Prompts do ChatGPT para currículo: os que passaram no teste

Listas de prompts do ChatGPT para currículo são fáceis de encontrar, e os prompts que elas reúnem têm um ar de família. Um diz ao modelo que ele é especialista em redação de currículos. Outro pede verbos de ação fortes e resultados mensuráveis. O candidato cola um deles e recebe algo bem-arrumado: um resumo profissional que caberia no topo do currículo de qualquer pessoa, ou tópicos com um X entre colchetes onde deveriam estar os resultados.

Essas listas raramente mostram o que o modelo respondeu, e isso torna difícil julgar os prompts. Por isso a UseResume escreveu um currículo comum, com defeitos, para uma coordenadora de marketing fictícia e testou nele dezesseis prompts, cada um pelo menos três vezes. Eles cobriram cinco tarefas comuns (tópicos, resumo profissional, adaptação a uma vaga, uma avaliação crítica e uma carta de apresentação), além da conferência de um rascunho pronto. Todas as respostas citadas abaixo são exatamente o que o modelo devolveu.

A resposta curta é que a redação do prompt importou muito menos que o conteúdo. Chamar o modelo de especialista não mudou quase nada. Pedir métricas gerou espaços em branco, e pedir todas as palavras-chave da vaga gerou um alerta. Três coisas mudaram de fato o resultado: os fatos que o currículo havia deixado de fora, algumas regras sobre o que não podia ser alterado e a instrução de listar tudo o que não tivesse sustentação. Os prompts aparecem na íntegra, prontos para copiar.

Um currículo, dezesseis prompts do ChatGPT

A candidata é Tessa Marlow, que não existe. Ela trabalha há mais de quatro anos como coordenadora de marketing na Fernhollow Outdoor Supply Co., uma loja on-line de equipamentos de camping, também inventada. Antes disso, trabalhou no atendimento ao cliente de uma livraria e como barista. O currículo dela abre com um objetivo que começa por “Profissional de marketing dedicada e motivada”, tem dois erros de digitação e três formatos de data, e descreve assim o emprego atual:

Ela está se candidatando à vaga de gerente de e-mail marketing da Tidewick Coffee Roasters, uma empresa de assinatura de café igualmente inventada. Qualquer semelhança desses nomes com pessoas ou empresas reais é mera coincidência. A vaga pede experiência prática com o Klaviyo, uma plataforma de e-mail, experiência com marketing por SMS e alguém para gerenciar um subordinado direto. Tessa não tem nenhum dos três requisitos.

O que ela tem é um conjunto de fatos que nunca chegaram ao currículo, registrados num segundo documento: suas anotações. A newsletter chega a cerca de 48.000 assinantes. A taxa média de abertura subiu de 21% para 29%. Os e-mails de carrinho abandonado que ela reescreveu recuperam cerca de 9.800 dólares por mês, contra 4.100 antes. As anotações também listam o que ela nunca fez, incluindo o Klaviyo. Só alguns prompts receberam as anotações.

O modelo usado foi o GPT-6.1, testado em novembro de 2026. Ele rodou pela ferramenta de linha de comando da OpenAI, e não pelo aplicativo do ChatGPT, então as respostas no aplicativo podem ser diferentes. As respostas também variam de uma rodada para outra, e por isso cada prompt foi executado pelo menos três vezes; quando as rodadas divergiram, isso é informado. Nos prompts abaixo, o material colado foi substituído por uma indicação entre colchetes.

Como pedir resultados mensuráveis

O primeiro prompt foi aquele que um candidato cansado escreve: “Melhore estes tópicos do meu currículo.”

Os cinco tópicos passaram de 29 palavras para algo entre 45 e 57, conforme a rodada, e não disseram nada de novo. “Responsável por” virou “Coordenei” numa rodada, “Gerenciei” em outra e “Assumi” na terceira. Todas as respostas terminavam pedindo o que faltava. A primeira dizia: “acrescente detalhes como tamanho do público, volume de campanhas, crescimento do engajamento ou receita recuperada”.

