מה קרה כשביקשתי מ-ChatGPT, Claude ו-Gemini לשכתב את קורות החיים שלי?
כשביקשתי מ-ChatGPT, Claude ו-Gemini לשכתב את קורות החיים שלי, שלושתם שיפרו אותם, אבל כל אחד שיפר משהו אחר. ChatGPT נתן לי את סעיפי ההישגים הנקיים ביותר, Claude שמר על הכי הרבה הקשר, ו-Gemini ארגן מחדש את המסמך עם הכי מעט חיכוך. אף אחד מהם לא הפיק קורות חיים שמוכנים לשליחה כבר בסבב הראשון. הגרסה המנצחת נוצרה משילוב החוזקות של שלושתם, ואז מחיקה ידנית של כל שורה מעורפלת. זה היה השיעור האמיתי מהניסוי הזה בשכתוב קורות חיים: AI מצוין בדחיסה, בינוני בשיקול דעת, ומסוכן כשנותנים לו להישמע מרשים יותר ממה שבאמת עשיתם.
ערכתי מבחן הוגן לקורות חיים. אותם קורות חיים בסיסיים. אותו תפקיד יעד. אותו מבנה הנחיה. השתמשתי בקורות חיים של מנהל שיווק באמצע הקריירה, עם סעיפים מבולגנים, מדדים לא אחידים, ויותר מדי שפה של משימות. אחר כך ביקשתי מכל מודל לשכתב אותם לתפקיד של Growth Marketing Lead בחברת SaaS. דירגתי את התוצרים לפי חמישה דברים שמגייסים באמת בודקים: דיוק בטענות, השפעה מדידה, התאמה למילות מפתח, קריאות, והאם הסעיפים נשמעים כמו משהו שאפשר לעמוד מאחוריו בריאיון. אם שורה נראתה נהדר על הנייר אבל לא יכולתי להגן עליה בריאיון, היא נכשלה.
הפער בין קורות החיים לפני ואחרי נראה מרשים במבט ראשון, אבל השינויים המועילים היו קטנים יותר ממה שאנשים חושבים. סעיף חלש כמו אחראי על קמפייני אימייל ודיווח הפך ל-הובלתי קמפייני אימייל לאורך מחזור החיים ודיווח ביצועים שבועי, ושיפרתי את הנראות של מגמות פתיחה והמרה עבור צוות המכירות. טוב יותר, כן. עדיין לא מספיק. הסעיף הפך לחזק באמת רק כשההנחיה אילצה את המודל לבקש מספרים חסרים, היקף ערוצים, גודל רשימות והשפעה על הכנסות. לכן צילומי מסך של שכתובי AI הופכים לוויראליים. גרסת האחרי המבריקה נראית חכמה יותר. החלק הקשה הוא להוכיח את זה.
איזה מודל באמת ניצח במבחן קורות החיים?
Claude ניצח בפער קטן במבחן קורות החיים אם המטרה הייתה שכתוב אמין שאפשר באמת להשתמש בו. ChatGPT הגיע שני כי הוא כתב את הסעיפים הכי חדים וקולעים. Gemini היה שלישי בסך הכול, אבל ראשון במבנה ובניקוי. הסדר הזה מתהפך לפי המשימה. אם אתם הופכים הערות גולמיות לטיוטה קריאה, ChatGPT מצוין. אם אתם מנסים לשמר ניואנסים מתוך קורות חיים בכירים וצפופים, Claude בטוח יותר. אם קורות החיים שלכם כאוטיים ומסודרים רע, Gemini טוב בצורה מפתיעה בלהחזיר להם צורה בלי לערוך יותר מדי.
בתוך ChatGPT, GPT-5 היה טוב יותר מ-GPT-4o בשמירה על ההנחיות לאורך קלטים ארוכים, במיוחד כשביקשתי שלוש גרסאות פלט וביקורת סיכונים. GPT-4o עדיין הרגיש מהיר יותר ושיחתי יותר. Claude Sonnet טיפל בפרטי קורות חיים בצורה יוצאת מן הכלל, ו-Opus נשאר החזק ביותר כשההנחיה נעשתה מורכבת ואסטרטגית. Gemini 2.5 Pro עקב היטב אחרי הוראות עיצוב והיה פחות נוטה לקבור את המסר המרכזי בתוך פסקאות ארוכות. בעברית פשוטה: ChatGPT מוכר, Claude מגן, Gemini מארגן.
