ChatGPT eller Claude för ditt CV: vilken AI är bäst?

Nästan alla som söker jobb hamnar förr eller senare i samma läge, oftast sent på kvällen: CV:t ligger öppet i en flik och en chattbot i en annan. Sista ansökningsdag är i morgon. CV:t har inte rörts på två år. Det enda som återstår är att bestämma vilken chattbot man ska fråga.

För de flesta står valet mellan ChatGPT och Claude, och frågan de ställer är vilken av dem som skriver bäst. Det är en rimlig fråga, och den har ett svar. Men ett CV är en udda sorts text. Varje rad i det är ett påstående om en verklig person, och den personen kommer förr eller senare att sitta på en intervju och få frågor om det. Därför är en andra fråga minst lika viktig: vilken av dem kan man lita på att den lämnar fakta orörda?

För att besvara båda frågorna gav UseResume den nyaste modellen från vart och ett av företagen, GPT-6.1 och Claude Fable 5.1, samma åtta CV-uppgifter, tre gånger var. Det visade sig att frågorna hade olika svar. Claude är den bättre skribenten, ofta med bred marginal. ChatGPT är den som aldrig lade ord i munnen på en kandidat. Här följer hur det märktes, uppgift för uppgift, med modellernas egna ord.

Åtta uppgifter, tre försök

Uppgifterna var det vanliga arbetet med en ansökan: att anpassa ett CV efter en jobbannons, stärka svaga punkter, skriva en profiltext, skriva ett personligt brev, kritisera ett färdigt CV, hitta saknade nyckelord, skriva om enligt strikta regler och, för att se vad som skulle hända, en begäran om att överdriva.

Varje begäran skrevs så som en trött sökande skulle skriva den, på en rad eller två. Ingen av modellerna fick veta att den skulle vara korrekt, eftersom syftet var att se vad var och en gör när den får lita till sitt eget omdöme. Varje begäran skickades tre gånger, eftersom de här systemen sällan ger samma svar två gånger. Exemplen nedan kommer från det första försöket om inget annat anges, och där en modell lade till ett eget påstående är påståendet understruket.

En produktchef söker jobb på Google

Den första kandidaten är senior produktchef på ett mjukvaruföretag och vill leda program inom leveranskedjan på Google. Så här ser posten i CV:t ut:

Annonsen efterfrågar ”erfarenhet av råvaruhantering eller resiliens i leveranskedjan”, något som kandidaten saknar. Resten är skrivet på storföretagens dialekt. Den som får jobbet ska arbeta ”i samverkan med funktionsägare och SME:er”, ska ta sig an att ”eliminera omarbetningsloopar” och ska ”identifiera risker, ta fram strategier för riskreducering och underlätta konfliktlösning”. Båda modellerna ombads, i en enda mening, att skriva om avsnittet så att det passade jobbet bättre.

ChatGPT rörde det knappt. Punkten om att leda ett team flyttades upp överst, några verb byttes ut och varje siffra stod kvar där den var. Sedan kom en kommentar:

Kommentaren är ärlig och omskrivningen ofarlig. Den ligger också så nära originalet att en rekryterare skulle ha svårt att skilja dem åt.

Claudes svar var nästan tre gånger så långt, och kandidaten låter som någon som redan jobbar på Google:

Formuleringarna är lätta att spåra tillbaka till annonsen, och en del av lånen är rimliga. Att ta över arbetsgivarens ordförråd är en stor del av vad anpassning innebär. De understrukna delarna är en annan sak. Originalet säger att OKR-ramverket ökade teamets takt med 30 procent och nämner inga omarbetningsloopar. Där står ingenting om någon risk, någon plan för riskreducering eller någon konflikt. På andra ställen i samma utkast fick produktlanseringarna ”intressenter inom juridik och regelefterlevnad”, och kandidatens område, som hade varit EMEA och APAC, växte till att även omfatta Nordamerika.

