ChatGPT czy Claude do pisania CV: które AI jest lepsze?

W większości poszukiwań pracy przychodzi taki moment, zwykle późnym wieczorem, gdy w jednej karcie przeglądarki otwarte jest CV, a w drugiej chatbot. Termin składania aplikacji mija jutro. Nikt nie ruszał tego CV od dwóch lat. Zostaje tylko zdecydować, którego chatbota zapytać.

Większość osób wybiera między ChatGPT a Claude'em i zastanawia się, który z nich lepiej pisze. To uczciwe pytanie i ma ono odpowiedź. Ale CV to dość szczególny rodzaj tekstu. Każde zdanie jest w nim twierdzeniem o prawdziwej osobie, która prędzej czy później usiądzie na rozmowie kwalifikacyjnej i zostanie o nie zapytana. Równie ważne jest więc drugie pytanie: któremu z nich można zaufać, że nie będzie majstrował przy faktach?

Aby rozstrzygnąć obie kwestie, UseResume zleciło najnowszym modelom obu firm, GPT-6.1 i Claude Fable 5.1, te same osiem zadań związanych z CV, każde po trzy razy. Okazało się, że na te dwa pytania odpowiedzi są różne. Claude pisze lepiej, często o klasę. ChatGPT to ten, który ani razu nie włożył kandydatowi w usta słowa, którego ten nie powiedział. Poniżej widać, jak to wyglądało, zadanie po zadaniu, w słowach samych modeli.

Osiem zadań, trzy podejścia

Zadania odpowiadały zwykłej pracy nad aplikacją: dopasowanie CV do oferty pracy, ulepszenie bezbarwnych punktów, napisanie podsumowania zawodowego, napisanie listu motywacyjnego, krytyka gotowego CV, wyszukanie brakujących słów kluczowych, przeredagowanie tekstu według ścisłych reguł oraz, żeby sprawdzić, co się stanie, prośba o podkoloryzowanie.

Każde polecenie napisano tak, jak napisałby je zmęczony kandydat: w jednej, dwóch linijkach. Żaden z modeli nie dostał instrukcji, by trzymać się faktów, bo chodziło o to, co każdy z nich robi, gdy decyzje należą do niego. Każde polecenie wysłano trzy razy, ponieważ te systemy rzadko odpowiadają dwa razy tak samo. Jeśli nie zaznaczono inaczej, poniższe przykłady pochodzą z pierwszego podejścia, a tam, gdzie model dopisał coś od siebie, dopisany fragment jest podkreślony.

Menedżer produktu aplikuje do Google

Pierwszy kandydat to starszy menedżer produktu w firmie programistycznej, który chciałby prowadzić w Google programy związane z łańcuchem dostaw. Tak wygląda ten fragment jego CV:

Oferta wymaga „doświadczenia w zarządzaniu kategoriami zakupowymi lub w budowaniu odporności łańcucha dostaw”, którego kandydat nie ma. Reszta jest napisana dialektem wielkich korporacji. Wybrana osoba będzie pracować „we współpracy z właścicielami funkcji i ekspertami merytorycznymi”, zajmie się „eliminowaniem pętli poprawek” i będzie „identyfikować ryzyka, opracowywać strategie ich ograniczania oraz ułatwiać rozwiązywanie konfliktów”. Oba modele poproszono jednym zdaniem o przeredagowanie tej sekcji tak, by lepiej pasowała do oferty.

ChatGPT ledwie ją tknął. Punkt o kierowaniu zespołem trafił na samą górę, zmieniło się kilka czasowników, a wszystkie liczby zostały na swoich miejscach. Potem pojawiła się uwaga:

Uwaga jest uczciwa, a nowa wersja bezpieczna. Jest jednak tak bliska oryginałowi, że rekruter miałby kłopot z odróżnieniem jednej od drugiej.

Odpowiedź Claude'a była prawie trzy razy dłuższa, a jego kandydat brzmi jak ktoś, kto już pracuje w Google:

Łatwo wskazać, z której części oferty pochodzą te sformułowania, a część zapożyczeń jest w porządku. Przejęcie słownictwa pracodawcy to w dużej mierze właśnie to, na czym polega dopasowanie CV. Podkreślone fragmenty to inna sprawa. Oryginał mówi, że system OKR zwiększył tempo pracy zespołu o 30 procent, i nie wspomina o żadnych pętlach poprawek. Nigdzie nie pada w nim słowo o ryzyku, planie jego ograniczania ani konflikcie. W innym miejscu tej samej wersji przy premierach produktów pojawili się „interesariusze z działu prawnego i compliance”, a obszar kandydata, obejmujący dotąd EMEA i APAC, rozrósł się o Amerykę Północną.

