Currículum ChatGPT: borra en el chat, envía un archivo parseable

Samira es Patient Services Representative en una clínica comunitaria de Mesa. Cuatro años. NextGen para check-in, elegibilidad y copagos. Treinta y cinco a cuarenta y cinco pacientes al día en mostrador. Bilingüe inglés/español cuando se llena el vestíbulo. El hospital regional publicó “Patient Access Coordinator” en Workday. Un grupo especialista en la autopista publicó un puesto primo en Greenhouse. Samira pegó su currículum de dos páginas en ChatGPT y escribió “hazlo ATS-optimized, añade métricas, que destaque.” El modelo devolvió un layout de dos columnas, un 98% de satisfacción que nunca ha visto, tres adjetivos apilados en el resumen y una tabla de skills con barras. Eso es un borrador. No es un archivo de Workday. No es un resultado de búsqueda en Greenhouse.

Para qué sirve ChatGPT: convertir una nota desordenada en una frase verbo-más-sustantivo; renombrar un encabezado a Experiencia si pediste una etiqueta estándar; ofrecer tres formas de decir la misma línea de check-in en NextGen. Para qué no sirve: decidir si Workday extrajo tu email; inventar una tasa de denegaciones; dibujar barras que Taleo leerá como celdas vacías; vencer el screening IA. Cuando un tenant activa el ranking, ese ranking lee el extracto. Si el extracto está vacío o las métricas son ficción, el ranking es ruido. El chatbot nunca abre Confirm. Tú sí.

Workday cuelga texto en Nombre, Email, Teléfono, filas repetidas de Experiencia, Formación y etiquetas de Skills. Greenhouse guarda el PDF para el hiring manager y un extracto para buscar. Ambos fallan primero por una tabla, un cuadro de encabezado o una imagen. Después del chat sigues adaptando el currículum a una oferta y pones keywords solo donde puedas defenderlas. Las reglas del currículum ATS no cambian porque un chatbot escribió el primer pase. Un 99 de un plugin de “ATS score” que nunca vio los widgets Workday de este hospital es entretenimiento, no una candidata guardada.

La gente trata el chat como si fuera el parser. Copian el bloque bonito a Canva, exportan un PDF diseñado y culpan “al ATS” cuando llega el silencio. El parser no vio ni una frase. Los reclutadores teclean “NextGen” y “eligibility.” Apareces con un email que pueden tocar, o no. Es el mismo fallo que un flyer hecho a mano: ChatGPT solo produjo el flyer más rápido. Dos familias objetivo siguen siendo dos archivos. El Workday del hospital puede buscar Epic. Samira no tiene Epic. No dejes que el modelo cambie NextGen por Epic porque la oferta dijo Epic. LinkedIn puede mencionar ambos. El adjunto de una requisición no.

Lo que la ventana de chat no ve

• Workday Confirm: Email vacío si el contacto estaba en una tabla que diseñó ChatGPT.
• Búsqueda de Greenhouse: “NextGen” solo existe si es texto romano, no una barra.
• El screen: “Explícame el 98%.” Si te encoges de hombros, el archivo ya falló.
• Preguntas de corte: noches, peso, años de registro — ChatGPT no las rellena.

El prompt por defecto es el problema. “Hazlo ATS-friendly y añade métricas” es una invitación a inventar. Los modelos completan un patrón. Los currículums de internet están llenos de subidas inventadas. El modelo ofrecerá “bajé denegaciones un 22%” porque esa frase parece una viñeta fuerte, no porque Samira trabajara denegaciones. Tu trabajo es dejar ese patrón sin comida. Pega solo historial en el que confíes. Pega una oferta. Di, en el mismo mensaje, que los sustantivos que falten se etiqueten FALTA — no se rellenen. Luego adapta los sustantivos que de verdad tienes, igual que sin chatbot.

Dale al modelo una caja. Nombres de empleador, cargos como en el gafete, fechas mes-año, herramientas que abriste, volúmenes que puedes decir en voz alta (check-ins al día, idiomas, qué mostrador). Luego pega la oferta del hospital. Pídele que reutilice los sustantivos de la oferta solo cuando ya aparezcan en tu caja. “Insurance verification” puede quedarse si Samira hacía elegibilidad. “Epic Cadence” no puede aparecer si nunca abrió Epic. Para colocar esos sustantivos en viñetas y no en un pie, usa keywords del currículum. El prompt es un filtro, no una segunda carrera.