Claude inledde allt detta med ett löfte om att den ”förankrar varje påstående i det du faktiskt har gjort”. I det andra försöket gick den längre: ”inget nytt har hittats på”. Nordamerika, omarbetningslooparna och konfliktlösningen dök upp i alla tre.

Det vore orättvist att stanna där, för Claude var också den enda av de två som gav verkliga råd. Den låtsades aldrig att kandidaten hade erfarenhet av leveranskedjor. Den sa rakt ut att luckan var ”det som mest sannolikt sorterar bort dig”, och i ett av försöken föreslog den att kandidaten skulle leta i sin budget på 5 miljoner dollar efter leverantörsavtal eller inköpsbeslut, vilket vore ärliga belägg av rätt sort. ChatGPT hade inget som kunde mäta sig med det.

Fem punkter utan innehåll

Den andra kandidaten gav modellerna betydligt mindre att arbeta med. En kundtjänstmedarbetare på en nätbutik för möbler, som hoppades bli teamledare, skickade in de här:

Det finns inte en enda siffra i listan, och en modell som vill imponera har all anledning att hitta på några. Ingen av dem gjorde det, på sex försök.

ChatGPT löste det genom att säga samma saker med fler ord. ”Hjälpte till att utbilda nyanställda” kom tillbaka som ”Stöttade introduktionen av nyanställda genom att hjälpa till att utbilda kollegor i kundtjänstens arbetsuppgifter.” Sedan frågade den hur många personer medarbetaren hade utbildat, vad som hade ändrats i returprocessen och vad veckorapporterna användes till. Frågorna var det bästa med svaret.

Claude skickade tillbaka punkter med luckor i:

Det fanns elva tomrum i varje försök, med en uppmaning att inte gissa vilka siffror som hör hemma där. Som undervisning är det svårt att invända mot. Den som aldrig har skrivit en stark punkt får se hur en sådan ser ut och vad som behöver tas reda på.

Orden mellan tomrummen är mindre noggranna. En medarbetare som ”jobbade med” en returprocess är nu den som ”var med och utformade och införde” den. Utbildningen som medarbetaren hjälpte till med har blivit ”teamets standardintroduktion”. I en tredje punkt är medarbetaren ”teamets självklara person för komplicerade klagomål”. Inget av detta kom från medarbetaren. Claude hittar inte på siffror, men delar gärna ut en befordran.

En sjuksköterska byter karriär

Den tredje kandidaten hade den bästa historien. En intensivvårdssjuksköterska med nio år i yrket, de senaste tre som samordnande sjuksköterska på en avdelning med 24 vårdplatser, ville gå över till UX-research. Enligt anteckningarna hade sjuksköterskan lärt upp ungefär 40 nya kollegor, suttit i kommittén som valde sjukhusets system för överrapportering vid skiftbyte och lett införandet: ”i princip var jag den som alla kom till när det inte funkade”. Därefter hade sjuksköterskan tagit Googles certifikat i UX-design och gjort ett obetalt projekt: intervjuer med 12 sjuksköterskor om larmtrötthet, sammanställda i en rapport åt ett startups produktteam. Kandidaten bad om att resultatet inte skulle ”låta fejk eller desperat”.

När ChatGPT ombads skriva profiltexten som står överst i ett CV blev det 68 ord:

Claude skrev 137:

Claudes text är den intressantare. Den behåller de 40 sjuksköterskorna och kommittén för programvaran, som ChatGPT utelämnade i alla tre försöken, och den förklarar varför en sjuksköterska alls skulle vilja ha det här jobbet. Men profiltexten står högst upp på en sida som rekryterare skummar, och 137 ord i jagform är ungefär dubbelt så mycket som utrymmet tål. ChatGPT:s text kan klistras in som den är. Den här omgången gick till den enklare skribenten.

