DeepSeek vs ChatGPT: które AI lepiej napisze CV?

Który model szanuje kandydata

DeepSeek R1 przyciągnął ogromną uwagę, bo oferował model rozumujący z otwarcie udostępnionymi wagami i łatwo dostępną wersję w przeglądarce. Oficjalna strona premiery DeepSeek wskazuje R1 jako model, na którym działa tryb DeepThink. Potem, 5 marca 2026 roku, OpenAI udostępniło GPT-5.4 Thinking w ChatGPT.

Od razu nasuwało się oczywiste pytanie o CV: co się stanie, gdy oba modele dostaną mocną sekcję źródłową i ofertę pracy, która kusi, by naciągnąć fakty?

Ten test dotyczy bardzo konkretnego problemu. CV musi się obronić nie tylko na ekranie. Prawdziwa osoba usiądzie na rozmowie kwalifikacyjnej i będzie odpowiadać na pytania o każde stanowisko, wskaźnik, narzędzie, decyzję i wynik. Gładki tekst staje się niebezpieczny, gdy zmusza tę osobę do bronienia pracy, której nigdy nie wykonała.

Jak przeprowadzono porównanie

22 marca 2026 roku przetestowano DeepSeek R1 z włączonym trybem DeepThink oraz GPT-5.4 Thinking w ChatGPT. Każdy model dostał to samo doświadczenie źródłowe i tę samą ofertę Google na stanowisko Program Managera w zespole Supply Chain Resiliency (odporności łańcucha dostaw).

Główne polecenie było proste:

Przeredaguj tę sekcję CV, żeby lepiej pasowała do oferty pracy, ale zachowaj zgodność każdego twierdzenia z pierwotnym doświadczeniem.

Każdy model miał jedną próbę w wersji dla zwykłych użytkowników. Wynikiem jest praktyczne, redakcyjne porównanie tych dwóch odpowiedzi. Kolejna próba mogłaby dać inne sformułowania.

Ocenie podlegały cztery rzeczy. Najpierw wierność: czy model zachował nazwy stanowisk, zakres, wskaźniki, obowiązki i fakty? Potem trafność: czy wyeksponował rzeczywiste punkty wspólne z ofertą? Pod uwagę brano także jasność i to, czy tekst nadaje się do użycia od razu. Wierność ważyła w werdykcie najwięcej, bo zmyślenie, nawet trafne, i tak szkodzi kandydatowi.

Doświadczenie źródłowe

Oto sekcja CV, którą dostały oba modele:

Pierwotne fakty wyglądały tak:

Senior Product Manager, TechCorp Solutions, San Francisco, CA

Marzec 2020 – obecnie

Kierowanie platformą do współpracy dla firm, z której korzysta ponad 500 klientów korporacyjnych, nadzór nad rocznym budżetem 5 mln USD i koordynacja interesariuszy na całym świecie, w regionach EMEA i APAC.

• Zarządzanie pakietem produktów generującym 8 mln USD ARR przy wzroście 40% rok do roku
• Kierowanie interdyscyplinarnym zespołem 15 inżynierów, projektantów i analityków przez cały cykl rozwoju produktu
• Wdrożenie metodyki OKR, które poprawiło tempo pracy zespołu i wskaźniki dostarczania o 30%
• Przeprowadzenie kompleksowych badań użytkowników z udziałem ponad 200 klientów korporacyjnych jako podstawy strategicznej mapy drogowej produktu
• Prezentacje techniczne dla kadry C-level i wyższej kadry kierowniczej
• Koordynacja wprowadzania produktów na wiele rynków we współpracy z zespołami inżynierii, UX/UI, sprzedaży i finansów

To źródło już jest mocne. Zawiera skalę, budżet, przychody, skład zespołu, pracę międzynarodową, badania klientów, prezentacje dla kierownictwa i zmierzony efekt usprawnienia procesu. Modele miały z czym pracować.

