Может ли работодатель понять, что резюме написал ChatGPT?

Вы переписали пункты в ChatGPT, отправили файл и теперь думаете, не пометили ли его на той стороне. В этом разделе разбирается, что на самом деле выдаёт детектор ИИ-текста, когда в него попадает резюме. Коротко: балл вероятности, а не доказательство.

Детекторы работают статистически. Они измеряют, насколько предсказуем выбор слов и насколько варьируется ритм фраз, а затем переводят это в вероятность того, что текст написала модель. На выходе догадка о письме, а не запись о том, что его набрало. Файл не хранит следа инструмента, породившего эти фразы, так что проверять нечего, даже если команда найма этого хочет.

А резюме едва ли не худший возможный вход для такого метода. Оно короткое, построено на пунктах, насыщено ключевыми словами и написано по шаблону, который старше ChatGPT на десятилетия. Параллельные конструкции, сильные глаголы действия, плотные строки с цифрами это ровно то, что советуют в резюме уже много лет, и ровно то, что выдаёт языковая модель. Детекторы помечают написанные людьми резюме по той же причине, по которой помечают сгенерированные. OpenAI в 2023 году отозвала собственный классификатор ИИ-текста из-за низкой точности на практике, и это полезный сигнал о том, какого веса заслуживает любой отдельный балл.

Более широкий вопрос о том, насколько состоятельны заявления о детекции, собран в /answers/topic/detectability.

Путь резюме механический в начале и человеческий в конце. Парсер извлекает текст, этап ранжирования сопоставляет его с вакансией, а рекрутер читает то, что уцелело. Ни один из этих шагов не спрашивает, кто набрал слова. Они спрашивают, подходит ли содержание к роли и согласуются ли детали.

Возьмём бэкенд-инженера, претендующую на senior-позицию в платёжной компании. В её резюме написано, что она сократила задержку p99 сервиса расчётов на треть. Никто не прогоняет эту строку через детектор. Рекрутер спрашивает о ней на телефонном скрининге, и ответ либо имеет форму, где было узкое место, что изменилось, как это измеряли, либо не имеет. Именно этот разговор единственный детектор в процессе, который работает надёжно.

Поэтому вопрос авторства это в основном тревога кандидата, а вопрос согласованности рабочий. Даты, которые не сходятся, должность, подросшая между двумя откликами, метрика, которую никто не может восстановить: такое замечают люди, и именно эти промахи реально стоят собеседований. Остальные материалы по резюме собраны в /answers/topic/resume.

Вред от черновика, сделанного моделью, реален, но он падает не на детекцию. Три сценария объясняют большую его часть.

• Обезличенные формулировки. Модель пишет в сторону среднего по всему, что видела, поэтому ваши пункты читаются как пункты любого другого кандидата. Это проблема ранжирования, а не детекции, и она самая частая.
• Утверждения, которые вы не защитите. Если модель раздула вашу зону ответственности или выдумала цифру, чтобы заполнить строку, а вы это оставили, телефонный скрининг всё вскроет. Риском всегда было не резюме, а следующий вопрос.
• Нет связи с вакансией. Модель, не читавшая описание, пишет для обобщённой версии роли, а этап ранжирования сравнивает вас с конкретной.

Лекарство во всех трёх случаях одно. Оставляйте свои цифры, свою зону ответственности и свои слова для всего, что придётся обсуждать вслух.

Делать черновик моделью нормально. Отправлять её вывод не читая нет. Хватит короткого прохода проверки:

• Сверьте каждую цифру с тем, на что вы можете указать. То, что нечем подкрепить, замените простым описанием работы.
• Прочитайте резюме вслух. Любую строку, которую вы не можете произнести своим голосом, перепишите своим голосом.
• Перепишите пункты, которые могли бы принадлежать кому угодно. Конкретные системы, ограничения и результаты это то, что отделяет вас от среднего по обучающим данным.
• После правок оформления убедитесь, что файл по-прежнему разбирается чисто: извлечение чаще ломают изменения вёрстки, а не формулировки.

Aaron Cao, основатель SubcueAI, построил инструменты для резюме вокруг именно такого разделения. Бесплатный конструктор экспортирует PDF с текстовым слоем, чтобы парсеры его читали, а живой ассистент читает загруженное резюме, чтобы во время собеседования ссылаться на ваш настоящий опыт. Ни один шаг не пытается скрыть, как составлялся документ, потому что это не тот риск, против которого стоит проектировать. Конструктор здесь: /resume-builder.