Kan arbetsgivare se om du använt ChatGPT till ditt CV?
Av Aaron Cao · Uppdaterad
Nej. Det finns inget tillförlitligt sätt att bevisa att ett CV skrivits av ChatGPT. AI-textdetektorer ger en sannolikhet, inte ett bevis, och ett CV utlöser dem eftersom formatet är mallstyrt av sin natur. Det en arbetsgivare kan kontrollera är om dina påståenden håller i ett samtal.
Kan en AI-detektor bevisa att du använt ChatGPT?
Du skrev om dina punkter i ChatGPT, skickade filen och undrar nu om något flaggade den i andra änden. Det här avsnittet handlar om vad en AI-textdetektor faktiskt producerar när ett CV går in. Kort sagt: ett sannolikhetsvärde, inte ett bevis.
Detektorer arbetar statistiskt. De mäter hur förutsägbara ordvalen är och hur mycket meningsrytmen varierar, och räknar om det till en sannolikhet för att en modell skrivit texten. Utdatat är en gissning om skrivandet, inte en notering om vad som knappade in det. En fil bär inget spår av verktyget som producerade meningarna, så det finns ingenting att granska ens när ett rekryteringsteam vill det.
Och ett CV är ungefär det sämsta tänkbara indatat för den metoden. Det är kort, punktbaserat, tätt av nyckelord och skrivet efter en mall som är årtionden äldre än ChatGPT. Parallell struktur, starka handlingsverb och täta rader med siffror är precis vad CV-råd rekommenderat i åratal, och precis vad en språkmodell producerar. Detektorer flaggar CV skrivna av människor av samma skäl som de flaggar genererade. OpenAI drog tillbaka sin egen AI-textklassificerare 2023 efter låg träffsäkerhet i praktiken, vilket säger en del om hur mycket vikt ett enskilt värde förtjänar.
Den bredare frågan om hur hållbara påståenden om detektering är finns under /answers/topic/detectability.
Vad kontrollerar arbetsgivare egentligen?
Vägen ett CV tar är maskinell i början och mänsklig i slutet. En parser extraherar texten, ett rangordningssteg matchar den mot annonsen och en rekryterare läser det som överlevt. Inget av stegen frågar vem som knappade in orden. De frågar om innehållet matchar rollen och om detaljerna hänger ihop.
Tänk dig en backendutvecklare som söker en senior roll på ett betalföretag. Hennes CV säger att hon sänkte p99-latensen i avräkningstjänsten med en tredjedel. Ingen kör den raden genom en detektor. En rekryterare frågar om den på telefonintervjun, och svaret har antingen en form, var flaskhalsen satt, vad som ändrades, hur det mättes, eller så har det inte det. Det samtalet är den enda detektor i processen som fungerar tillförlitligt.
Därför är författarfrågan mest kandidatens oro, medan frågan om konsekvens är den operativa. Datum som inte går ihop, en titel som växer mellan två ansökningar, ett mätvärde ingen kan rekonstruera: sådant märker människor, och det är de missarna som faktiskt kostar intervjuer. Övrigt CV-material är samlat under /answers/topic/resume.
Var går ett AI-skrivet CV verkligen fel?
Skadan av att låta en modell skriva utkastet är verklig, men den landar någon annanstans än i detekteringen. Tre feltyper står för det mesta.
- Generiska formuleringar. En modell skriver mot medelvärdet av allt den sett, så dina punkter läses som varje annan sökandes punkter. Det är ett rangordningsproblem, inte ett detekteringsproblem, och det är det vanligaste.
- Påståenden du inte kan försvara. Om modellen blåste upp ditt ansvarsområde eller hittade på en siffra för att fylla en rad och du lät den stå, avslöjar telefonintervjun det. Risken var aldrig CV:t utan följdfrågan.
- Ingen koppling till annonsen. En modell som inte läst annonsen skriver för en generisk version av rollen, medan rangordningssteget jämför dig med en specifik.
Botemedlet är detsamma i alla tre fallen. Behåll dina egna siffror, ditt eget ansvarsområde och dina egna ord för allt du senare måste diskutera högt.
Använd AI till CV:t och förbli ändå dess författare
Att skriva utkast med en modell är helt i sin ordning. Att skicka utdatat oläst är det inte. En kort kontrollrunda räcker:
- Stäm av varje siffra mot något du kan peka på. Byt ut det du inte kan belägga mot en enkel beskrivning av arbetet.
- Läs CV:t högt. Varje rad du inte kan säga med din egen röst skrivs om med din egen röst.
- Skriv om de punkter som skulle kunna tillhöra vem som helst. Konkreta system, begränsningar och resultat är det som skiljer dig från medelvärdet i träningsdatan.
- Kontrollera att filen fortfarande läses ut rent efter formatändringar, eftersom layoutändringar bryter extraheringen oftare än ordval gör.
Aaron Cao, grundare av SubcueAI, byggde CV-verktygen kring just den arbetsfördelningen. Den kostnadsfria byggaren exporterar en PDF med textlager så att parsrar kan läsa den, och liveassistenten läser CV:t du laddar upp så att den kan hänvisa till din verkliga bakgrund under en intervju. Inget av stegen försöker dölja hur dokumentet skrevs, för det är inte den risk det lönar sig att konstruera mot. Byggaren finns på /resume-builder.