O conselho habitual é pedir números de forma direta. Uma lista publicada pela eWeek em fevereiro de 2026 é típica. O prompt de tópicos dessa lista pede “verbos de ação fortes e resultados mensuráveis” e, quando não houver números exatos, “espaços reservados realistas”. Um prompt com o mesmo pedido central, “Reescreva estes tópicos do currículo usando verbos de ação fortes e resultados mensuráveis”, produziu isto:

Justiça seja feita ao modelo: ele não inventou um único número em três rodadas. Deixou 12, 12 e 9 espaços em branco, com a instrução de substituí-los por números reais. Mas um espaço em branco não é neutro. Estes pressupõem que os lançamentos geraram leads, que alguém acompanhou as conversões e que Tessa “otimizou” uma sequência na qual ela só disse ter trabalhado. A candidata que preenche esse formulário é empurrada para afirmações que nunca fez.

Um uso melhor do mesmo instinto é fazer o modelo perguntar antes de escrever:

As três rodadas devolveram exatamente dez perguntas. Uma delas, na primeira rodada, foi “Que decisões ou mudanças seus relatórios ajudaram o diretor de marketing a tomar?” As anotações de Tessa são, na prática, as respostas. Com as anotações anexadas e quatro regras acrescentadas, o prompt fica assim:

Nas três rodadas, todos os números vieram das anotações, e nenhum tópico passou de 24 palavras. A quarta regra foi usada todas as vezes, sempre na mesma linha. Na segunda rodada, ela dizia: “O tópico dos relatórios fica simples porque suas anotações não descrevem como os relatórios embasaram decisões, pouparam tempo ou melhoraram resultados.”

O especialista que não mudou nada

Para o resumo profissional, foram comparados dois prompts curtos. Um tinha uma única linha: “Escreva um resumo profissional para o meu currículo.” O outro começava como muitos prompts publicados: “Aja como um especialista em redação de currículos com 20 anos de experiência. Escreva um resumo profissional convincente para o meu currículo, que chame a atenção do recrutador.”

A frase do meio é praticamente idêntica. Nas seis rodadas, os resumos tiveram de 45 a 56 palavras, cinco dos seis usaram a expressão “focada no cliente”, e nenhum trazia um único resultado, porque o currículo não tem nenhum a oferecer. Vinte anos de experiência imaginária não forneceram nenhum.

Isso bate com o que os Generative AI Labs da Wharton relataram em dezembro de 2025. Os pesquisadores testaram seis modelos com perguntas difíceis de múltipla escolha e concluíram que atribuir uma persona de especialista “não melhora a precisão de forma confiável”. A recomendação foi concentrar-se em “instruções específicas para a tarefa, em vez da atribuição de personas”. Perguntas de múltipla escolha não são currículos, e o estudo mediu precisão, não qualidade de texto. Neste currículo, pelo menos, o resultado apontou na mesma direção.

Instruções específicas para a tarefa são assim:

As seis versões, duas de cada rodada, ficaram entre 46 e 52 palavras, e todos os números tinham origem nas anotações ou nas datas do currículo. As palavras proibidas acabaram sendo só um seguro: este modelo não pôs nenhuma delas num resumo, nem mesmo sem a proibição.

Adaptação do currículo à vaga

A adaptação foi testada com três prompts. O primeiro tinha uma linha: “Adapte meu currículo a esta descrição de vaga.” O segundo é do tipo que promete vencer o software de triagem: “Aja como um especialista em redação de currículos e em ATS. Reescreva meu currículo para que ele corresponda o máximo possível a esta descrição de vaga e passe pelo ATS. Inclua todas as palavras-chave importantes da descrição da vaga.”

Nenhum dos dois transformou Tessa em usuária do Klaviyo. Nas seis rodadas, o modelo trocou o objetivo por um resumo, corrigiu os erros de digitação, padronizou as datas, mandou o tópico do Instagram para o fim e não atribuiu a ela nenhuma ferramenta que o currículo não listasse. O que mais se aproximou de uma invenção foi pouca coisa. Nas seis rodadas, o sistema de pedidos da livraria virou um “sistema de gestão de pedidos” e as bebidas da barista viraram bebidas à base de café, e cada rodada do prompt das palavras-chave acrescentou um tópico de barista sobre atendimento ao cliente numa cafeteria “de ritmo acelerado”. Toda resposta a esse prompt terminava com um alerta; um deles dizia que “a correspondência de palavras-chave, sozinha, não garante a aprovação no ATS”.