Un prompt que se mantiene honesto

• Este es mi historial real. No añadas empleadores, fechas, herramientas, porcentajes ni cargos que yo no escribí.
• Esta es una oferta. Usa un sustantivo de la oferta solo si ya existe en mi historial.
• Si falta un sustantivo exigido, escribe FALTA al lado. No inventes un sustituto.
• Salida en texto plano, una columna, encabezados Experiencia / Formación / Skills. Sin tablas, sin barras, sin iconos.
• Resumen: una o dos frases. Sin adjetivos apilados (driven, apasionada, dinámica).
• Cada viñeta: verbo + objeto + un número o herramienta de mis notas. Si no di número, no añadas uno.

Después de la respuesta, lee cada cifra en voz alta. El “98% de satisfacción” debe morir en ese pase salvo que Samira pueda nombrar la encuesta. “Dueña del ciclo de ingresos completo” debe morir salvo que contabilizara cargos y trabajara denegaciones — no lo hizo. Pide una reescritura solo de las líneas que fallaron la prueba en voz alta. No le pidas al modelo “vencer a Workday” ni “optimizar el ranking de Greenhouse.” Esos sistemas guardan campos y buscan cadenas. No dan puntos extra por un prompt que suena técnico. Si quieres un segundo borrador para el grupo especialista, empieza un chat nuevo con ese anuncio y la misma caja honesta. Un párrafo mezclado es cómo ambos extractos se ven genéricos.

También puedes pegar una sola viñeta floja y pedir tres reescrituras que conserven los mismos hechos. Es más seguro que pegar el currículum entero y decir “mejora todo.” Los prompts de archivo completo son cómo las fechas se mueven, los empleadores se fusionan y aparece Epic. Para patrones de línea cuando los hechos están fijos, viñetas de currículum es el pase humano. ChatGPT puede sugerir verbos. Tú te quedas con NextGen y el 35–45. Si el modelo devuelve una tabla “para que se lea mejor,” rechaza el turno y repite: texto plano, una columna.

El modelo ha visto una década de currículums diseñados. Ofrecerá una cuadrícula de dos columnas, una matriz de skills con puntuaciones, una tabla de encabezado para el contacto y un resumen que apila tres adjetivos delante de “profesional.” Nada de eso ayuda a Workday a mapear filas de Experiencia. El extracto viejo de Taleo puede leer primero la columna derecha y guardar el año de graduación como empleador. La búsqueda de Greenhouse no encontrará “NextGen” dentro de una barra. El archivo de currículum ATS es aburrido a propósito: una columna, encabezados estándar, texto seleccionable. ChatGPT no lo sabe salvo que lo digas dos veces y luego borres lo que ignoró.

Los adjetivos apilados delatan. “Profesional de Patient Services driven, apasionada y dinámica” está vacío en la búsqueda y ruidoso para un humano. Sustituye la pila por el sustantivo de la clínica y un volumen: check-in en NextGen, 35–45 pacientes, elegibilidad antes de la visita. Las barras de skills son peores que los adjetivos. Un parser puede saltarse la etiqueta, guardar un “4” o tirar la línea. Las estrellas y chips de progreso van en una diapositiva, no en un adjunto que un sourcer buscará a las 7. Si ChatGPT puso el teléfono en un raíl izquierdo junto a iconos, pasa nombre, ciudad, teléfono y email al cuerpo en texto romano antes de tocar otra viñeta.

Los pies de keywords son la otra costumbre de ChatGPT. El modelo clonará el bloque de requisitos del hospital y lo pegará bajo Skills. Eso es stuffing. iCIMS igual te guarda; en la entrevista preguntarán a quién registraste en Epic. Corta los clones. Quédate NextGen, elegibilidad, copagos, bilingüe inglés/español — los sustantivos que Samira puede defender. Los sustantivos preferidos del hospital que no tiene se quedan fuera de este PDF. Para colocarlos sin volcar, sigue con keywords del currículum. Un pie que repite “patient access, Epic, Cadence, denials, KPI” es cómo Greenhouse trata el extracto como ruido.

