete burlar al sistema de seguimiento de candidatos (ATS): “Actúa como un redactor de currículums experto y especialista en ATS. Reescribe mi CV para que se ajuste lo más posible a esta oferta de empleo y supere el ATS. Incluye todas las palabras clave importantes de la oferta.”

Ninguno de los dos convirtió a Tessa en usuaria de Klaviyo. En las seis ejecuciones, el modelo cambió el objetivo profesional por un resumen, corrigió las erratas, ordenó las fechas, bajó la viñeta de Instagram al final y no añadió ninguna herramienta que el CV no mencionara. Lo más parecido a una invención fueron detalles menores. En las seis ejecuciones, el sistema de pedidos de la librería pasó a ser un “sistema de gestión de pedidos” y las bebidas que preparaba como barista se convirtieron en bebidas de café, y cada ejecución del prompt de palabras clave añadió una viñeta de barista sobre la atención al cliente en una cafetería “de ritmo intenso”. Cada respuesta a ese prompt terminaba con una advertencia; una de ellas, que “la coincidencia de palabras clave por sí sola no garantiza superar un ATS”.

El CV quedaba, pues, a salvo, pero no mejor. En la primera ejecución del prompt de palabras clave, la viñeta principal decía: “Coordino el boletín semanal por correo electrónico y mantengo un calendario de campañas constante y una comunicación regular con los clientes.” El tercer prompt incluía las notas y seis reglas:

Este es un CV que un responsable de contratación puede valorar. En esta ejecución, el boletín se ha convertido en “campañas semanales de correo electrónico”, siguiendo las “campañas semanales” de la oferta, y todas las cifras proceden de las notas. Cada ejecución produjo además la lista que pedía la regla cinco, y las tres veces tenía 16 elementos.

La lista muestra lo literalmente que el modelo leyó las reglas. Como se le pidió no suavizar, lo enumeró todo, hasta un amor por el café que no estaba “declarado”, aunque Tessa fue barista y está suscrita a Tidewick. Como se le pidió no cambiar fechas, dejó “08/2020 - 5/22” exactamente como ella lo había escrito en las tres ejecuciones, cuando con el prompt de una línea había ordenado esa misma línea sin que nadie se lo pidiera. La guía de prompts para GPT-5 de OpenAI, un modelo anterior, dice que este “sigue las instrucciones del prompt con precisión quirúrgica”, y GPT-6.1 hizo lo mismo aquí. Las reglas protegen los datos, pero también protegen los errores, así que el resultado hay que leerlo igualmente. De las 16 carencias, merece la pena preparar una respuesta para unas pocas: Klaviyo, los SMS, la persona a cargo, la segmentación y los demás flujos automatizados.

Una crítica con la oferta delante

La crítica fue la única tarea en la que el prompt corto estuvo a la altura. “¿Puedes revisar mi CV?” encontró los siete fallos sembrados en el CV, en las tres ejecuciones: el objetivo vacío, las funciones sin resultados, las dos erratas, los formatos de fecha mezclados, la lista de habilidades inflada y “Referencias disponibles si se solicitan”. Una ejecución advirtió además que el número de teléfono no tenía prefijo. Después, cada una reescribió parte del CV o el CV entero sin que se le pidiera.

Lo que el prompt corto no podía decir era si el CV superaría este filtro en concreto, porque no había visto la oferta. El prompt más largo se la da:

Todas las respuestas completas empezaron con un no y pusieron primero los problemas que ninguna corrección puede arreglar:

Este prompt también produjo los únicos fallos claros del experimento. En su primera redacción, pedía al modelo que “citara la línea exacta” de cada problema. En tres de seis ejecuciones, la respuesta se cortó en el mismo punto, a mitad de citar la línea de habilidades:

No se sabe por qué ocurrió. Cuando la instrucción se cambió por la redacción que aparece arriba, cuatro de cuatro ejecuciones terminaron. La lección práctica es más sencilla: una respuesta que parece errónea puede ser solo una mala ejecución, y volver a preguntar no cuesta nada.

La carta de presentación, y un segundo modelo

Cuando se le pidió en una línea “Escribe una carta de presentación para este puesto”, el modelo escribió tres cartas de entre 242 y 263 palabras. Las tres eran honestas, pues admitían que la experiencia de Tessa es con Mailchimp y no con Klaviyo, y ninguna incluía cifra alguna sobre su trabajo. Una línea típica: “Trabajar en los correos de carrito abandonado me ha dado experiencia en una parte importante del recorrido del cliente”.

Las tres cartas tuvieron 196, 198 y 200 palabras. Son rígidas, y “Quiero este puesto porque” es una frase que nadie conservaría. Pero cada frase se puede defender en una entrevista, que era el propósito de las reglas.

