Descrições de Vaga com IA: Prompts de ChatGPT que Realmente Produzem JDs Usáveis

Um documento em branco. Um briefing nebuloso do gestor. Um prazo antes da vaga ir ao ar. Todo recrutador conhece o imposto de escrever JD: encarando um template, copiando linguagem de postagens antigas, ficando em dúvida se você lembrou da faixa salarial.

ChatGPT pode encurtar o trabalho substancialmente, mas só se seu prompt estiver certo. Um prompt vago como “escreva uma descrição de vaga para um engenheiro de software” produz output vago: responsabilidades genéricas, requisitos irrealistas, o mesmo parágrafo “Sobre Nós” cortado em padrão de qualquer outro anúncio.

Rich, do canal SkillDeck, percorre uma técnica que conserta isso na série de Talent Acquisition dele. O truque é que você não escreve o prompt. Você usa um gerador de prompt para escrever o prompt, depois roda esse prompt no ChatGPT. Duas ferramentas, um JD utilizável.

Este post cobre os prompts que funcionam, a estrutura que produzem e onde escrever prompts manualmente começa a desmoronar comparado a usar uma ferramenta ciente da JD.

Por que prompts diretos no ChatGPT produzem JDs fracas

Em resumo: O ChatGPT vai produzir uma JD genérica de um prompt de uma linha, mas o output fica sem estrutura, responsabilidades específicas da vaga e os elementos que gestores realmente querem. A solução é ou um prompt mais forte ou um gerador de prompt que constrói a estrutura por você.

Eis o que a maioria dos recrutadores faz na primeira vez que tenta ChatGPT para JDs:

escreva uma descrição de vaga para estagiário de SEO, remoto, Índia

ChatGPT vai te dar algo. Vai ter um título, algumas responsabilidades, alguns requisitos. Mas compare ao que um gestor realmente quer publicar:

Tem um resumo da empresa que vende a vaga?
As responsabilidades são específicas o suficiente para o candidato se autosselecionar?
Os requisitos separam must-haves de nice-to-haves?
Tem uma seção de benefícios que combina com o que sua empresa realmente oferece?
Tem um processo de candidatura ou call-to-action?

Um prompt de uma linha produz output sem a maior parte disso. Você gasta um pedaço do tempo de edição colocando de volta na forma, o que é mal mais rápido que escrever do zero.

O ponto de Rich no canal SkillDeck é que pedir uma JD direto ao ChatGPT tecnicamente funciona, mas você não vai ter uma descrição de vaga adequada assim. A JD precisa vem de rodar um prompt num escritor de prompt primeiro, depois colar o resultado no ChatGPT.

O prompt é o produto. O modelo é o motor.

O fluxo do gerador de prompt

Em resumo: Use um gerador de prompt como o PromptHackers para traduzir seus requisitos em linguagem comum em um prompt estruturado para o ChatGPT. Copie o prompt gerado para o ChatGPT. O output é uma JD com resumo da empresa, responsabilidades, requisitos, benefícios e processo de candidatura na ordem certa.

O fluxo recomendado de Rich usa duas ferramentas:

PromptHackers (prompthackers.com): transforma seus requisitos em linguagem leiga em um prompt estruturado
ChatGPT: executa esse prompt

Você não tenta ser engenheiro de prompt. Você deixa uma ferramenta de engenharia de prompt fazer a engenharia.

Passo 1: descreva a vaga em linguagem simples

Abra o PromptHackers. Na caixa de input, escreva o que você quer do jeito que falaria em voz alta:

Faça o papel de escritor de JD.

Escreva uma descrição de vaga. Quero contratar estagiários que possam lidar
com SEO, marketing digital, fazer pesquisa, ser espertos, escrever blogs.
A vaga é remota, home office. Candidato pode se candidatar de qualquer lugar
da Índia.

Sem mágica. Sem “aja como um recrutador sênior com 20 anos de experiência”. Só os requisitos em português normal. O gerador de prompt cuida da formatação.

Passo 2: gere o prompt

O PromptHackers pega seu input e produz um prompt estruturado com contexto de papel, requisitos de formato e restrições já preenchidos. O prompt gerado inclui coisas que você não teria pensado em especificar:

“Inclua um resumo da empresa”
“Separe qualificações requeridas das preferidas”
“Output em markdown com headers H2”
“Tom deve ser profissional mas envolvente”

Você não escreve nada disso. O gerador adiciona.