O currículo saiu seguro, portanto, e nada melhor. Na primeira rodada do prompt das palavras-chave, o primeiro tópico dizia: “Coordeno a newsletter semanal por e-mail, mantendo um calendário de campanhas consistente e uma comunicação regular com os clientes.” O terceiro prompt levava as anotações e seis regras:

Este é um currículo que o gestor da vaga consegue avaliar. Nesta rodada, a newsletter virou “campanhas semanais de e-mail”, seguindo as “campanhas semanais” do anúncio, e todos os números têm origem nas anotações. Cada rodada também produziu a lista pedida na regra cinco, e todas as vezes ela teve 16 itens.

A lista mostra como as regras foram lidas ao pé da letra. Instruído a não suavizar, o modelo listou tudo, até uma paixão por café que não tinha sido “declarada”, embora Tessa seja ex-barista e assinante da Tidewick. Instruído a não alterar datas, deixou “08/2020 - 5/22” exatamente como ela havia digitado, nas três rodadas, depois de ter arrumado a mesma linha por conta própria com o prompt de uma linha. O guia de prompts para o GPT-5 da OpenAI, um modelo anterior, diz que ele “segue as instruções do prompt com precisão cirúrgica”, e o GPT-6.1 fez o mesmo aqui. As regras protegem os fatos, mas protegem também os erros, por isso o resultado ainda precisa ser lido. Das 16 lacunas, algumas merecem uma resposta preparada: Klaviyo, SMS, o subordinado direto, a segmentação e os outros fluxos automatizados.

Uma avaliação com a vaga anexada

A avaliação foi a única tarefa em que o prompt curto se saiu bem. “Você pode revisar meu currículo?” encontrou as sete falhas plantadas no currículo, nas três rodadas: o objetivo vazio, atribuições sem resultados, os dois erros de digitação, os formatos de data misturados, a lista de competências inflada e “Referências disponíveis mediante solicitação”. Uma rodada notou ainda que o telefone não tinha código de área. Depois, cada resposta reescreveu parte do currículo ou ele todo, sem que isso tivesse sido pedido.

O que o prompt curto não conseguia dizer era se o currículo sobreviveria a essa triagem específica, porque a vaga não lhe tinha sido mostrada. O prompt mais longo fornece uma:

Toda resposta completa começou com um não e pôs na frente os problemas que nenhuma edição resolve:

Este prompt também produziu as únicas falhas de verdade do exercício. Na redação original, ele pedia ao modelo que “citasse a linha exata” de cada problema. Em três de seis rodadas, a resposta parou no mesmo ponto, no meio da citação da linha de competências:

Não se sabe por que isso aconteceu. Quando a instrução passou para a redação mostrada acima, quatro de quatro rodadas chegaram ao fim. A lição prática é mais simples: uma resposta que parece errada pode ser só uma rodada ruim, e pedir de novo não custa nada.

A carta de apresentação e um segundo modelo

Quando recebeu numa linha o pedido “Escreva uma carta de apresentação para esta vaga”, o modelo escreveu três cartas de 242 a 263 palavras. As três foram honestas, admitindo que a experiência de Tessa é com o Mailchimp e não com o Klaviyo, e nenhuma trazia um número sequer sobre o trabalho dela. Uma frase típica: “Trabalhar com e-mails de carrinho abandonado me deu experiência com uma parte importante da jornada do cliente”.

As três cartas tiveram 196, 198 e 200 palavras. São rígidas, e “Quero esta vaga porque” não é uma frase que alguém manteria. Mas cada frase pode ser defendida numa entrevista, e esse era o objetivo das regras.

As regras importam mais com um modelo que toma mais liberdades. O mesmo prompt de uma linha foi dado duas vezes ao Claude Fable 5.1, que uma comparação anterior entre os dois apontou como o melhor redator e o menos preso aos fatos.