Det personliga brevet gick åt andra hållet. Båda modellerna höll sig inom gränsen på 200 ord. ChatGPT:s brev inleddes med en klok iakttagelse om hur mycket programvara kan hjälpa eller stjälpa ett vårdteam, och gled sedan in i den ton som personliga brev har överallt: ”Jag ser fram emot att bidra med mitt kliniska perspektiv och min praktiska erfarenhet av research i rollen som UX Researcher på Meridian Health.” Claudes brev började så här:

Det är en betydligt bättre första mening, och brevet håller samma nivå. Sjuksköterskan, står det, vet ”hur man får uppriktiga svar av vårdpersonal som har tio minuter på sig och inget tålamod med dåliga verktyg”. De flesta rekryterande chefer skulle vilja träffa den som skrev så.

De skulle också vilja att brevet var sant. Enligt anteckningarna sammanställdes resultaten bara åt produktteamet. I två av Claudes tre brev hade produktteamet agerat på dem, och i det första hade de blivit ”resultat som produktteamet använde för att prioritera om sin roadmap”. I samma brev ägnar sig sjuksköterskan, när systemet för överrapportering krånglade, åt att ”dokumentera varför det gick sönder och vad som krävdes för att laga det”, något som anteckningarna inte heller nämner. ChatGPT:s tre brev innehöll inget som inte stod i anteckningarna. Alla tre sa att projektet var obetalt. Inget av Claudes gjorde det.

Ett CV med elva fel

Den sista kandidaten skapades för att kritiseras. En säljare hade sökt 60 jobb och bara blivit uppringd två gånger, och CV:t innehöll elva fel som en rekryterare skulle lägga märke till.

Vissa var svåra att missa: en e-postadress som började med danny_partyboi92, ordet ”Managed” felstavat som ”Mangaed” och ett GPA (amerikanskt betygssnitt) på 2,9 som fortfarande stod kvar tio år efter examen. Andra krävde ett noggrannare öga, bland dem en lucka på 11 månader mellan två jobb, två andra jobb vars datum överlappade och ett påstående om att ha ökat kundportföljen med 400 procent samma år som säljmålet överträffades med 18 procent. Begäran var kort: ”Var ärlig, vad är det för fel på det?”

Båda modellerna klarade det här bra. På tre försök hittade ChatGPT nio, tio och elva av de elva felen. Claude hittade elva, tio och tio. Det de missade skilde sig åt. Claude missade två gånger de överlappande datumen. ChatGPT sa två gånger ingenting om luckan på 11 månader, som är det första en intervjuare skulle ta upp.

De skilde sig också i stil. ChatGPT började med att lugna, ”Din säljerfarenhet är starkare än vad det här CV:t får den att se ut”, och avslutade med en reservation om att två samtal på 60 ansökningar ”inte visar att CV:t är det enda problemet”. Claude rangordnade felen efter hur mycket skada de gjorde, började med e-postadressen och avslutade med en dom:

Kandidaten hade bett om ärlighet, och det är den här meningen som skulle fastna.

Sedan gjorde Claude mer än den hade ombetts om och skrev om hela CV:t i två av sina tre försök, och här kom den gamla vanan tillbaka. I ett försök att få ihop de 400 procenten föreslog den att kandidatens konton kanske hade vuxit ”från 800 000 till 3,2 miljoner dollar”, vilket är en ökning med 300 procent. ChatGPT påpekade på samma punkt helt riktigt att en tillväxt på 400 procent ”innebär att man slutar på fem gånger startbeloppet”. En av Claudes omskrivningar slog också fast att kandidaten hade ”överträffat säljmålet varje år”, i ett jobb där CV:t bara anger siffror för två av nästan fem år.

Det som ingen av dem gick med på

Vid det här laget kan Claude verka som en modell som inte går att lita på när det gäller sanningen. De återstående testerna visar att problemet är snävare än så.

I det ena bad en kandidat om två små tjänster. ”Ledde ett team med 4 supportmedarbetare” skulle bli ett team med 12, eftersom ”det låter bättre och ingen kollar”, och ett certifikat i projektledning skulle anges ett år innan kursen hade gåtts. Claude vägrade alla tre gångerna och varnade för att det är ”sånt som gör att jobberbjudanden dras tillbaka”. ChatGPT vägrade också, med ungefär en femtedel så många ord. Båda föreslog ett ärligt sätt att nämna kursen.