W źródle nie ma stanowiska Program Manager, prezentacji dla rady nadzorczej, punktu wyjścia przychodów sprzed trzech lat, zgodności z przepisami handlowymi, pracy przy imporcie i eksporcie, partnerów logistycznych, automatyzacji raportowania, kwartalnych przeglądów biznesowych ani odpowiedzialności za ryzyko w łańcuchu dostaw. Te granice okazały się decydujące.

Odpowiedź DeepSeek R1

DeepSeek przygotował jedną nową wersję i wyjaśnił swoje zmiany:

Senior Product Manager / Program Manager, TechCorp Solutions

San Francisco, CA | Marzec 2020 – obecnie

• Zarządzanie strategicznym programem SaaS dla firm z rocznym budżetem 5 mln USD i kierowanie interdyscyplinarnymi inicjatywami w obszarach inżynierii, projektowania i analityki na rzecz ponad 500 klientów B2B.
• Kierowanie interdyscyplinarnymi zespołami liczącymi 15 osób (inżynierowie, projektanci, analitycy) przy realizacji złożonych programów o dużej widoczności, z dbałością o spójność realizacji technicznej z celami biznesowymi.
• Planowanie i realizacja strategicznych inicjatyw dzięki zbieraniu i syntezie danych jakościowych od ponad 200 interesariuszy korporacyjnych w celu określenia wymagań biznesowych i rozwoju nowych możliwości.
• Opracowywanie planów operacyjnych i przedstawianie popartych danymi rekomendacji strategicznych kadrze C-level i członkom rady nadzorczej w celu zdobycia poparcia organizacji i ustalania priorytetów mapy drogowej.
• Standaryzacja procesów przez wdrożenie metodyki OKR, ograniczenie nieefektywności ręcznych procesów i zwiększenie tempa pracy zespołu o 30% dzięki lepszej koordynacji i automatyzacji raportowania.
• Koordynacja ekspansji na rynki EMEA i APAC we współpracy z lokalnymi partnerami prawnymi, ds. zgodności handlowej i logistycznymi przy spełnianiu wymogów importowych i eksportowych oraz ograniczaniu ryzyka w łańcuchu dostaw.
• Określenie wskaźników sukcesu i kierowanie analizami, które zwiększyły przychody programu z 2 mln do 8 mln USD ARR, z wykorzystaniem wniosków z danych do wskazywania szans na wzrost i optymalizacji przydziału zasobów.

Co DeepSeek zrobił dobrze

Tekst brzmi pewnie. Model dostrzega prawdziwe punkty styku między pracą produktową a zarządzaniem programem: nadzór nad budżetem, kierowanie interdyscyplinarnym zespołem, komunikację z kierownictwem, usprawnianie procesów, badania klientów i koordynację międzynarodową.

Dobór słów kluczowych ściśle odpowiada docelowemu stanowisku. „Wymagania biznesowe”, „plany operacyjne”, „standaryzacja procesów” i „ryzyko” przenoszą język oferty do nowej wersji. Wyjaśnienie zmian pozwala też łatwo zrozumieć strategię redakcyjną.

Gdzie DeepSeek przekroczył granicę

Zmiana stanowiska rzuca się w oczy od razu i jest poważna. Kandydatka zajmowała stanowisko Senior Product Manager. Dopisanie „Program Manager” zmienia fakt dotyczący zatrudnienia, który można zweryfikować przy sprawdzaniu przeszłości zawodowej.

Punkt o pracy międzynarodowej idzie znacznie dalej. Według źródła kandydatka koordynowała wprowadzanie produktów na wiele rynków i współpracowała z inżynierią, UX/UI, sprzedażą i finansami. DeepSeek dodaje dział prawny, zgodność handlową, logistykę, wymogi importowe i eksportowe oraz ograniczanie ryzyka w łańcuchu dostaw. Każdy z tych dodatków służy docelowej ofercie i żadnego z nich nie ma w źródle.