Fotos, logos y etiquetas “ATS keywords:” van a la misma basura que las barras. Los pipelines de hospital en EE. UU. no quieren foto en el currículum. Un logo de NextGen no es la palabra NextGen. Si el modelo añadió una segunda página de “competencias nucleares” que repite la primera, borra la página. La longitud no es una puntuación de parseo. Tras los cortes, el archivo debería parecer algo que podrías haber tecleado en el editor — porque ahí es donde deberías terminarlo.

Termina en un layout que el ATS ya entiende. Pega el borrador limpio en el editor Enhance CV, conserva los hechos de la clínica de Samira y exporta .docx o un PDF etiquetado y seleccionable. Abre la exportación. Selecciona todo. Si las fechas de Mesa no se marcan, Workday no tokenizará Fecha de inicio. Si el Gmail no se marca, Confirm mostrará Email vacío y la búsqueda del reclutador te saltará. Fuentes: Calibri, Arial, Georgia o la de Enhance CV. Fechas mes y año junto al puesto: “mar 2022 – actualidad.” “2022–ahora” en un cuadro de encabezado que dejó ChatGPT es cómo Presente nunca llega a la casilla.

Luego pega el currículum y el anuncio del hospital en el comprobador ATS. No buscas un número mágico. Compruebas que contacto, encabezados y los sustantivos reales de la oferta existan en el extracto. Si el checker marca un email que falta, arregla el archivo — no pidas a ChatGPT otro adjetivo. Si marca Epic y Samira nunca abrió Epic, eso es un acierto: el checker encontró una mentira que plantó el modelo. Borra Epic. Quédate NextGen. Combina la puntuación con una lectura humana de las reglas de currículum ATS: una columna, contacto en el cuerpo, sin tablas como layout entero.

Workday tras subir es un segundo parseo que debes vigilar. Abre Confirm. Nombre, apellidos, email, teléfono, cada empleador, cargo, fechas. Si un widget está mal, edítalo y arregla el PDF para que la siguiente req no repita el fallo. Greenhouse: abre la vista previa que verá el hiring manager e imagina a un sourcer tecleando “NextGen.” Si esa cadena solo está en una barra que creías borrada, no está en la búsqueda. Taleo en tenants hospitalarios viejos puede obligarte a reescribir el historial; el adjunto igual tiene que buscarse cuando una coordinadora lo abra. Los cuestionarios de iCIMS preguntarán años de registro: el número que teclees debe coincidir con una frase del currículum.

Nombre de archivo: Last_PatientAccess.pdf, no CurriculumFinal_CHATGPT. Un email en el cuerpo, ninguno en el pie para que el parser los intercambie. Abre el archivo en el móvil. Si tienes que pellizcar para leer las fechas, la vista previa del tenant te penaliza. El screening IA, cuando existe en este tenant, puntúa lo que sobrevivió este pase. No rescata una tabla. No perdona un 98% que no puedes explicar. Exporta, selecciona todo, checker, Confirm o vista previa, luego envía. El historial del chat no es la candidatura.

Estas reescrituras salen de borradores que el modelo de verdad produce: subidas inventadas, cromo y un ascenso de cargo. Copia el patrón. No copies los números de Samira si no son tuyos. Para más formas de línea cuando los hechos están fijos, viñetas de currículum.

Si Samira ha dirigido un huddle de dos mostradores cuando avisó la lead, esa es una viñeta de alcance — con el recuento de mostradores. Si no, mantén el cargo honesto y postula como representative fuerte. No pidas al modelo “más lenguaje de liderazgo” hasta que exista un huddle real. Un paréntesis vale cuando el trabajo es verdad: “Patient Services Representative (verificación de seguros en el check-in).” Un autoascenso a Coordinator no. Tras las tres reescrituras, pasa otra vez el comprobador. El extracto debe mostrar NextGen y fechas, no un porcentaje de satisfacción.

Temporizador: 50 minutos con el portal. Oferta, notas reales y un sitio donde terminar el archivo. Monta en un layout conocido si el chat sigue pareciendo un flyer. No abras Canva en esta hora.