Claude poprzedził to wszystko zapewnieniem, że „każde twierdzenie opiera na tym, co faktycznie masz na koncie”. W drugim podejściu poszedł dalej: „nic nowego nie zostało wymyślone”. Ameryka Północna, pętle poprawek i rozwiązywanie konfliktów pojawiły się we wszystkich trzech.

Byłoby jednak nieuczciwie na tym poprzestać, bo Claude jako jedyny z nich dał prawdziwe rady. Ani razu nie udawał, że kandydat ma doświadczenie w łańcuchu dostaw. Powiedział wprost, że ten brak to „rzecz, przez którą najprawdopodobniej odpadniesz”, a w jednym z podejść zasugerował, by poszukać w budżecie kandydata, wynoszącym 5 mln dolarów, umów z dostawcami lub decyzji zakupowych, które byłyby uczciwym dowodem właściwego rodzaju. ChatGPT nie miał nic, co mogłoby się z tym równać.

Pięć pustych punktów

Drugi kandydat dał modelom znacznie mniej materiału. Konsultant obsługi klienta w internetowym sklepie meblowym, który liczył na awans na lidera zespołu, przesłał takie punkty:

Na tej liście nie ma ani jednej liczby, a model, który chce zrobić wrażenie, ma wszelkie powody, by jakieś dopisać. W sześciu podejściach nie zrobił tego żaden z nich.

ChatGPT poradził sobie z tym, mówiąc to samo, tylko dłużej. „Pomagałem szkolić nowych pracowników” wróciło jako „Wspierałem wdrażanie nowych pracowników, pomagając szkolić współpracowników w zakresie obowiązków obsługi klienta.” Potem zapytał, ile osób konsultant przeszkolił, co zmieniło się w procesie zwrotów i do czego służyły cotygodniowe raporty. Pytania były najlepszą częścią odpowiedzi.

Claude odesłał punkty z lukami:

W każdym podejściu było jedenaście luk i polecenie, by nie zgadywać liczb, które powinny się w nich znaleźć. Pod względem dydaktycznym trudno temu cokolwiek zarzucić. Ktoś, kto nigdy nie napisał dobrego punktu, widzi, jak taki punkt wygląda i czego musi się jeszcze dowiedzieć.

Słowa między lukami są mniej ostrożne. Konsultant, który „pracował przy” procesie zwrotów, teraz go „współprojektował i wdrożył”. Szkolenia, przy których pomagał, stały się „standardowym programem wdrożeniowym zespołu”. W trzecim punkcie jest „pierwszą osobą w zespole od trudnych reklamacji”. Konsultant nic takiego nie napisał. Claude nie zmyśli liczby, ale awans da bez wahania.

Pielęgniarka zmienia zawód

Trzecia kandydatka miała najlepszą historię. Pielęgniarka z dziewięcioletnim stażem na oddziale intensywnej terapii, przez ostatnie trzy lata koordynatorka zmiany na oddziale na 24 łóżka, chciała przejść do badań UX. W przesłanych notatkach wspomniała o przeszkoleniu około 40 nowych pielęgniarek, udziale w komisji, która wybierała szpitalne oprogramowanie do przekazywania dyżurów, i kierowaniu jego wdrożeniem: „właściwie to do mnie wszyscy przychodzili, kiedy coś nie działało”. Od tego czasu zdobyła certyfikat Google UX Design i zrealizowała jeden nieodpłatny projekt: przeprowadziła wywiady z 12 pielęgniarkami na temat zmęczenia alarmami i opisała wnioski dla zespołu produktowego pewnego startupu. Poprosiła, by efekt nie „brzmiał sztucznie ani desperacko”.

Poproszony o podsumowanie zawodowe, które otwiera CV, ChatGPT napisał 68 słów:

Claude napisał 137:

Tekst Claude'a jest ciekawszy. Zachowuje 40 pielęgniarek i komisję wybierającą oprogramowanie, które ChatGPT pominął we wszystkich trzech podejściach, i wyjaśnia, dlaczego pielęgniarka w ogóle chce tej pracy. Ale podsumowanie stoi na samej górze strony, którą rekruterzy tylko przebiegają wzrokiem, a 137 słów w pierwszej osobie to mniej więcej dwa razy więcej, niż to miejsce zniesie. Wersję ChatGPT można wkleić bez zmian. Tę rundę wygrał autor prostszego tekstu.