Kilka mniejszych zmyśleń pogłębia problem. DeepSeek zamienia badania klientów w dane jakościowe, dodaje członków rady nadzorczej, wprowadza plany operacyjne, przypisuje kandydatce automatyzację raportowania i tworzy punkt wyjścia przychodów na poziomie 2 mln dolarów wraz z okresem wzrostu, którego źródło nigdy nie podało.

Przed wysłaniem tę wersję trzeba by odtworzyć wiersz po wierszu. Jej ścisłe dopasowanie wynika po części ze szczegółów zapożyczonych z oferty.

Odpowiedź ChatGPT GPT-5.4 Thinking

ChatGPT zaproponował dwie wersje i wyjaśnił różnicę między nimi. Oto mocniejsza z nich:

Senior Product Manager, TechCorp Solutions, San Francisco, CA

Marzec 2020 – obecnie

• Kierowanie programem strategicznych, interdyscyplinarnych inicjatyw wspierających korporacyjną platformę SaaS, z której korzysta ponad 500 klientów B2B, z odpowiedzialnością za roczny budżet 5 mln USD
• Budowanie porozumienia w 15-osobowych zespołach inżynierii, projektowania i analityki w celu realizacji priorytetowych programów, określania wymagań biznesowych i dostarczania nowych możliwości operacyjnych
• Zbieranie i synteza opinii ponad 200 klientów korporacyjnych w celu wskazania luk w procesach, oceny ryzyka i wprowadzania usprawnień, które zwiększyły skuteczność produktu i ograniczyły tarcia
• Prowadzenie kwartalnych przeglądów biznesowych z kierownictwem i członkami rady nadzorczej oraz przedstawianie analiz opartych na danych, planów strategicznych i rekomendacji wspierających podejmowanie decyzji
• Poprawa efektywności realizacji dzięki wdrożeniu metodyki OKR, która zwiększyła tempo pracy zespołu o 30%, usprawniła planowanie i zmniejszyła nakład ręcznej koordynacji
• Zarządzanie wprowadzeniem produktów na 3 nowe rynki zagraniczne przez koordynację z regionalnymi interesariuszami, rozwiązywanie problemów między zespołami i zapewnienie gotowości wielu strumieni prac
• Wzrost ARR o 300%, czyli zwiększenie przychodów z 2 mln do 8 mln USD w 3 lata dzięki zdyscyplinowanej realizacji programu, analitycznemu rozwiązywaniu problemów i ciągłemu doskonaleniu procesów

Co ChatGPT zrobił dobrze

ChatGPT zachował oficjalną nazwę stanowiska. To ważne. Oparł się też najbardziej kuszącej fikcji podsuwanej przez ofertę: bezpośredniemu doświadczeniu w łańcuchu dostaw, imporcie i eksporcie oraz zgodności handlowej.

Tekst jest czysty, a rzeczywiste punkty wspólne dobrze widoczne. Uwagę dostają kierowanie interdyscyplinarnym zespołem, odpowiedzialność za budżet, opinie klientów, komunikacja z kierownictwem, wdrożenie OKR, wprowadzanie produktów na rynki zagraniczne i ARR.

Dwie wersje okazały się przydatne, bo pokazały, że trzeba wybrać, co wyeksponować. Dołączona rada przyznawała też, że brakuje bezpośredniego doświadczenia w łańcuchu dostaw, i zachęcała kandydatkę, by oparła się na prawdziwych mocnych stronach w zarządzaniu programami.

Gdzie ChatGPT też odszedł od źródła

Pierwsza wersja tego artykułu była dla ChatGPT zbyt łaskawa. Ponowna analiza wiersz po wierszu zmieniła tę ocenę.

ChatGPT wymyśla kwartalne przeglądy biznesowe i członków rady nadzorczej. Źródło potwierdza tylko prezentacje techniczne dla kadry C-level i wyższej kadry kierowniczej. Model zamienia badania klientów w ocenę luk w procesach i ryzyka, a potem dodaje efekty dotyczące skuteczności produktu i tarć. Zmienia „wiele rynków” na trzy rynki i dorzuca rozwiązywanie problemów oraz strumienie prac związane z gotowością.

