Opisy stanowisk z AI: prompty ChatGPT, które naprawdę produkują użyteczne JD

Pusty dokument. Mglista rozmowa briefująca z hiring managerem. Deadline przed publikacją roli. Każdy rekruter zna podatek od pisania JD: wpatrywanie się w szablon, kopiowanie języka ze starych ogłoszeń, dopytywanie samego siebie, czy pamiętałeś o widełkach wynagrodzenia.

ChatGPT może znacznie skrócić tę pracę, ale tylko jeśli twój prompt jest dobry. Mglisty prompt typu “napisz mi opis stanowiska na inżyniera oprogramowania” produkuje mglisty output: generyczne obowiązki, nierealistyczne wymagania, ten sam sztampowy akapit “O nas”, który mają wszystkie inne ogłoszenia.

Rich z kanału SkillDeck pokazuje technikę, która to naprawia, w swojej serii Talent Acquisition. Sztuczka polega na tym, że nie piszesz promptu sam. Używasz generatora promptów, żeby napisał prompt, a potem przepuszczasz ten prompt przez ChatGPT. Dwa narzędzia, jedno użyteczne JD.

Ten artykuł omawia prompty, które działają, strukturę, jaką produkują, i miejsca, gdzie ręczne pisanie promptów zaczyna się rozsypywać w porównaniu z narzędziem świadomym JD.

Dlaczego bezpośrednie prompty do ChatGPT produkują słabe JD

W skrócie: ChatGPT wyprodukuje generyczne JD z jednolinijkowego promptu, ale w outpucie brakuje struktury, obowiązków specyficznych dla roli i elementów, na których faktycznie zależy hiring managerom. Naprawą jest albo mocniejszy prompt, albo generator promptów, który zbuduje strukturę za ciebie.

Oto co większość rekruterów robi, próbując ChatGPT do JD po raz pierwszy:

napisz opis stanowiska na stażystę SEO, zdalnie, Indie

ChatGPT coś ci da. Będzie tytuł, kilka obowiązków, kilka wymagań. Ale porównaj to z tym, co hiring manager naprawdę chce opublikować:

Czy jest podsumowanie firmy, które sprzedaje rolę?
Czy obowiązki są na tyle konkretne, żeby kandydat mógł sam się zakwalifikować?
Czy wymagania oddzielają must-have od nice-to-have?
Czy jest sekcja benefitów odpowiadająca temu, co twoja firma faktycznie oferuje?
Czy jest proces aplikacji albo wezwanie do działania?

Jednolinijkowy prompt produkuje output, w którym brakuje większości tego. Spędzasz kawał czasu na edycji, żeby przywrócić kształt, co jest ledwie szybsze od pisania od zera.

Punkt Richa z kanału SkillDeck jest taki: pytanie ChatGPT bezpośrednio o JD technicznie działa, ale w ten sposób nie dostaniesz porządnego opisu stanowiska. Dokładne JD pojawia się, gdy najpierw przepuścisz prompt przez generator promptów, a wynik wkleisz do ChatGPT.

Prompt to produkt. Model to silnik.

Workflow z generatorem promptów

W skrócie: Użyj generatora promptów, takiego jak PromptHackers, żeby przetłumaczyć twoje wymagania w prostym języku na ustrukturyzowany prompt do ChatGPT. Skopiuj wygenerowany prompt do ChatGPT. Output to JD z podsumowaniem firmy, obowiązkami, wymaganiami, benefitami i procesem aplikacji we właściwej kolejności.

Rekomendowany przez Richa workflow używa dwóch narzędzi:

PromptHackers (prompthackers.com): zamienia wymagania w prostym języku na ustrukturyzowany prompt
ChatGPT: wykonuje ten prompt

Nie próbujesz być prompt engineerem. Pozwalasz narzędziu do prompt engineeringu wykonać tę inżynierię.

Krok 1: opisz rolę prostym językiem

Otwórz PromptHackers. W polu wejściowym napisz to, czego chcesz, tak jak powiedziałbyś na głos:

Wciel się w rolę autora JD.

Napisz opis stanowiska. Chcę zatrudnić stażystów, którzy ogarną SEO,
digital marketing, zrobią research, powinni być sprytni i pisać blogi.
Praca zdalna, z domu. Kandydat może aplikować z dowolnego miejsca w Indiach.

Bez magii. Bez “wciel się w starszego rekrutera z 20-letnim doświadczeniem”. Po prostu wymagania zwykłą polszczyzną. Generator promptów zajmuje się formatowaniem.

Krok 2: wygeneruj prompt

PromptHackers bierze twój wkład i produkuje ustrukturyzowany prompt z kontekstem roli, wymaganiami formatu i ograniczeniami już wypełnionymi. Wygenerowany prompt zawiera rzeczy, których nie pomyślałbyś, żeby określić:

“Zawrzyj podsumowanie firmy”
“Oddziel wymagane od preferowanych kwalifikacji”
“Output w markdown z nagłówkami sekcji H2”
“Ton powinien być profesjonalny, ale angażujący”

Niczego z tego nie piszesz sam. Generator dodaje to.