Passo 3: rode no ChatGPT

Copie o prompt gerado. Cole no ChatGPT. O output é uma JD com a estrutura que o primeiro vídeo da SkillDeck sobre escrever JDs ensina recrutadores a usar:

Título da vaga
Resumo da empresa
Descrição da vaga (a visão geral do papel)
Responsabilidades
Requisitos
Benefícios
Processo de candidatura

Isso não é aleatório. É a estrutura canônica de JD. Um prompt direto de uma linha pula metade dessas seções. Um prompt construído pelo gerador força o ChatGPT a produzir todas.

O que faz um prompt forte vs um fraco

Em resumo: Prompts fracos dão ao ChatGPT um tópico. Prompts fortes dão um papel atribuído, uma estrutura de output e restrições. A diferença é consistência. Prompts fortes produzem o mesmo output de qualidade toda vez. Prompts fracos produzem cara ou coroa.

Se você quer pular geradores de prompt e escrever os seus, a diferença entre fraco e forte se reduz a quatro elementos:

Elemento	Prompt Fraco	Prompt Forte
Atribuição de papel	Faltando	”Você é um recrutador técnico sênior escrevendo JDs para startups SaaS”
Estrutura do output	”Escreva uma descrição de vaga"	"Output: 1) Título 2) Resumo 3) Responsabilidades 4) Requisitos 5) Benefícios”
Restrições	Nenhuma	”Tom: profissional mas conversacional. Tamanho: 400-600 palavras. Sem clichês.”
Contexto	”para um engenheiro de backend"	"para um Engenheiro de Backend Sênior numa fintech Series B de 50 pessoas, híbrido em Berlim, €80-100k”

Eis um template de prompt forte que você pode adaptar:

Você é um recrutador sênior escrevendo descrições de vaga para uma
empresa de [INDÚSTRIA] em estágio [ESTÁGIO] com [TAMANHO DO TIME] funcionários.

Escreva uma descrição de vaga para o seguinte papel:

- Título: [TÍTULO]
- Localização: [LOCALIZAÇÃO + POLÍTICA REMOTA]
- Faixa salarial: [FAIXA]
- Reporta a: [PAPEL DO GESTOR]
- Time: [CONTEXTO DO TIME]

Requisitos must-have:
- [REQUISITO 1]
- [REQUISITO 2]

Nice-to-have:
- [REQUISITO 1]

Estrutura do output:
1. Hook da empresa em 2 frases (específico, não genérico)
2. Visão geral do papel (3 frases no máximo)
3. Responsabilidades (5-7 bullets, só verbos de ação)
4. Requisitos divididos em "Requeridos" e "Preferidos"
5. Benefícios (4-6 bullets, reais e não aspiracionais)
6. Processo de candidatura (1 parágrafo)

Restrições:
- Tom: confiante, específico, sem clichês corporativos
- Tamanho: 400-600 palavras no total
- Sem frases como "rockstar", "ninja", "ambiente fast-paced"
- Use "você" e não "o candidato"
- Evite linguagem com viés de gênero

Salve isto como snippet. Substitua os placeholders entre colchetes para cada nova vaga. O output fica consistente entre vagas porque a estrutura está travada.

SpotGPT: o prompt all-in-one para TA

Em resumo: SpotGPT gera uma JD mais os artefatos que costumam vir depois (KPIs, perguntas de triagem, perguntas de entrevista no método STAR, copy de post no LinkedIn, emails de outreach a candidato) a partir de um único prompt. Pule o output de string Boolean dele; é pouco confiável.

Se você quer tudo que um processo de TA precisa em um único prompt, o SpotGPT cobre mais terreno do que o ChatGPT sozinho.

Você loga com sua conta do Gmail e escreve o mesmo tipo de prompt em linguagem leiga que usaria no PromptHackers:

Preciso de uma descrição de vaga para Gerente de RH na SkillDeck que conheça
Talent Acquisition, folha, L&D etc., com 7 a 9 anos de experiência em Bangalore.