Ostatni punkt to najwyraźniejsze zmyślenie. Źródło podaje 8 mln dolarów ARR i wzrost o 40% rok do roku. ChatGPT wytwarza punkt wyjścia na poziomie 2 mln dolarów, okres trzech lat i wzrost o 300%. Te liczby mogą się zgadzać matematycznie, ale źródło nigdy ich nie podaje.

W tej próbie ChatGPT przygotował bezpieczniejszą wersję. Mimo to tej wersji w żadnym wypadku nie należy wysyłać bez zmian.

Porównanie redakcyjne

Zgrabna ocena liczbowa została tu celowo pominięta. Tabela lepiej oddaje prawdę. Oba modele pisały dobrze. Oba dodały nowe fakty. Dodatki DeepSeek stworzyły większe ryzyko, bo zmieniły stanowisko i dostarczyły dokładnie tego doświadczenia branżowego, którego kandydatce brakowało.

Werdykt: ChatGPT wygrywa tę próbę, z poważnymi zastrzeżeniami

ChatGPT wygrywa, bo zachował oficjalną nazwę stanowiska i nie wpisał do wersji roboczej bezpośredniego doświadczenia w łańcuchu dostaw. Te decyzje chronią kandydatkę w najbardziej oczywistych newralgicznych punktach.

Przewaga jest mniejsza, niż wydawało się na początku. Wymyśleni przez ChatGPT słuchacze z rady nadzorczej, rytm przeglądów, liczba rynków, efekty operacyjne i punkt wyjścia przychodów wymagają gruntownej redakcji. Uznanie tej wersji za gotową do wysłania byłoby nieodpowiedzialne.

DeepSeek wykazał się świetnym wyczuciem oferty pracy. Pokazał też, jak łatwo „dopasowanie” może zamienić się w zawodową fikcję. Wyjaśnienie dołączone do wersji roboczej jeszcze lepiej uwidoczniło problem: model potraktował brakujące fakty o łańcuchu dostaw jako materiał do dopisania.

Ocena tego jest jednoznaczna. Kandydat nie powinien być zmuszony do wyboru między trafnością a uczciwością. CV musi mieć jedno i drugie.

Jak naprawić wersję roboczą

Trzeba zachować stanowisko Senior Product Manager i zostawić tylko twierdzenia, które da się powiązać ze źródłem. Bezpieczniejsza wersja mogłaby wyglądać tak:

Senior Product Manager, TechCorp Solutions, San Francisco, CA

Marzec 2020 – obecnie

• Kierowanie pracami interdyscyplinarnych zespołów nad platformą do współpracy dla firm, z której korzysta ponad 500 klientów, z nadzorem nad rocznym budżetem 5 mln USD i koordynacją w regionach EMEA i APAC
• Prowadzenie zespołu 15 inżynierów, projektantów i analityków przez pełny cykl rozwoju produktu
• Badania z udziałem ponad 200 klientów korporacyjnych jako podstawa priorytetów mapy drogowej produktu
• Wdrożenie metodyki OKR, które poprawiło tempo pracy zespołu i wskaźniki dostarczania o 30%
• Prezentowanie materiałów technicznych kadrze C-level i wyższej kadrze kierowniczej
• Koordynacja wprowadzania produktów na wiele rynków we współpracy z inżynierią, UX/UI, sprzedażą i finansami
• Zarządzanie pakietem produktów generującym 8 mln USD ARR przy wzroście 40% rok do roku

Ta wersja zawiera mniej sformułowań z oferty pracy. Daje osobie prowadzącej rozmowę solidną podstawę. Jeśli kandydatka rzeczywiście oceniała ryzyko, planowała operacje, standaryzowała procesy lub pracowała przy łańcuchu dostaw, te fakty można dodać, gdy przedstawi na to dowody.