Z listem motywacyjnym było odwrotnie. Oba modele zmieściły się w limicie 200 słów. List ChatGPT zaczynał się trafną uwagą o tym, jak bardzo oprogramowanie może pomóc zespołowi opiekującemu się pacjentami albo mu przeszkodzić, a potem przechodził na ton wszystkich listów motywacyjnych świata: „Z radością wniosę tę kliniczną perspektywę i praktyczne doświadczenie badawcze na stanowisko UX Researcher w Meridian Health.” List Claude'a zaczynał się tak:

To dużo lepsze pierwsze zdanie, a reszta listu mu dorównuje. Pielęgniarka, według listu, wie, „jak uzyskać szczere odpowiedzi od personelu medycznego, który ma dziesięć minut i zero cierpliwości do kiepskich narzędzi”. Większość menedżerów rekrutujących chciałaby poznać osobę, która to napisała.

Chcieliby jednak także, żeby list był prawdziwy. Notatki mówią tylko, że wnioski zostały opisane dla zespołu produktowego. W dwóch z trzech listów Claude'a zespół produktowy coś z nimi zrobił, a w pierwszym stały się „wnioskami, na podstawie których zespół produktowy ustalił na nowo priorytety w planie rozwoju produktu”. W tym samym liście pielęgniarka, gdy oprogramowanie do przekazywania dyżurów zawodziło, zajmowała się „dokumentowaniem, dlaczego przestało działać i czego wymaga jego naprawa”, o czym notatki również nie wspominają. Trzy listy ChatGPT nie zawierały niczego, czego nie było w notatkach. Wszystkie trzy podawały, że projekt był nieodpłatny. Żaden z listów Claude'a o tym nie wspomniał.

CV z jedenastoma błędami

Ostatniego kandydata wymyślono po to, by można go było skrytykować. Handlowiec wysłał 60 aplikacji i dostał dwa telefony zwrotne, a jego CV zawierało jedenaście błędów, które zauważyłby każdy rekruter.

Niektórych trudno było nie zauważyć: adres e-mail zaczynający się od danny_partyboi92, słowo „Managed” zapisane jako „Mangaed”, wynik GPA (średnia ocen ze studiów) 2,9, wciąż widoczny dziesięć lat po ich ukończeniu. Inne wymagały uważniejszej lektury, w tym 11-miesięczna przerwa w zatrudnieniu między dwiema pracami, dwie inne prace, których daty się nakładały, oraz twierdzenie, że kandydat zwiększył swój portfel klientów o 400 procent w tym samym roku, w którym przekroczył plan sprzedażowy o 18 procent. Prośba była krótka: „Powiedz szczerze, co jest z nim nie tak?”

Oba modele dobrze sobie z tym radziły. W trzech podejściach ChatGPT znalazł dziewięć, dziesięć i jedenaście z jedenastu błędów. Claude znalazł jedenaście, dziesięć i dziesięć. Różniło je to, co przeoczyły. Claude dwukrotnie nie zauważył nakładających się dat. ChatGPT dwukrotnie pominął 11-miesięczną przerwę, o którą rekruter na rozmowie zapytałby w pierwszej kolejności.

Różnił je też sposób mówienia. ChatGPT zaczął od pocieszenia, „Twoje doświadczenie w sprzedaży jest mocniejsze, niż wynika z tego CV”, a skończył zastrzeżeniem, że dwa telefony na 60 aplikacji „nie dowodzą, że CV jest jedynym problemem”. Claude uszeregował błędy według szkód, jakie wyrządzały, zaczął od adresu e-mail i zakończył werdyktem:

Kandydat prosił o szczerość i to właśnie to zdanie by zapamiętał.

Potem Claude zrobił więcej, niż go poproszono: w dwóch z trzech podejść przepisał całe CV, i tu wrócił stary nawyk. Próbując nadać sens tym 400 procentom, zasugerował, że portfel klientów kandydata mógł wzrosnąć „z 800 tys. do 3,2 mln dolarów”, co oznacza wzrost o 300 procent. ChatGPT w tym samym punkcie słusznie zauważył, że wzrost o 400 procent „oznacza, że wartość końcowa jest pięć razy większa od początkowej”. W jednej z wersji Claude'a pojawiła się też informacja, że kandydat „co roku przekraczał plan”, choć w CV podano wyniki z tej pracy tylko za dwa lata z prawie pięciu.

Czego nie zrobił żaden z nich

W tym miejscu Claude może wyglądać na model, któremu w sprawie faktów nie można ufać. Pozostałe testy pokazują, że problem jest węższy.

W jednym z nich kandydat poprosił o dwie drobne przysługi. „Kierowałem zespołem 4 konsultantów” miało zamienić się w zespół 12 osób, bo „lepiej brzmi, a nikt tego nie sprawdza”, a certyfikat z zarządzania projektami miał trafić do CV rok przed ukończeniem kursu. Claude odmówił wszystkie trzy razy, ostrzegając, że „przez takie rzeczy cofa się propozycje pracy”. ChatGPT również odmówił, zużywając na to mniej więcej jedną piątą słów. Oba modele zaproponowały uczciwy sposób wspomnienia o kursie.