O output não é só uma JD. É um pacote de TA:

Funções e responsabilidades (a JD em si)
Objetivos de performance, o que o papel deve atingir nos primeiros 90/180/365 dias
KPIs, os critérios mensuráveis de sucesso para a vaga
Perguntas de triagem, o que perguntar na chamada inicial do recrutador
Perguntas STAR baseadas em cenário para entrevista situacional
Copy de post no LinkedIn, formatado para postagem direta
Um template de email de outreach para candidatos passivos

A leitura de Rich no canal SkillDeck é que SpotGPT empacota junto os artefatos que um especialista em Talent Acquisition normalmente precisa (JD, perguntas de triagem, perguntas STAR, copy de post, email de outreach) em um único output. A única ressalva dele: pule o output de string Boolean. Boolean é a única coisa que a ferramenta não faz bem. Use uma abordagem dedicada para isso — nosso guia de strings de busca Boolean para 15 vagas comuns cobre.

O trade-off versus ChatGPT mais PromptHackers: SpotGPT te dá mais artefatos de uma vez mas menos controle sobre cada um. ChatGPT te deixa iterar num único output. SpotGPT te entrega oito outputs entre os quais escolher.

Antes e depois: reescrita de uma JD genérica com IA

Em resumo: Uma JD fraca escrita por recrutador se apoia em adjetivos genéricos e responsabilidades placeholder. A mesma vaga, rodada num fluxo de gerador de prompt, volta específica e escaneável. Abaixo está um esboço da diferença usando placeholders entre colchetes. Adapte com seus números reais antes de publicar.

Eis o tipo de JD inicial que um recrutador copia de um anúncio antigo:

Engenheiro de Backend

Somos uma startup fast-paced procurando um engenheiro de backend dinâmico para se juntar ao nosso time em crescimento. O candidato ideal será um self-starter que prospera em ambiente colaborativo.

Responsabilidades:

Desenvolver e manter sistemas de backend

Trabalhar com o time para entregar features

Escrever código limpo

Requisitos:

3+ anos de experiência

Habilidade forte de comunicação

Bacharelado preferido

Três problemas com esse rascunho: cada adjetivo é genérico, as responsabilidades são placeholders e os requisitos casariam com quase qualquer vaga de backend.

Agora rode a mesma vaga num prompt forte. Preencha as fendas entre colchetes com detalhes do seu gestor e deixe o ChatGPT produzir output estruturado:

Engenheiro de Backend {Senioridade}, {Domínio ou Área de Produto}

Você vai cuidar do {área do sistema} em uma empresa de {tamanho da empresa} em {indústria}. Vai trabalhar com {composição do time} e reportar a {papel do gestor}.

O que você vai fazer:

{Entregável concreto 1: o que sai, o que substitui}

{Entregável concreto 2: meta de performance ou escala}

{Entregável concreto 3: colaboração entre times}

{Responsabilidade operacional: on-call, escopo de ownership}

Requerido:

{N}+ anos construindo serviços de backend em produção em {linguagens}

Experiência direta com {sistemas ou padrões específicos do domínio}

Background forte de {database / infra}

Preferido:

{Experiência específica em tooling}

{Experiência em tecnologia adjacente}

Remuneração: {faixa salarial} {+ equity se aplicável}, {localização e política remota}

A segunda versão é mais curta em adjetivos mas mais pesada em específicos. Candidatos podem se autosselecionar. Gestores podem defender. ChatGPT, com o prompt certo e os dados reais da sua vaga preenchidos nos colchetes, produz esse tipo de estrutura por padrão.

Onde o fluxo dirigido por prompt quebra

Em resumo: Escrita de JD dirigida por prompt desmorona em volume estilo agência, quando gestores mandam notas de briefing fragmentadas, ou quando cada JD também precisa ser parseada de volta em critérios de busca estruturados para sourcing. Acima de certo volume, você precisa de briefing de JD embutido no seu CRM, não de uma aba do ChatGPT.

O fluxo PromptHackers + ChatGPT é ótimo para JDs avulsas. Quebra em escala. Três modos de falha:

Volume. Uma agência de staffing rodando muitas vagas ativas acaba rodando o ciclo de prompt cada vez que uma nova vaga abre. Cada ciclo significa copiar notas de briefing num gerador de prompt, copiar o prompt gerado no ChatGPT, depois copiar o resultado em algum lugar onde possa ser editado e compartilhado. A troca de contexto soma.