Krok 3: przepuść przez ChatGPT

Skopiuj wygenerowany prompt. Wklej do ChatGPT. Output to JD ze strukturą, której pierwszy filmik SkillDeck Richa o pisaniu JD uczy rekruterów używać:

Tytuł stanowiska
Podsumowanie firmy
Opis stanowiska (przegląd roli)
Obowiązki
Wymagania
Benefity
Proces aplikacji

To nie jest losowe. To kanoniczna struktura JD. Bezpośredni jednolinijkowy prompt pomija połowę tych sekcji. Prompt zbudowany przez generator zmusza ChatGPT do wyprodukowania ich wszystkich.

Co odróżnia mocny prompt JD od słabego

W skrócie: Słabe prompty dają ChatGPT temat. Mocne dają mu przypisanie roli, strukturę outputu i ograniczenia. Różnica to spójność. Mocne prompty produkują output tej samej jakości za każdym razem. Słabe to rzut monetą.

Jeśli chcesz pominąć generatory promptów i pisać własne, różnica między słabym a mocnym sprowadza się do czterech elementów:

Element	Słaby prompt	Mocny prompt
Przypisanie roli	Brak	”Jesteś starszym rekruterem technicznym piszącym JD dla startupów SaaS”
Struktura outputu	”Napisz opis stanowiska"	"Output: 1) Tytuł 2) Podsumowanie 3) Obowiązki 4) Wymagania 5) Benefity”
Ograniczenia	Brak	”Ton: profesjonalny, ale konwersacyjny. Długość: 400-600 słów. Bez frazesów.”
Kontekst	”na backend engineera"	"na Senior Backend Engineera w 50-osobowym fintechu Series B, Berlin hybryda, €80-100k”

Oto szablon mocnego promptu, który możesz dostosować:

Jesteś starszym rekruterem piszącym opisy stanowisk dla firmy z branży [BRANŻA]
na etapie [ETAP] z [LICZBA PRACOWNIKÓW] pracownikami.

Napisz opis stanowiska na poniższą rolę:

- Tytuł: [TYTUŁ]
- Lokalizacja: [LOKALIZACJA + POLITYKA ZDALNA]
- Widełki wynagrodzenia: [WIDEŁKI]
- Raportuje do: [ROLA MENEDŻERA]
- Zespół: [KONTEKST ZESPOŁU]

Wymagania must-have:
- [WYMAGANIE 1]
- [WYMAGANIE 2]

Nice-to-have:
- [WYMAGANIE 1]

Struktura outputu:
1. Przekonujący 2-zdaniowy hook firmy (konkretny, nie generyczny)
2. Przegląd roli (max 3 zdania)
3. Obowiązki (5-7 punktów, tylko czasowniki działań)
4. Wymagania podzielone na "Wymagane" i "Preferowane"
5. Benefity (4-6 punktów, realne, nie aspiracyjne)
6. Proces aplikacji (1 akapit)

Ograniczenia:
- Ton: pewny siebie, konkretny, bez korporacyjnych frazesów
- Długość: 400-600 słów łącznie
- Bez fraz typu "rockstar", "ninja", "fast-paced environment"
- Używaj "ty", nie "kandydat"
- Unikaj języka nacechowanego płcią

Zapisz to jako snippet. Podmieniaj nawiasy dla każdej nowej roli. Output zostaje spójny między rolami, bo struktura jest zablokowana.

SpotGPT: prompt all-in-one dla TA

W skrócie: SpotGPT generuje JD plus artefakty, które zwykle przychodzą po nim (KPI, pytania screeningowe, pytania STAR, copy do posta na LinkedIn, maile outreachowe do kandydatów) z jednego promptu. Pomiń jego output stringów boolean; jest niepewny.

Jeśli chcesz wszystkiego, czego wymaga proces TA, w jednym prompcie, SpotGPT pokrywa większy teren niż sam ChatGPT.

Logujesz się kontem Gmail i piszesz ten sam typ prostego promptu, którego użyłbyś w PromptHackers:

Potrzebuję opisu stanowiska na HR Managera w SkillDeck znającego
Talent Acquisition, payroll, L&D itd., z 7-9 latami doświadczenia w Bangalore.