גם שאר השחקנים חשובים, אבל בעיקר כמומחים למשימות מסוימות. Copilot שימושי כשאתם כבר עורכים ב-Word או מלטשים טקסט ל-LinkedIn. Perplexity טוב יותר למחקר על חברה ולהכנה לראיונות מאשר לשכתוב סעיפים מאפס, כי אופן העבודה שלו כמנוע תשובות דוחף אתכם להקשר מהעולם האמיתי. Grok חד ומהיר, Meta AI נוח כשאתם כבר בתוך האפליקציות של Meta, ו-DeepSeek יחד עם Mistral Le Chat עובדים היטב כחוות דעת שנייה זולה. לא הייתי הופך אף אחד מהם לכותב קורות החיים היחיד שלי למועמדות שבה באמת חשוב לא לטעות.
| ממד | ChatGPT | Claude | Gemini |
|---|---|---|---|
| סעיפי הישגים | ✓ חדים וקולעים | מפורטים אך ארוכים יותר | נקיים אך פחות חיים |
| שימור פרטים | עלול לאבד ניואנסים | ✓ הטוב ביותר בשימור הקשר | שומר על השלד |
| ניקוי מבנה | סדר סעיפים טוב | ארגון מחדש שמרני | ✓ הארגון מחדש הנקי הטוב ביותר |
| שליטה בטון | ✓ קל לכוון אותו | חזק אך רשמי | מקצועי ויציב |
| שליטה בהמצאות | עלול ללטש מדי נתונים דלים | ✓ הכי פחות נוטה להמציא | לעיתים משתמש בניסוחי מילוי |
איזו הנחיה נתנה את התוצאה הטובה ביותר בכל LLM?
ההנחיה הטובה ביותר בכל מודל לא הייתה שכתב את קורות החיים שלי. ההנחיה הזאת רופפת מדי, ולכן המודל ממלא את החורים בשפה תאגידית ריקה. ההנחיה הטובה ביותר גורמת למודל לפעול כמו עורך ספקן, כובלת אותו לעובדות מאומתות, ומכריחה אותו להפריד בין עבודת השכתוב לבין עבודת איסוף הראיות. כשעושים את זה, GPT-5, Claude, Gemini, Copilot ואפילו מודלים קטנים יותר מפסיקים לנחש כל כך הרבה ומתחילים לחשוף מה חסר בקורות החיים שלכם.
השתמשו בהנחיה האוניברסלית הזאת כבסיס: פעל כמגייס וכעורך קורות חיים. אל תמציא כלים, מדדים, מעסיקים, תאריכים או תחומי אחריות. שכתב את הסעיפים שלהלן עבור תפקיד יעד בכיר בתעשייה. שמור על כל עובדה נכונה, השאר מספרים, הסר מילויי שפה מעורפלים, והתחל כל סעיף בהשפעה החזקה ביותר. החזר שלושה חלקים: סעיפים מתוקנים, ראיות חסרות שעליי להוסיף, וטענות שנשמעות מרשימות אבל חלשות מדי מכדי לשרוד ריאיון. זה היה פורמט ההנחיה היחיד שעבד היטב בכל המודלים הגדולים.
אחר כך עשו סבב שני. בקשו מהמודל לדרג את חמשת הסעיפים הטובים ביותר, להסביר למה כל אחד עובד, ולומר לכם איזה סעיף נשמע מנופח. רוב האנשים מדלגים על השלב הזה ואז תוהים למה התוצאה מרגישה סינתטית. המודל יכול לכתוב משפט יפה יותר בתוך שניות. הוא לא יכול לדעת אם הובלתי יוזמות רוחביות אומר שניהלתם פגישת סטטוס שבועית או שהובלתם השקה בין הנדסה, כספים ומכירות. התפקיד שלכם הוא לסגור את הפער הזה לפני שקורות החיים יוצאים מהמחשב שלכם.
אילו הנחיות כדאי להעתיק לכל מודל AI?