Las reglas importan más con un modelo que se toma más libertades. El mismo prompt de una línea se le dio dos veces a Claude Fable 5.1, que una comparativa anterior entre ambos consideró mejor redactor y más dado a tomarse libertades con los datos.

El CV no dice nada de las mañanas de Tessa, y sus notas dicen que nunca ha hecho marketing por SMS. Debajo de la carta, el modelo añadió que la línea sobre Klaviyo “da por hecho que de verdad empezarás sus cursos gratuitos”. Con las seis reglas, las dos cartas de Claude se ciñeron a las notas. La desviación más clara fue que ambas atribuían a las pruebas de asuntos parte de la subida de la tasa de apertura, algo que las notas no afirman. Una de las cartas tenía además una frase mejor que cualquiera de las notas: “Me gustaría escribir los correos que ya leo.”

Claude se tomó las mismas libertades al adaptar. Con el prompt de palabras clave, uno de sus CV le dio a Tessa el puesto de “Coordinadora de marketing (responsable de email marketing)”. Para un borrador que ya existe, hay un prompt que lo coteja con el original:

Con ese CV, GPT-6.1 enumeró 19, 22 y 24 afirmaciones sin respaldo en tres ejecuciones. Las tres detectaron el nuevo puesto y la segmentación de listas, que no aparece en ninguna parte del original. Las tres objetaron también “Preparé bebidas de espresso”, con el argumento de que el CV dice solo “Preparé bebidas”.

Lo que tienen en común los prompts de ChatGPT que funcionan

Puestos uno al lado del otro, los prompts que funcionaron tienen las mismas tres partes. Aportan los datos: las cifras, las herramientas, lo que se escribió y aquello en lo que solo se ayudó. Dicen qué no debe cambiar. Y le dan al modelo un sitio donde poner lo que no puede respaldar, una lista “Sin cubrir” o una nota de que una viñeta se queda sencilla, para que un hueco no tenga que rellenarse con algo que suene mejor.

La documentación de OpenAI compara un modelo de razonamiento con “un compañero de trabajo veterano” al que se le puede dar un objetivo y confiar en que “resuelva los detalles”. La de Anthropic pide a los usuarios que piensen en Claude como “un empleado brillante pero nuevo, al que le falta contexto”. En un CV, los detalles son el contexto, y solo los tiene el candidato. Ninguna elección de palabras recuperará una tasa de apertura que nunca se le dio al modelo.

Los prompts deben ir acompañados de dos advertencias. Un CV contiene datos personales. Un estudio de Stanford sobre las políticas de privacidad de seis desarrolladores estadounidenses de IA, publicado en 2025, concluyó que los seis parecían usar por defecto los datos de los chats para entrenar sus modelos. El consejo que lo acompañaba era desactivar esa opción siempre que fuera posible, y el número de teléfono y la dirección postal se pueden borrar antes de pegar el CV. La segunda advertencia es que la adaptación tiene un límite. Un reclutador sénior dijo en 2024 a SHRM (la asociación estadounidense de profesionales de recursos humanos) que un CV moldeado a una oferta se detecta fácilmente porque “todas y cada una de las palabras clave aparecen en el CV de esta persona”, y que la IA “inflará la experiencia en cuanto a funciones”. Otro artículo analiza hasta qué punto los reclutadores saben distinguir un CV escrito por IA de uno escrito por una persona.

¿Y el prompt copiado de una lista, con su experto y sus resultados medibles? Con este modelo hizo poco daño: ninguna ejecución inventó una cifra, una herramienta ni un puesto. Devolvió el CV que recibió, con palabras más largas y con huecos donde deberían ir los datos. Diez minutos rinden más si se dedican a las notas: cuántos, con qué frecuencia, qué cambió, y lo que nunca se ha hecho. El prompt que las rodea puede ser corto.

Cómo te ayuda UseResume

En una ventana de chat, las notas, las reglas y la revisión quedan en manos de quien escribe. UseResume está hecho específicamente para currículums, así que parte de ese trabajo ya forma parte del producto. Importa un CV existente o un perfil de LinkedIn, o crea uno a partir de preguntas guiadas, y su creador de CV con IA redacta el resumen profesional y las viñetas en una plantilla compatible con ATS, donde puedes editar cada sugerencia.

Pega una oferta de empleo y la herramienta de adaptación te muestra qué palabras clave de la oferta se encuentran en tu CV y cuáles faltan, algo muy parecido a una lista “Sin cubrir” sin necesidad de prompt. Después, el analizador de CV puntúa el resultado con 37 verificaciones, y el creador de cartas de presentación trabaja a partir del mismo CV y la misma oferta.

Crea tu cuenta y empieza con el CV que ya tienes.