O currículo não diz nada sobre as manhãs de Tessa, e as anotações dela dizem que ela nunca fez marketing por SMS. Abaixo da carta, o modelo acrescentou que a frase sobre o Klaviyo “pressupõe que você vá mesmo começar os cursos gratuitos deles”. Com as seis regras, as duas cartas do Claude ficaram próximas das anotações. O desvio mais claro foi que ambas atribuíram aos testes de linhas de assunto parte da alta na taxa de abertura, algo que as anotações não afirmam. Uma das cartas também tinha uma frase melhor do que qualquer coisa nas anotações: “Eu gostaria de escrever os e-mails que já leio.”

O Claude tomou as mesmas liberdades na adaptação. Com o prompt das palavras-chave, um de seus currículos deu a Tessa o cargo de “Coordenadora de Marketing (Líder de E-mail Marketing)”. Para um rascunho que já existe, há um prompt que o confere com o original:

Diante desse currículo, o GPT-6.1 listou 19, 22 e 24 afirmações sem sustentação em três rodadas. As três pegaram o novo cargo e a segmentação de listas, que não aparece em lugar nenhum do original. As três também contestaram “Preparei bebidas à base de expresso”, com o argumento de que o currículo diz apenas “Preparei bebidas”.

O que os prompts do ChatGPT que funcionam têm em comum

Lado a lado, os prompts que funcionaram têm as mesmas três partes. Eles trazem os fatos: os números, as ferramentas, o que a pessoa escreveu e aquilo em que apenas ajudou. Dizem o que não pode mudar. E dão ao modelo um lugar para colocar o que ele não consegue sustentar, uma lista “Não atendido” ou um aviso de que um tópico ficou simples, para que uma lacuna não precise ser preenchida com algo que soe melhor.

A documentação da OpenAI compara um modelo de raciocínio a “um colega sênior” a quem se pode dar um objetivo e confiar que vai “resolver os detalhes”. A da Anthropic pede aos usuários que pensem no Claude como “um funcionário brilhante, mas novo, a quem falta contexto”. Num currículo, os detalhes são o contexto, e só o candidato os tem. Nenhuma escolha de palavras vai recuperar uma taxa de abertura que nunca foi informada ao modelo.

Dois alertas acompanham os prompts. Um currículo é um dado pessoal. Um estudo de Stanford sobre as políticas de privacidade de seis empresas americanas que desenvolvem IA, publicado em 2025, constatou que todas as seis pareciam usar, por padrão, os dados das conversas para treinar seus modelos. A recomendação publicada junto com o estudo era recusar esse uso sempre que possível, e o telefone e o endereço podem ser apagados antes de colar o currículo. O segundo alerta é que a adaptação tem limite. Um recrutador sênior disse à SHRM em 2024 que um currículo moldado a uma vaga é fácil de identificar porque “todas as palavras-chave aparecem no currículo dessa pessoa”, e que a IA “vai inflar as atribuições que a pessoa realmente teve”. Outro artigo examina com que confiabilidade os recrutadores conseguem distinguir um currículo escrito por IA de um escrito por uma pessoa.

Voltando, então, ao prompt copiado de uma lista, com seu especialista e seus resultados mensuráveis. Com este modelo, ele fez pouco estrago: nenhuma rodada inventou um número, uma ferramenta ou um cargo. Ele devolveu o currículo que recebeu, com palavras mais longas e espaços em branco onde deveriam estar os fatos. Dez minutos rendem mais se forem gastos nas anotações: quantos, com que frequência, o que mudou e o que nunca foi feito. O prompt em volta delas pode ser curto.

Como a UseResume ajuda

Numa janela de chat, as anotações, as regras e a conferência ficam todas por conta de quem digita. A UseResume foi feita especificamente para currículos, então parte desse trabalho já vem no produto. Ela importa um currículo existente ou um perfil do LinkedIn, ou monta um a partir de perguntas guiadas, e seu gerador de currículo com IA escreve o resumo e os tópicos dentro de um modelo compatível com ATS, em que cada sugestão pode ser editada.

Cole uma descrição de vaga e a ferramenta de adaptação mostra quais palavras-chave do anúncio foram encontradas e quais estão ausentes, o que se aproxima de uma lista “Não atendido”, sem precisar de prompt. Depois, o analisador de currículo dá uma pontuação ao resultado com base em 37 verificações, e o gerador de carta de apresentação trabalha a partir do mesmo currículo e da mesma vaga.

Crie sua conta e comece pelo currículo que você já tem.