Os empregadores conseguem saber se você usou ChatGPT no currículo?

Você reescreveu seus tópicos no ChatGPT, enviou o arquivo e agora se pergunta se algo do outro lado o marcou. Esta seção mostra o que um detector de texto realmente produz quando um currículo entra nele. Em resumo: uma pontuação de probabilidade, não uma prova.

Detectores funcionam de forma estatística. Eles medem o quanto as escolhas de palavras são previsíveis e o quanto o ritmo das frases varia, e convertem isso em uma probabilidade de que um modelo tenha escrito o texto. A saída é um palpite sobre a escrita, não um registro do que a digitou. Um arquivo não guarda rastro da ferramenta que produziu suas frases, então não há nada a auditar mesmo quando um time de recrutamento quer.

E um currículo é quase a pior entrada possível para esse método. Ele é curto, feito de tópicos, denso em palavras-chave e escrito segundo um modelo que antecede o ChatGPT em décadas. Estrutura paralela, verbos de ação fortes e linhas quantificadas e enxutas são o que os guias de currículo recomendam há anos, e também exatamente o que um modelo de linguagem produz. Detectores marcam currículos escritos por pessoas pelo mesmo motivo que marcam os gerados. A OpenAI retirou seu próprio classificador de texto em 2023 após baixa precisão no uso real, o que diz bastante sobre quanto peso qualquer pontuação isolada merece.

A questão mais ampla de quanto as alegações de detecção se sustentam está em /answers/topic/detectability.

O caminho de um currículo é mecânico no começo e humano no fim. Um analisador extrai o texto, uma etapa de classificação o compara com a vaga, e uma pessoa de recrutamento lê o que sobreviveu. Nenhuma dessas etapas pergunta quem digitou as palavras. Elas perguntam se o conteúdo combina com a função e se os detalhes são consistentes.

Pense em uma engenheira de backend se candidatando a uma vaga sênior em uma empresa de pagamentos. O currículo dela diz que reduziu em um terço a latência p99 do serviço de liquidação. Ninguém passa essa linha por um detector. Uma pessoa de recrutamento pergunta sobre isso na triagem por telefone, e a resposta tem forma, qual era o gargalo, o que mudou, como foi medido, ou não tem. Essa conversa é o único detector do processo que funciona de forma confiável.

Por isso a questão da autoria é sobretudo ansiedade do candidato, e a da consistência é a operacional. Datas que não fecham, um cargo que cresce entre duas candidaturas, uma métrica que ninguém consegue reconstruir: isso as pessoas notam, e são essas falhas que de fato custam entrevistas. O restante do material sobre currículos está em /answers/topic/resume.

O prejuízo de rascunhar com um modelo é real, mas cai em outro lugar que não a detecção. Três modos de falha explicam quase tudo.

• Frases genéricas. Um modelo escreve na direção da média de tudo o que viu, então seus tópicos acabam soando como os de todos os outros candidatos. Isso é problema de classificação, não de detecção, e é o mais comum.
• Afirmações que você não consegue defender. Se o modelo inflou seu escopo ou inventou um número para preencher uma linha e você deixou lá, a triagem por telefone expõe. O risco nunca foi o currículo, e sim a pergunta seguinte.
• Nenhuma ligação com a vaga. Um modelo que não leu a descrição escreve para uma versão genérica da função, enquanto a etapa de classificação compara você com uma versão específica.

A correção é a mesma nos três casos. Use seus próprios números, seu próprio escopo e suas próprias palavras para tudo o que você teria de discutir em voz alta.

Rascunhar com um modelo tudo bem. Enviar a saída sem ler, não. Uma passada curta de verificação resolve:

• Confira cada número contra algo que você consiga apontar. Substitua o que não puder sustentar por uma descrição simples do trabalho.
• Leia o currículo em voz alta. Qualquer linha que você não consiga dizer com a sua voz é reescrita com a sua voz.
• Reescreva os tópicos que poderiam ser de qualquer pessoa. Sistemas concretos, restrições e resultados são o que separa você da média dos dados de treino.
• Confirme que o arquivo ainda é lido corretamente após ajustes de formatação, porque mudanças de layout quebram a extração com mais frequência do que as palavras.

Aaron Cao, fundador da SubcueAI, construiu as ferramentas de currículo em torno dessa divisão. O criador gratuito exporta um PDF com camada de texto para que analisadores consigam ler, e o assistente ao vivo lê o currículo enviado para citar seu histórico real durante a entrevista. Nenhuma das etapas tenta disfarçar como o documento foi rascunhado, porque esse não é o risco contra o qual vale a pena projetar. O criador está em /resume-builder.