ב-ChatGPT, בין אם GPT-5 או GPT-4o, השתמשו בהנחיה שמבצעת שינוי אמיתי, לא בהנחיית יחסי ציבור. נסו כך: שכתב את סעיפי קורות החיים האלה עבור תפקיד של מנהל שיווק מוצר בחברת B2B SaaS. שמור על כל עובדה נכונה. שמור על המספר החזק ביותר בכל סעיף. החלף תיאור תפקיד בתוצאות. אחר כך תן לי גרסה קשוחה יותר, כאילו מגייס כתב אותה אחרי סריקה של 20 שניות. ב-Microsoft Copilot, החליפו משימה: הפוך את הסעיפים המאומתים האלה לפרק About ב-LinkedIn, לקורות חיים של עמוד אחד ב-Word, ולחמש אפשרויות לכותרת. Copilot חזק במיוחד כשהפלט צריך לחיות בתוך מסמכי Microsoft.
עבור Claude Sonnet או Opus, בקשו ניתוח ואיפוק. ההנחיה הזאת עובדת: אבחן למה קורות החיים האלה מציגים בחסר מהנדס backend בכיר שמגיש מועמדות לחברת פינטק בסבב Series B. אל תשכתב עדיין. קודם רשום את ההוכחות החסרות, הרעיונות שחוזרים על עצמם, הפעלים החלשים, והסעיפים שיגררו שאלות המשך בריאיון. אחר כך שכתב רק את החצי העליון של קורות החיים. Claude מצוין בתהליך הזה, שבו הביקורת קודמת לשכתוב. עבור Gemini, שמרו על שכבת ההוראות נקייה יותר: סדר מחדש את קורות החיים האלה לתפקיד של אנליסט נתונים, שמור על כותרות בטוחות ל-ATS, והחזר גרסה שמותאמת לקריאה מהירה לצד גרסה שמותאמת לכיסוי מילות מפתח.
ב-Perplexity, אל תבקשו קודם את השכתוב הסופי. בקשו מודיעין לחיפוש עבודה. השתמשו ב: קרא את תיאור המשרה הזה, זהה את חמש המיומנויות שסביר שהכי ישפיעו בתהליך הריאיון, ותן לי עשר שאלות ריאיון עם זוויות ספציפיות לחברה. כך Perplexity הופך לטוב בהרבה בהכנה לראיונות מאשר בעריכה סגנונית. עבור Grok, נצלו את היכולת לקצר: שכתב את הסעיפים האלה כך שיישמעו חדים, קצרים וישירים יותר, בלי להוסיף טענות. עבור Meta AI, בקשו תרגום לקהל יעד: הפוך את קורות החיים האלה לשפה שמגייס לא טכני יבין בתוך 15 שניות.
ב-DeepSeek וב-Mistral Le Chat, השתמשו בהם כמאתגרים. ההנחיה: מצא את הניפוח, הטענות הכפולות, והשפה המנהיגותית הריקה בקורות החיים האלה. קצץ 15 אחוז בלי לאבד ראיות. אחר כך אמור לי איזה סעיף עדיין נשמע כאילו נכתב על ידי AI. הם שימושיים במיוחד כמעבר שני זול אחרי ChatGPT או Claude. אם אתם צריכים גם מכתב מקדים, Claude בדרך כלל מטפל בטון הכי טוב עם ההנחיה הזאת: כתוב מכתב מקדים על בסיס העובדות המאומתות האלה מקורות החיים ותיאור המשרה הזה. שמור עליו ספציפי, רגוע, ובלתי ניתן לטעות בו כתבנית.
באילו הנחיות לשכתוב קורות חיים עם AI כדאי להפסיק להשתמש?
הפסיקו להשתמש בהנחיות שמבקשות מ-AI להפוך את קורות החיים שלכם ליותר מקצועיים. הביטוי הזה מייצר בדיוק את המחלה שאתם מנסים לרפא: משפטים ארוכים יותר, שמות עצם מופשטים, וליטוש ניהולי מזויף. רוב ההנחיות הוויראליות ל-AI בנויות לצילומי מסך, לא לזימונים חזרה. אם הסעיף שלכם מתחיל להישמע כמו יועץ ניהול שמעולם לא נגע בעבודה, הפסדתם. מגייסים לא צריכים גרסה יפה יותר של שיתפתי פעולה עם בעלי עניין ממחלקות שונות. הם צריכים הוכחה שהוצאתם משהו לפועל, שיפרתם משהו, מכרתם משהו או תיקנתם משהו.