1. Escribe la caja honesta: empleadores, cargos del gafete, fechas mes-año, herramientas, volúmenes que puedas decir en voz alta.
2. Pega una oferta. Rodea sustantivos exigidos y cualquier cifra (años, idiomas, turno).
3. Prompt a ChatGPT: prohíbe métricas inventadas; una columna; etiqueta FALTA los sustantivos que falten; sin tablas ni barras.
4. Lee en voz alta cada cifra y cargo. Borra lo que no puedas explicar en un screen.
5. Borra tablas, barras de skills, adjetivos apilados, raíles de iconos y cualquier pie de requisitos clonado.
6. Restaura el gafete verdadero. Paréntesis solo por trabajo que ocurrió.
7. Reescribe tres a cinco viñetas del rol de clínica con verbo + NextGen o volumen. Ver viñetas.
8. Skills en texto plano con sustantivos que puedas defender. Sin estrellas. Sin Epic si nunca abriste Epic.
9. Pega en el editor. Exporta .docx o PDF seleccionable. Selecciona todo en el escritorio y en el móvil.
10. Pega currículum y oferta en el comprobador ATS. Corrige contacto, encabezados y mentiras plantadas.
11. Sube. Mira Workday Confirm o la vista previa de Greenhouse. Haz coincidir los años del cuestionario con el PDF.
12. Envía. Abre la confirmación. Si el tenant muestra avisos de parseo, arregla el archivo esa misma noche.

El paso 4 mata en silencio. La gente acepta el primer pase de ChatGPT porque suena terminado. Las coordinadoras comparan el PDF con el screen telefónico. El paso 11 es el segundo: parseas y luego corres los desplegables. “Dos años de registro” en el PDF y “0–1 años” en iCIMS es cómo una coordinadora cierra el archivo sin lectura humana. Tras los pasos, adaptar el currículum y las keywords siguen vigentes. El chatbot no los sustituye.

Anuncios clonados. ChatGPT reescribirá la oferta del hospital como si fuera el resumen de Samira. Los hiring managers de Greenhouse se dan cuenta. Los parsers no dan puntos extra por un párrafo que copia la requisición palabra por palabra. Quédate el marco de la clínica. Toma un sustantivo (elegibilidad, registro) solo dentro de una viñeta que ocurrió. Si el borrador y el anuncio suenan idénticos, devuelve una cifra a la línea que es tuya — 35–45 check-ins, Mesa, NextGen — y corta el resto del clon.

Dos chats. Patient Access de hospital y supervisora de clínica retail son archivos distintos. Una sola sesión de ChatGPT que nombra Epic y “retail throughput” guardará un extracto revuelto. Empieza un hilo nuevo por familia de ofertas con la misma caja honesta. LinkedIn puede ser más ancho. El upload de Workday no. Si Samira también postula al grupo especialista en Greenhouse, puede reutilizar NextGen e idiomas; no puede reutilizar un sustantivo solo de hospital que no tiene. Dos carpetas con nombres claros ahorran la siguiente noche de candidaturas.

Cuando ChatGPT no es el problema. El hospital contrató interno. La req pedía 12 meses de registro hospitalario. Samira postuló después del cierre. Un parseo limpio no reabre un puesto cubierto. Mira la fecha de la oferta y los años exigidos antes de otra reescritura. Luego envía. El screening IA en algunos tenants es un ranking encima del parseo: igual no inventa años de hospital. Empleadas internas: sustituye el adjunto viejo; el PDF de clínica del año pasado no menciona la elegibilidad que empezaste en marzo. Greenhouse “Resume updated” no demuestra que aterrizó la línea de NextGen — abre la vista previa.

Easy Apply en un tablero no es el Workday del hospital. Puede enviar una captura de ChatGPT con el email aún en una barra. Usa la URL de empleo del anuncio. Si ya usaste Easy Apply, ve al sitio del hospital, crea la cuenta real y sube el archivo seguro para parseo. Los emails de estado del tablero no son un ID de candidata de Workday. Los portales de ETT añaden la misma trampa: parseas para el tenant del hospital y postulas en un Taleo de proveedor que convierte el PDF en imagen. Pregunta qué sistema usa la req, o postula desde la URL del anuncio.

Último pase antes de Apply: nombre de archivo con apellido y puesto; teléfono con prefijo; un email en el cuerpo. Sin una segunda “nube de skills” de ChatGPT al final. Luego envía. Esperar una semana para “perfeccionar” adjetivos es cómo se cubre la req de Patient Access con alguien cuyo archivo solo era legible el martes. Si Confirm muestra un email en blanco, aún no has postulado: tienes un borrador en un portal. Arregla la capa de texto, vuelve a subir y termina los widgets. El comprobador es para el archivo, no para un corte que ya respondiste que no.