I det andra fick modellerna sex punkter från en butikschefs CV och fyra regler: högst 20 ord per punkt, ett nytt inledande verb varje gång, fyra förbjudna ord och inga siffror som inte hade angetts. Båda följde varje regel i varje försök, och resultaten gick nästan att byta ut mot varandra. ChatGPT skrev ”Löste kundklagomål och förbättrade butikens betyg på Google från 3,9 till 4,6.” Claude skrev ”Löste kundklagomål och höjde butikens betyg på Google från 3,9 till 4,6.” På frågan om vilka nyckelord från Googles annons som saknades i produktchefens CV gav de två nästan identiska listor.

Claude ljuger alltså inte när den blir ombedd att göra det, och den följer exakta instruktioner lika troget som konkurrenten. Tilläggen kom vid de öppna förfrågningarna, där en rad eller två av instruktioner lämnade de flesta besluten åt modellen. Ju snävare instruktionerna var, desto mindre skilde de två åt.

Vilken man ska välja

Tillbaka då till den sena kvällen och de två flikarna. Om ansökan måste iväg i kväll och ingen kommer att granska resultatet är ChatGPT det säkrare valet. På 24 svar lade den inte till något som kandidaten inte själv hade uppgett.

Finns det en timme över är Claude det bättre valet. Den skrev ungefär dubbelt så mycket som ChatGPT, det mesta av överskottet var råd av det slag som folk betalar karriärcoacher för, och dess utkast var de starkare när tilläggen väl hade plockats bort. Att plocka bort dem är inte frivilligt. Varje rad behöver läsas mot originalet, och en försäkran om att inget har hittats på bör behandlas som ännu ett påstående att kontrollera.

Det går att få båda. När modellerna fick se par av svar utan namn föredrog var och en svaret från sin egen sida, fyra gånger av fyra. Men båda gav ChatGPT högre betyg för korrekthet varje gång, och båda upptäckte påståendena som Claude hade lagt till i produktchefens CV. Ett utkast från Claude kan därför lämnas över till ChatGPT, tillsammans med originalet och en uppmaning att lista allt som originalet inte har täckning för.

Två vanor hjälper oavsett vilken man väljer. Den första är att ge siffrorna från början, eftersom båda modellerna ägnade en stor del av sina svar åt att fråga efter samma saker: hur många, hur ofta, vad som ändrades. Den andra är att fråga två gånger. Samma begäran gav nio fel i ett försök och elva i ett annat. Och när Claude anpassade produktchefens CV lade den i ett försök till ”(programansvarig)” i yrkestiteln och varnade i ett annat för att ändrade titlar ”är en varningsflagga vid bakgrundskontroller”.

Frågan om vilken chattbot som skriver det bästa CV:t har alltså ett svar, och det är Claude. Frågan om vilken som kan lämnas ensam med ett CV har också ett svar, och det är ChatGPT. Ingen av dem kommer att sitta i rummet när intervjuaren frågar om omarbetningslooparna.

Så hjälper UseResume

ChatGPT och Claude är verktyg för allt möjligt. Ett CV är en av tusen saker de kan skriva, vid sidan av mejl, uppsatser och kod. UseResume är byggt för en enda uppgift: att skriva CV:n.

Du börjar med det CV du redan har, eller svarar på några frågor om din erfarenhet. Lägg till jobbet du söker, så skriver CV-byggaren med AI varje avsnitt och anpassar det i en riktig CV-mall, klart att ladda ner som PDF. Inget behöver kopieras från ett chattfönster och klistras in i ett dokument.

Runt skrivandet finns de andra verktygen som ett jobbsökande kräver: CV-granskningen, som ger ditt CV poäng och visar vad du ska åtgärda först, AI-detektorn, som pekar ut raderna som låter maskinskrivna, och verktyget för personligt brev, som utgår från samma CV.

Skapa ditt konto och testa med ditt eget CV.

Fler jämförelser: Gemini mot ChatGPT, Grok mot ChatGPT och DeepSeek mot ChatGPT.