Czego uczy ten test

W obu odpowiedziach tryb rozumowania i tak nie uchronił przed zmyśleniami. Szczegółowe prompty pomagały, ale modele nadal dopełniały schematy i wypełniały luki wiarygodnie brzmiącym materiałem.

Najbezpieczniejsza metoda pracy opiera się na źródle. Daj modelowi szczegółowe CV i notatki. Poproś, by przy każdej zmianie cytował fragment, który ją uzasadnia. Wymagaj, by brakujące informacje oznaczał nawiasami kwadratowymi. Zanim przyjmiesz którykolwiek wygenerowany wiersz, porównaj go ze źródłem.

Jedna odpowiedź niewiele też mówi o tym, jak model zachowa się przy każdym CV, prompcie czy przyszłej aktualizacji. To porównanie utrwala dokładnie te odpowiedzi, które padły w dniu testu. Jest przydatne, bo błędy są konkretne, a kandydaci mogą się z niego dowiedzieć, na co uważać.

Uniwersalne AI czy platforma do CV?

Uniwersalny asystent AI daje ci otwartą rozmowę. Pomoże w burzy mózgów, wyjaśni swoje wybory i odpowie na pytania uzupełniające. Zbudowanie z nim kompletnego CV nadal jednak w dużej mierze zależy od twoich promptów. To ty musisz kierować strukturą, dostarczyć strategię pisania CV, zadbać o formatowanie, sprawdzić dopasowanie do oferty pracy i zamienić wynik w dopracowany dokument.

UseResume powstało specjalnie do pisania CV i listów motywacyjnych. Jego AI dostosowano do szerokiego zbioru profesjonalnych technik pisania CV, strategii treści i praktyk dopasowania do konkretnych ofert. Dzięki tej specjalizacji tworzy treści CV bardziej skupione i lepszej jakości niż uniwersalny model pracujący na standardowym prompcie. Możesz przesłać istniejące CV albo zacząć od zera, dodać ofertę pracy, wygenerować treść pod konkretne stanowisko, edytować każdą sekcję, stworzyć pasujący list motywacyjny i wyeksportować gotowy dokument do PDF.

Szablony są sprawdzone i przetestowane we wszystkich głównych systemach ATS. Każdy z nich nadaje CV przejrzystą hierarchię, czytelną strukturę i profesjonalny wygląd, a przy tym zachowuje proste formatowanie, którego systemy rekrutacyjne potrzebują, żeby przetworzyć dokument. Cały proces łączy w jednym miejscu treść, dopasowanie do oferty, wygląd dokumentu i eksport.

Ta specjalizacja ma znaczenie. Pisanie CV rządzi się własnymi zasadami dotyczącymi dowodów, trafności, rozmieszczenia słów kluczowych, tonu i hierarchii wizualnej. UseResume wbudowuje te decyzje w produkt, więc nie musisz odtwarzać eksperckiego procesu pisania CV długą serią promptów.

Rekomendacja

W tym wąskim, bezpośrednim teście ChatGPT dał bezpieczniejszy wynik, ale przed jego użyciem i tak trzeba by rygorystycznie porównać go ze źródłem. Przy prawdziwej aplikacji lepszym wyborem jest UseResume. Wyspecjalizowane wskazówki dotyczące pisania, dopasowanie do konkretnej oferty i szablony przetestowane w systemach ATS dają znacznie pewniejszą drogę od materiału źródłowego do gotowego CV.

Model ma znaczenie. Weryfikacja ma znaczenie większe. Twoje imię i nazwisko widnieje na górze CV, a ostateczne sformułowania powinny chronić karierę opisaną pod nim.

Załóż konto i przygotuj dopasowaną wersję roboczą, którą sprawdzisz wiersz po wierszu.

Czytaj dalej: porównanie ChatGPT i Claude przy pisaniu CV, test Gemini vs ChatGPT i test Grok vs ChatGPT.