הפסיקו להשתמש ב-הפוך את זה לידידותי ל-ATS כהנחיה של שורה אחת. מערכות ATS כמו Workday, Greenhouse ו-Lever לא יושבות שם כדי לשפוט את הסגנון שלכם. הן קוראות מבנה, תאריכים, תפקידים, מילות מפתח וטקסט פשוט. שכתוב מנופח של AI אפילו עלול לפגוע בכם, כי הוא מחביא מונחים רלוונטיים מתחת למילוי גנרי. במקום זה, בקשו עיצוב בטוח ל-ATS, מיפוי מדויק של מילות מפתח וכותרות סטנדרטיות. זה כבר מספיק ממוקד כדי שהמודל יעשה עבודה אמיתית. ATS friendly בפני עצמו הוא ניסוח בסגנון הורוסקופ קריירה.
הפסיקו לרדוף אחרי המיתוס של ההנחיה היחידה ל-AI שתביא לכם ריאיון. הנחיה אחת לא תתקן ראיות חלשות, מיקוד מבולבל או קורות חיים שדחוסים במשימות. התהליך הטוב יותר אכזרי ומשעמם: מחלצים עובדות, ממפים אותן למשרה, משכתבים עם מודל אחד, מאתגרים עם אחר, ואז מקצצים שוב. אם אתם מחפשים סיפור בסגנון הנחיות AI שעזרו לי להתקבל לעבודה, זה הסיפור ששווה להעתיק. לא מילות קסם. רק שיטה הדוקה שמכריחה את המודל להצדיק כל שורה.
איך גורמים לשכתוב של AI לעבור ATS וסינון AI?
שכתוב של AI שורד ATS וסינון AI כשהוא משעמם במובנים הנכונים. השתמשו בכותרות סטנדרטיות, בתאריכים עקביים, בשמות תפקיד אמיתיים ובהישגים שקשורים למספרים, להיקף או למהירות. ותרו על תיבות טקסט, סמלים, פסי כישורים ותוויות מתחכמות. רוב המועמדים מגזימים בהתאמה לבוטים ולא מספיק מתאימים למגייס שקורא את קורות החיים מיד אחריהם. הקובץ הבטוח ביותר הוא מסמך נקי שמערכת Workday או Greenhouse יכולה לקרוא, ואדם עייף יכול להבין בסריקה אחת.
המסנן הבא כבר אינו רק ה-ATS. צוותי גיוס רבים מוסיפים כיום סינון שיחתי, אוטומציה של ראיונות או אימות כישורים לפני שיחה עם בן אדם. HireVue מציעה סוכני גיוס מבוססי AI ותהליכי ריאיון מובנים. Sapia מפעילה ראיונות AI מבוססי צ'אט בהיקף גדול. Workday העמיקה גם היא בגיוס שיחתי לתפקידי קו ראשון דרך Paradox ב-2026. זה אומר שקורות החיים שלכם צריכים לעשות שתי עבודות: להתאים למודעה ולהכין סיפורים שתוכלו לחזור עליהם בעקביות כשבוט, מגייס או מנהל מגייס ישאלו שאלות המשך.
התהליך המועדף עליי פשוט. נסחו טיוטה ב-ChatGPT, Claude או Gemini. חקרו את החברה ואת זוויות הריאיון עם Perplexity. אחר כך העבירו את קורות החיים הסופיים דרך HRLens כדי לזהות פערי ATS, סעיפים חלשים ומילות מפתח חסרות שמודלים כלליים מחמיצים לעיתים קרובות. אחרי זה קראו כל סעיף בקול רם ושאלו את עצמכם שאלה אחת לא נעימה: האם הייתי יכול להגן על המשפט הזה מול מנהל מגייס ספקן מחר בבוקר? אם התשובה היא לא, השורה עפה. כך מחסנים קורות חיים מול AI.