Output to nie tylko JD. To pakiet TA:

Role i obowiązki (samo JD)
Cele wydajnościowe, co rola ma osiągnąć w pierwszych 90/180/365 dniach
KPI, mierzalne kryteria sukcesu dla roli
Pytania screeningowe, o co pytać w pierwszej rozmowie z rekruterem
Pytania STAR oparte na scenariuszach do rozmów sytuacyjnych
Copy do posta na LinkedIn, sformatowane do bezpośredniej publikacji
Szablon maila outreachowego do pasywnych kandydatów

Ujęcie Richa z kanału SkillDeck jest takie, że SpotGPT pakuje razem artefakty, których typowo potrzebuje ekspert Talent Acquisition (JD, pytania screeningowe, pytania STAR, copy ogłoszenia, mail outreachowy) w jednym outpucie. Jego jedno zastrzeżenie: pomiń output stringów boolean. Boolean to jedyna rzecz, której narzędzie nie robi dobrze. Użyj do tego dedykowanego podejścia — pokrywa to nasz przewodnik Stringi boolean do 15 typowych ról.

Trade-off względem ChatGPT plus PromptHackers: SpotGPT daje ci więcej artefaktów naraz, ale mniej kontroli nad każdym. ChatGPT pozwala iterować nad pojedynczym outputem. SpotGPT podaje ci osiem outputów do wyboru.

Przed i po: przepisanie generycznego JD z AI

W skrócie: Słabe JD napisane przez rekrutera opiera się na generycznych przymiotnikach i zastępnikach obowiązków. Ta sama rola przepuszczona przez workflow z generatorem promptów wraca konkretna i skanowalna. Poniżej szkic różnicy z nawiasami w roli zastępników. Przed publikacją wypełnij prawdziwymi liczbami.

Oto rodzaj wyjściowego JD, jakie rekruter kopiuje ze starego ogłoszenia:

Backend Engineer

Jesteśmy szybko rozwijającym się startupem szukającym dynamicznego backend engineera, który dołączy do naszego rosnącego zespołu. Idealny kandydat to self-starter, który dobrze czuje się w środowisku zespołowym.

Obowiązki:

Rozwijać i utrzymywać systemy backendowe

Pracować z zespołem przy dostarczaniu funkcji

Pisać czysty kod

Wymagania:

3+ lata doświadczenia

Mocne umiejętności komunikacyjne

Preferowany licencjat

Trzy problemy z tym draftem: każdy przymiotnik jest generyczny, obowiązki to zastępniki, a wymagania pasowałyby niemal do każdej roli backendowej.

Teraz przepuść tę samą rolę przez mocny prompt. Wypełnij sloty w nawiasach szczegółami od hiring managera i pozwól ChatGPT wyprodukować ustrukturyzowany output:

{Seniority} Backend Engineer, {Domena lub obszar produktu}

Będziesz właścicielem {obszar systemu} w firmie {rozmiar firmy} z branży {branża}. Będziesz pracować z {skład zespołu} i raportować do {rola menedżera}.

Co będziesz robić:

{Konkretny dostarczalny 1: co dowozimy, co zastępuje}

{Konkretny dostarczalny 2: cel wydajności lub skali}

{Konkretny dostarczalny 3: współpraca między zespołami}

{Odpowiedzialność operacyjna: on-call, zakres własności}

Wymagane:

{N}+ lat budowy produkcyjnych usług backendowych w {języki}

Bezpośrednie doświadczenie z {systemy lub wzorce specyficzne dla domeny}

Mocne tło {baza danych / infra}

Preferowane:

{Doświadczenie z konkretnym tooling}

{Doświadczenie w sąsiedniej technologii}

Wynagrodzenie: {widełki} {+ equity, jeśli dotyczy}, {lokalizacja i polityka zdalna}

Druga wersja jest krótsza w przymiotnikach, ale cięższa w konkretach. Kandydaci mogą się sami kwalifikować. Hiring managerowie mogą jej bronić. ChatGPT z odpowiednim promptem i twoimi prawdziwymi danymi roli wpisanymi w nawiasy domyślnie produkuje ten typ struktury.

Gdzie workflow promptowy się rozsypuje

W skrócie: Pisanie JD oparte na promptach rozsypuje się przy wolumenie agencyjnym, gdy hiring managerowie wysyłają porozrywane notatki briefingowe albo gdy każde JD musi być też z powrotem sparsowane na kryteria wyszukiwania do sourcingu. Powyżej pewnego wolumenu potrzebujesz briefu JD wbudowanego w CRM, a nie zakładki ChatGPT.

Workflow PromptHackers + ChatGPT jest świetny do pojedynczych JD. Rozsypuje się na skali. Trzy tryby porażki:

Wolumen. Agencja staffingowa prowadząca wiele aktywnych ról kończy z odpalaniem cyklu promptu za każdym razem, gdy otwiera się nowa rola. Każdy cykl oznacza kopiowanie notatek briefingowych do generatora promptów, kopiowanie wygenerowanego promptu do ChatGPT, a potem kopiowanie wyniku gdzieś, gdzie da się go edytować i udostępnić. Przełączanie kontekstu się sumuje.

