Як локальні ШІ-моделі змагаються з ChatGPT у переробці резюме
Проводячи близько чотирнадцяти годин щодня за комп’ютером, я традиційно присвячую п’ятнадцять хвилин LinkedIn. Не через цікавість до діяльності у своїй мережі, а тому що щоденні загадки й словесні ігри там — одна із найкращих частин мого дня. Проте важко пройти повз стрічку новин, де кожен п’ятий пост наголошує на тому, як AI може “почистити” ваше резюме, щоб зробити його дружнім до ATS-систем.
Повсюди — сотні підказок щодо того, що саме вказати, аби резюме виглядало краще. Останні два тижні я вивчав, як розгорнути власні великі мовні моделі (LLM) через Ollama. Перше, про що подумав — як мій локальний ШІ-модель упорається в конкуренції з ChatGPT від OpenAI у переробці резюме.
Однакова анкета, однаковий запит
Моє резюме давно не оновлювалося — лише раз цього року я редагував його, і чесно кажучи, документ не був надто доглянутий. Навіть витратив хвилин десять, щоб знайти останню версію файлу. Після цього одразу завантажив його до ChatGPT та одночасно у локальну модель Gemma 4, що працює через Ollama. Зазвичай я надаю перевагу Quen 3.6 з 27 мільярдами параметрів, але це надто навантажує мою систему RTX 4070 Ti та 32 ГБ DDR5 RAM, тому обрав Gemma 4 — модель із 8 мільярдами параметрів.
Ось запит, який я одночасно дав двом ШІ:
Вивчи моє резюме, пройдися по ньому максимально ретельно. Дій як старший менеджер з найму та рев’ювер резюме для технічних і медійних вакансій. Визнач:
1. Слабкі пункти
2. Зайва або нечітка формулювання
3. Зайві корпоративні кліше
4. Відсутність вимірюваного впливу
5. Розділи, які недооцінюють мій досвід
6. Навички чи досягнення, які варто підкреслити більше.
Підкажи, як природньо вставити відповідні ключові слова для оптимізації. Проаналізуй текст на надмірну многослівність та недостатню вагу. Потім перепиши резюме так, щоб воно звучало чітко, впевнено та привабливо, водночас залишаючись людяним. Пріоритет дай ясності, ефектності та потужним формулюванням більше, ніж надмірній формальності. В кінці придумай заголовок і підзаголовок, що чітко висвітлюють мої сильні сторони.
ChatGPT взяв загальний підхід
GPT-5.5 миттєво вказав на типові проблеми: надто шаблонні фрази, відсутність сутнісного наповнення. Все це правда, але його відповідь була надто обережною. Він дійсно звернув увагу на нечіткість, відсутність конкретики і банальні вирази, але не зміг перебудувати резюме у справді вражаючий і продуманий документ. ChatGPT працював переважно у режимі «прибирання», тоді як Gemma 4 радикально змінив тон і підхід.
Особливо GPT-5.5 не зв’язав між собою мої різні досвіди — журналістику, QA AI, редакційне та SEO-редагування розглядав окремо, що зробило резюме розпорошеним. Моє місце роботи в Nvidia (рік досвіду) він явно занижив у порівнянні з Gemma 4. Так, модель допомогла зробити текст яснішим, але не додала цінності. А переписала вона резюме як скорочену версію і пропустила частину інструкції про заголовок і підзаголовок.
Gemma 4 краще зрозуміла наміри
Локальна модель від Google вирізняється оригінальним сприйняттям задачі. Вона не просто редагувала текст, а глибоко проаналізувала і побудувала наскрізний наратив кар’єрного розвитку. Вона помітила фрагментованість досвіду, починаючи від письменника до інженера QA і керівника творчої групи, що на папері виглядає хаотично. Але Gemma 4 подала це як цілеспрямоване зростання навичок — еволюцію від автора до технічного медіаоператора. Саме це створило сильніший та цікавіший ланцюг.
Якщо GPT критикував нечіткість у пунктах, Gemma одразу вказала, що потрібно показати операційний або фінансовий вплив. Мені навіть було цікаво, що файл я назвав «CV», а модель перетворила його на стильний брендовий документ. Вона запропонувала позиціонувати мене як “багатофункціонального медіастратега” — і це справді було розумно.
Локальні ШІ-моделі стають потужними
Особливо вражає, що цей прорив стався на моделі з 8 мільярдами параметрів, яка запущена на звичайному споживчому обладнанні. Якби я використав модель з більшими параметрами, більшою пам’яттю контексту та довшим часом на висновок — різниця була б ще більш відчутною у таких завданнях. Бо огляд резюме — це не про швидкість. Це про глибоке розуміння, яке дозволяє проникливо оцінити, чого насправді прагне кандидат і ким він хоче стати.
Локальні моделі стають справжніми гігантами, адже їм не треба швидко обслуговувати мільйони користувачів — достатньо працювати для одного користувача на одному ПК та “думати” довше. ChatGPT відповів мені менше ніж за хвилину, а Gemma 4 працювала понад п’ять хвилин, але у випадку з кар’єрним документом така повільність — справедливий компроміс за якісний і персоналізований результат.
Що далі?
Порівняння двох відповідей чітко показало: краща модель — це не завжди найбільше відомий бренд. Це той ШІ, який уважно прислухається, вкладає більше часу і дає не просто швидку, а більш глибоку і сміливу відповідь.