Fragmentação do briefing. Gestores não mandam requisitos limpinhos em bullet point. Você recebe uma thread de Slack, uma transcrição de Zoom, uma JD antiga com comentários rabiscados. Reformatar essa bagunça no tipo de input limpo que o PromptHackers quer é o trabalho de fato, e o gerador de prompt não pode fazer por você.

Parsing downstream. Uma JD finalizada é só o começo. Você então precisa extrair os requisitos de volta dela para sourcing: skills must-have, anos de experiência, localização, faixa salarial, palavras-chave de busca. Fazer isso duas vezes (uma para escrever a JD, outra para parseá-la) é trabalho desperdiçado.

Ferramentas como o Recrudoc lidam com a segunda metade do pipeline nativamente. Cole uma JD (ou até notas brutas de briefing) e o JD Parser extrai requisitos estruturados, gera strings de busca Boolean e empurra tudo para o seu pipeline de matching de candidato. A mesma JD parseada então alimenta scorecards de IA, scripts de triagem e mensagens de outreach, sem copy-paste entre abas.

Para contexto mais amplo de onde IA está mudando workflows de recrutador, veja nosso panorama de tendências de IA no recrutamento em 2026 e as melhores ferramentas de IA para recrutadores este ano. Depois que sua JD está escrita, o próximo problema é convertê-la em uma busca de candidato, que nosso guia de traduzindo JDs em buscas de candidato com IA cobre.

Referência rápida: prompts para salvar

Em resumo: Três prompts cobrem a maioria dos cenários de escrita de JD do recrutador: um prompt estruturado de briefing-para-JD, um prompt JD-para-post-LinkedIn e um prompt de reescrita de JD que conserta linguagem genérica sem reescrever do zero.

Salve estes num app de notas ou gerenciador de snippet. Adapte as seções entre colchetes por vaga.

Prompt 1: notas de briefing para JD completa

Aja como um recrutador sênior. Tenho notas de briefing para uma nova vaga.
Converta em uma descrição de vaga completa com:
1) Hook da empresa em 2 frases
2) Visão geral do papel
3) 5-7 bullets de responsabilidade (verbos de ação)
4) Qualificações requeridas e preferidas (separadas)
5) Benefícios (só o que a empresa realmente oferece)
6) Processo de candidatura

Tom: confiante, específico, sem clichês como "rockstar" ou "fast-paced".
Tamanho: 400-600 palavras. Use "você" e não "o candidato".

Notas de briefing:
[COLE NOTAS BRUTAS AQUI]

Prompt 2: JD para post no LinkedIn

Converta esta descrição de vaga em um post no LinkedIn que gera candidaturas.

Formato:
- Linha de hook (1 frase, chamativa, sem emoji)
- Resumo da vaga em 3 linhas
- 4-5 bullets sobre o que o candidato ganha (não o que queremos)
- CTA de candidatura clara
- 5 hashtags relevantes

Tamanho: menos de 1300 caracteres no total.
Tom: humano, não corporativo.

JD:
[COLE JD AQUI]

Prompt 3: reescrita de JD genérica

Esta descrição de vaga é genérica demais. Reescreva com o mesmo papel
e senioridade mas torne específica.

Substitua cada clichê ("time dinâmico", "ambiente fast-paced",
"fortes habilidades de comunicação") por detalhes concretos.
Adicione tamanho do time, stack, ou contexto de negócio onde for relevante.
Mantenha a mesma estrutura mas corte filler.

JD original:
[COLE JD AQUI]

Esses três prompts cobrem a maioria das situações de escrita de JD. Combine com PromptHackers para os casos mais difíceis, ou pule o fluxo manual inteiro com um CRM ciente da JD.

Cansado de copiar e colar prompts entre PromptHackers, ChatGPT e seu ATS? Experimente o Recrudoc CRM grátis. Cole qualquer JD ou notas de briefing e tenha requisitos estruturados, strings Boolean e matches de candidato embutidos.

Fontes

Os insights neste artigo são baseados na seguinte discussão de especialista do setor:

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