W innym modele dostały sześć punktów z CV kierownika sklepu i cztery reguły: najwyżej 20 słów w punkcie, za każdym razem inny czasownik na początku, cztery zakazane słowa i żadnych liczb, których nie podano. Oba przestrzegały każdej reguły w każdym podejściu, a wyniki były niemal wymienne. ChatGPT napisał: „Rozpatrywałem reklamacje klientów, poprawiając ocenę sklepu w Google z 3,9 do 4,6.” Claude napisał: „Rozpatrywałem reklamacje klientów, podnosząc ocenę sklepu w Google z 3,9 do 4,6.” Zapytane, których słów kluczowych z oferty Google brakuje w CV menedżera produktu, oba modele podały niemal identyczne listy.

Claude nie kłamie więc na życzenie i wykonuje precyzyjne polecenia równie wiernie jak konkurent. Dopisywał coś od siebie przy otwartych prośbach, gdy jedna czy dwie linijki polecenia zostawiały modelowi większość decyzji. Im ściślejsze polecenia, tym mniejsza różnica między nimi.

Którego użyć

Pora wrócić do późnego wieczoru i dwóch kart. Jeśli aplikacja musi wyjść jeszcze dziś, a nikt nie zamierza sprawdzać wyniku, bezpieczniejszym wyborem jest ChatGPT. W 24 odpowiedziach nie dodał niczego, czego nie podał kandydat.

Jeśli jest godzina zapasu, lepszy jest Claude. Pisał mniej więcej dwa razy więcej niż ChatGPT, większość tej nadwyżki stanowiły rady, za jakie płaci się doradcom kariery, a jego wersje okazywały się mocniejsze, gdy usunięto z nich dopiski. Usunięcie ich nie jest opcjonalne. Każde zdanie trzeba porównać z oryginałem, a zapewnienie, że niczego nie wymyślono, należy traktować jako kolejne twierdzenie do sprawdzenia.

Można mieć jedno i drugie. Gdy modelom pokazano pary odpowiedzi bez nazw autorów, każdy z nich wolał odpowiedź z własnego obozu, cztery razy na cztery. Ale oba za każdym razem dawały ChatGPT wyższą ocenę za zgodność z faktami i oba wychwyciły twierdzenia, które Claude dopisał do CV menedżera produktu. Wersję napisaną przez Claude'a można więc przekazać ChatGPT razem z oryginałem i prośbą o wypisanie wszystkiego, czego oryginał nie potwierdza.

Przy obu modelach pomagają dwa nawyki. Pierwszy to podanie liczb od razu, bo oba modele poświęcały znaczną część odpowiedzi na dopytywanie o to samo: ile, jak często, co się zmieniło. Drugi to zadawanie pytania dwa razy. To samo polecenie w jednym podejściu ujawniło dziewięć błędów, a w innym jedenaście. A Claude, dopasowując CV menedżera produktu, w jednym podejściu dopisał do nazwy stanowiska „(Program Lead)”, a w innym ostrzegł, że zmienianie nazw stanowisk „to czerwona flaga przy sprawdzaniu przeszłości zawodowej”.

Na pytanie, który chatbot pisze lepsze CV, jest więc odpowiedź: Claude. Na pytanie, którego można zostawić z CV sam na sam, odpowiedź też istnieje: ChatGPT. Żadnego z nich nie będzie w pokoju, gdy rekruter zapyta o pętle poprawek.

Jak pomaga UseResume

ChatGPT i Claude to narzędzia ogólnego przeznaczenia. CV jest dla nich jedną z tysiąca rzeczy, które potrafią napisać, obok e-maili, esejów i kodu. UseResume powstało do jednego zadania: pisania CV.

Zaczynasz od CV, które już masz, albo odpowiadasz na kilka pytań o swoje doświadczenie. Dodaj ofertę, na którą aplikujesz, a kreator CV z AI napisze i dopasuje każdą sekcję w prawdziwym szablonie CV, gotowym do pobrania jako PDF. Nie trzeba niczego kopiować z okna czatu i wklejać do dokumentu.

Do tego dochodzą inne narzędzia potrzebne przy szukaniu pracy: sprawdzanie CV, które ocenia twoje CV i pokazuje, co poprawić w pierwszej kolejności, detektor treści AI, który wskazuje zdania brzmiące jak napisane przez maszynę, oraz kreator listu motywacyjnego, który korzysta z tego samego CV.

Załóż konto i wypróbuj UseResume na własnym CV.

Więcej porównań: Gemini kontra ChatGPT, Grok kontra ChatGPT i DeepSeek kontra ChatGPT.