Fragmentacja briefingu. Hiring managerowie nie wysyłają schludnych wymagań w punktach. Dostajesz wątek na Slacku, transkrypt z Zooma, stare JD z bazgrołami w komentarzach. Przeformatowanie tego bałaganu w czysty wkład, który chce PromptHackers, to właściwa praca, a generator promptów nie zrobi jej za ciebie.

Parsowanie w dół procesu. Gotowe JD to dopiero początek. Potem trzeba z niego wyciągnąć wymagania z powrotem do sourcingu: must-have skille, lata doświadczenia, lokalizację, widełki, słowa kluczowe wyszukiwania. Robienie tego dwa razy (raz, by napisać JD, drugi, by je sparsować) to zmarnowana praca.

Narzędzia takie jak Recrudoc obsługują drugą połowę pipeline’u natywnie. Wklej JD (albo nawet surowe notatki briefingowe), a JD Parser wyciąga ustrukturyzowane wymagania, generuje stringi boolean i pcha wszystko do twojego pipeline’u matchingu kandydatów. To samo sparsowane JD zasila następnie karty oceny AI, scenariusze screeningowe i wiadomości outreachowe, bez kopiuj-wklej między zakładkami.

Po szerszy kontekst, gdzie AI zmienia workflow rekruterów, zajrzyj do naszego przeglądu Trendy w rekrutacji AI 2026 i Najlepsze narzędzia AI dla rekruterów w tym roku. Gdy JD jest już napisane, kolejnym problemem jest zamiana go na wyszukiwanie kandydatów, co pokrywa nasz przewodnik Tłumaczenie JD na wyszukiwania kandydatów napędzane AI.

Szybki referencyjny: prompty do zapisania

W skrócie: Trzy prompty pokrywają większość scenariuszy pisania JD przez rekrutera: ustrukturyzowany prompt brief-do-JD, prompt JD-do-posta-na-LinkedIn i prompt przepisania JD, który naprawia generyczny język bez pisania od zera.

Zapisz je w aplikacji notatek lub menedżerze snippetów. Dostosuj sekcje w nawiasach do roli.

Prompt 1: notatki briefingowe do pełnego JD

Wciel się w starszego rekrutera. Mam notatki briefingowe do nowej roli.
Zamień je na pełny opis stanowiska zawierający:
1) 2-zdaniowy hook firmy
2) Przegląd roli
3) 5-7 punktów obowiązków (czasowniki działań)
4) Wymagane i preferowane kwalifikacje (oddzielone)
5) Benefity (tylko to, co firma faktycznie oferuje)
6) Proces aplikacji

Ton: pewny, konkretny, bez frazesów typu "rockstar" czy "fast-paced".
Długość: 400-600 słów. Używaj "ty", nie "kandydat".

Notatki briefingowe:
[WKLEJ SUROWE NOTATKI TUTAJ]

Prompt 2: JD na post na LinkedIn

Zamień ten opis stanowiska w post na LinkedIn napędzający aplikacje.

Format:
- Linijka hook (1 zdanie, przyciąga uwagę, bez emoji)
- 3-linijkowe podsumowanie roli
- 4-5 punktów o tym, co dostaje kandydat (nie czego my chcemy)
- Wyraźne CTA aplikacyjne
- 5 trafnych hashtagów

Długość: poniżej 1300 znaków łącznie.
Ton: ludzki, nie korporacyjny.

JD:
[WKLEJ JD TUTAJ]

Prompt 3: przepisanie generycznego JD

To opis stanowiska jest zbyt generyczny. Przepisz go z tą samą rolą
i seniority, ale niech będzie konkretny.

Każdy frazes ("dynamiczny zespół", "fast-paced environment",
"mocne umiejętności komunikacyjne") zastąp konkretnymi szczegółami.
Dodaj rozmiar zespołu, stos technologiczny lub kontekst biznesowy, gdzie ma to sens.
Zachowaj tę samą strukturę, ale wytnij wypełniacz.

Oryginalne JD:
[WKLEJ JD TUTAJ]

Te trzy prompty pokrywają większość sytuacji pisania JD. Połącz z PromptHackers w trudniejszych przypadkach albo całkowicie pomiń ręczny workflow z CRM świadomym JD.

Zmęczony kopiowaniem promptów między PromptHackers, ChatGPT i twoim ATS? Wypróbuj Recrudoc CRM za darmo. Wklej dowolne JD lub notatki briefingowe i otrzymaj ustrukturyzowane wymagania, stringi boolean i dopasowania kandydatów wbudowane w środku.

Źródła

Spostrzeżenia w tym artykule oparto na następującej dyskusji eksperta branżowego:

“AI in Recruitment | Crafting Job Descriptions in Seconds — ChatGPT, SpotGPT, PromptHackers” — Rich, SkillDeck, YouTube