¿Puede un empleador saber si usaste ChatGPT para tu currículum?

Reescribiste tus viñetas en ChatGPT, enviaste el archivo y ahora te preguntas si algo lo marcó del otro lado. Esta sección explica qué produce realmente un detector de texto cuando entra un currículum. En corto: una puntuación de probabilidad, no evidencia.

Los detectores funcionan de forma estadística. Miden cuán predecibles son las elecciones de palabras y cuánto varía el ritmo de las frases, y convierten eso en una probabilidad de que un modelo escribiera el texto. La salida es una conjetura sobre la escritura, no un registro de qué la tecleó. Un archivo no guarda rastro de la herramienta que produjo sus frases, así que no hay nada que auditar ni siquiera cuando un equipo de contratación quiere hacerlo.

Un currículum es casi la peor entrada posible para ese método. Es corto, se basa en viñetas, está lleno de palabras clave y sigue una plantilla anterior a ChatGPT por décadas. Estructura paralela, verbos de acción potentes y líneas cuantificadas y compactas: eso es lo que los consejos de currículum recomiendan desde hace años, y también es exactamente lo que produce un modelo de lenguaje. Los detectores marcan currículums escritos por personas por la misma razón que marcan los generados. OpenAI retiró su propio clasificador de texto en 2023 tras una precisión baja en la práctica, lo que dice bastante sobre el peso que merece cualquier puntuación aislada.

La pregunta más amplia sobre qué tan sólidas son las afirmaciones de detección está en /answers/topic/detectability.

El recorrido de un currículum es mecánico al principio y humano al final. Un analizador extrae el texto, un paso de clasificación lo compara con la oferta y un reclutador lee lo que sobrevive. Ninguno de esos pasos pregunta quién tecleó las palabras. Preguntan si el contenido encaja con el puesto y si los detalles son coherentes.

Piensa en una ingeniera backend que se postula a un puesto senior en una empresa de pagos. Su currículum dice que redujo un tercio la latencia p99 del servicio de liquidación. Nadie pasa esa línea por un detector. Un reclutador pregunta por ella en la llamada de filtro, y la respuesta tiene forma, cuál era el cuello de botella, qué cambió, cómo se midió, o no la tiene. Esa conversación es el único detector del proceso que funciona de manera fiable.

Por eso la pregunta de la autoría es sobre todo ansiedad del candidato y la de la coherencia es la operativa. Fechas que no cuadran, un cargo que crece entre dos postulaciones, una métrica que nadie puede reconstruir: eso lo nota la gente, y son los fallos que de verdad cuestan entrevistas. El resto del material sobre currículums está bajo /answers/topic/resume.

El daño de redactar con un modelo es real, pero aterriza en un lugar distinto a la detección. Tres modos de fallo explican casi todo.

• Frases genéricas. Un modelo escribe hacia el promedio de todo lo que ha visto, así que tus viñetas terminan leyéndose como las de cualquier otro candidato. Eso es un problema de clasificación, no de detección, y es el más común.
• Afirmaciones que no puedes defender. Si el modelo infló tu alcance o inventó un número para rellenar una línea y lo dejaste ahí, la llamada de filtro lo expone. El riesgo nunca fue el currículum, sino la pregunta siguiente.
• Sin conexión con la oferta. Un modelo que no ha leído la descripción del puesto escribe para una versión genérica del rol, mientras que el paso de clasificación te compara con una concreta.

El arreglo para los tres es el mismo. Usa tus propios números, tu propio alcance y tus propias palabras para todo lo que tendrías que discutir en voz alta.

Redactar con un modelo está bien. Enviar su salida sin leerla, no. Basta con una pasada corta de verificación:

• Contrasta cada número con algo que puedas señalar. Sustituye lo que no puedas respaldar por una descripción llana del trabajo.
• Lee el currículum en voz alta. Cualquier línea que no puedas decir con tu propia voz se reescribe con tu propia voz.
• Reescribe las viñetas que podrían ser de cualquiera. Sistemas concretos, restricciones y resultados son lo que te separa del promedio de los datos de entrenamiento.
• Confirma que el archivo sigue analizándose bien después de retocar el formato, porque los cambios de maquetación rompen la extracción más a menudo que las palabras.

Aaron Cao, fundador de SubcueAI, construyó las herramientas de currículum alrededor de ese reparto. El generador gratuito exporta un PDF con capa de texto para que los analizadores lo lean, y el asistente en vivo lee el currículum que subes para poder citar tu experiencia real durante una entrevista. Ninguno de los dos pasos intenta disimular cómo se redactó el documento, porque ese no es el riesgo que vale la pena combatir. El generador está en /resume-builder.