LinkedIn ogłosił pierwsze wyniki eksperymentu, w którym oddał użytkownikom prawo do wystawiania cenzurek maszynowej sieczce. W ciągu dwóch tygodni od uruchomienia przycisku „Seems like AI slop” skorzystało z niego ponad milion osób, a treści zaklasyfikowane przez platformę jako AI slop notują dziś o 40 procent mniej wyświetleń.
Kluczowe fakty:
- LinkedIn uruchomił 30 lipca 2026 roku przycisk „Seems like AI slop", który w ciągu dwóch tygodni został użyty przez ponad milion różnych użytkowników.
- Według danych platformy, treści sklasyfikowane jako AI slop notują o 40 procent mniej wyświetleń – wynik ten nie został jednak zweryfikowany przez niezależne źródła.
- Wewnętrzna definicja AI slop według Creator Product Leada LinkedIna opisuje takie treści jako potencjalnie dopracowane w prezentacji, ale pozbawione merytorycznej substancji.
Przycisk trafił do serwisu 30 lipca 2026 roku, w menu z trzema kropkami przy każdym poście i komentarzu. Trzy tygodnie później Hari Srinivasan, Chief Product Officer LinkedIna, opublikował na własnym profilu podsumowanie pierwszej fazy. Liczby są jednoznaczne co do jednego: użytkownicy chcieli tego narzędzia bardziej, niż platforma się spodziewała.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Milion kliknięć, czyli skala zniecierpliwienia
Ponad milion osób w dwa tygodnie to nie test, to plebiscyt. I nie chodzi o milion zgłoszeń, tylko o milion różnych ludzi, którzy zadali sobie trud otwarcia menu kontekstowego, żeby powiedzieć platformie: tego nie chcę widzieć.
Srinivasan podał przy okazji drugą liczbę, tę ważniejszą z perspektywy każdego, kto na LinkedInie publikuje zawodowo. „Użytkownicy oglądają teraz o 40 procent mniej treści, które klasyfikujemy jako AI slop” / „Members are now experiencing 40% less views on what we classify as AI slop”.
Tu potrzebne jest zastrzeżenie, o którym LinkedIn milczy. To dane platformy o skuteczności narzędzia platformy, mierzone własną definicją platformy. Nikt z zewnątrz tego nie zweryfikował. Spadek wyświetleń treści oznaczonych przez algorytm jako sieczka nie mówi nam, czy sieczki w serwisie ubyło. Mówi tylko, że algorytm zaczął ją inaczej dystrybuować.
Sofistyka bez treści, czyli definicja od środka
Sam Corrao Clannon, Creator Product Lead w LinkedInie, opisał wewnętrzną definicję zjawiska precyzyjniej, niż zrobiłby to marketing. AI slop to według niego „treść potencjalnie wyrafinowana albo dopracowana w prezentacji, ale pozbawiona substancji” / „content that is potentially sophisticated or polished in its presentation, but lacks substance”.
Kluczem jest tu słowo „prezentacja”. Nie chodzi o teksty źle napisane. Chodzi o teksty napisane bez zarzutu i o niczym. Post, który ma akapity, wypunktowanie, puentę i zero doświadczenia autora. Coś, co równie dobrze mogłoby wyjść spod ręki dowolnej osoby w dowolnej branży.
LinkedIn wyraźnie oddziela to od samego korzystania z narzędzi AI. Poprawianie języka, porządkowanie myśli, przygotowanie pierwszej wersji tekstu pozostają w porządku. Platforma cofnęła nawet własną funkcję generowania postów i zastąpiła ją korektorem, który nie zmienia głosu autora. Pisałem o tej zmianie kierunku w maju, kiedy LinkedIn ogłaszał pierwszy pakiet działań.
Jedno kliknięcie nie ucina zasięgu
Wokół przycisku narosła legenda, że jedno zgłoszenie potrafi zabić post. Nie potrafi.
Corrao Clannon opisał mechanizm jako narzędzie kontroli nad własnym kanałem, a nie ścieżkę zgłaszania naruszeń regulaminu. Kiedy klikam „Seems like AI slop”, w pierwszej kolejności zmieniam to, co widzę ja. Srinivasan dodał, że pojedynczy sygnał nie decyduje o dystrybucji, bo system waży wiele czynników jednocześnie i ma zabezpieczenia przed wykorzystaniem zgłoszeń do nękania konkretnych osób.
Dopiero powtarzalny wzór zgłoszeń od wielu użytkowników przekłada się na ogólny zasięg wpisu.
W praktyce oznacza to trzy rzeczy dla osób publikujących regularnie:
- pojedyncza reakcja niezadowolonego czytelnika nie ma wpływu na wyniki posta
- seria podobnych reakcji od różnych osób już go ma
- sygnał trafia do systemu rekomendacji, a nie do moderacji, więc nie ma tu procedury odwoławczej ani powiadomienia o „karze”
Mam mieszane uczucia i nie zamierzam ich ukrywać. Z jednej strony rozumiem, dlaczego LinkedIn oddał to narzędzie użytkownikom. Definicja sieczki wymyka się algorytmom, bo jest kwestią smaku, kontekstu i oczekiwań czytelnika, a nie właściwością samego tekstu. Milion kliknięć to milion punktów danych, których żaden detektor by nie wygenerował.
Z drugiej strony właśnie zamieniliśmy irytację w sygnał rankingowy. A irytacja bywa niesprawiedliwa. Człowiek piszący sztywno, człowiek piszący w drugim języku, człowiek, który przepuścił tekst przez korektor, żeby nie robić błędów, wyglądają w feedzie identycznie jak generator treści na akord. LinkedIn twierdzi, że ma zabezpieczenia. Nie pokazał ani jednego testu, który by to potwierdzał, ani nie wyjaśnił, jak klasyfikatory odróżniają tekst wygenerowany od ludzkiego, który przeszedł przez maszynę.
I jeszcze jedno. Platforma, która przez lata uczyła ludzi publikować codziennie, sama zbudowała ekosystem nagradzający objętość zamiast treści. Przycisk leczy objaw. Pytanie o to, czy LinkedIn ruszy przyczynę, czyli własny model zaangażowania, wciąż wisi bez odpowiedzi.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Cichy sygnał w panelu statystyk
Drugą nowością jest komunikat kierowany do autorów. Osoba, której post zebrał dużo zgłoszeń, zobaczy w panelu analitycznym informację, że część odbiorców uznała tekst za maszynowy. Nie dowie się, kto zgłosił ani ile osób to zrobiło.
Srinivasan opisał intencję krótko: „Podeszliśmy do tego, zakładając dobre intencje” / „We approached this assuming good intent”. Chodzi o zwrócenie uwagi, nie o wymierzenie kary.
To rozsądniejsze niż banowanie, ale ma jeden efekt uboczny. Autor dostaje sygnał bez możliwości weryfikacji, co dokładnie zawiodło. Nie wie, czy problem tkwił w temacie, formie, długości, czy w tym, że akurat trafił na dzień, w którym feed czytelnika był przeładowany podobnymi wpisami.
Skąd się wziął cały ruch. Liczby Pangramu
Przycisk nie powstał w próżni. Na początku lipca 2026 roku firma Pangram, zajmująca się wykrywaniem tekstu generowanego maszynowo, przeanalizowała ponad milion wpisów z LinkedIna, Medium, Reddita, Substacka i X. Wynik: około 41 procent długich postów na LinkedInie zostało zaklasyfikowanych jako w całości wygenerowane przez AI, przy 30 procentach wśród wpisów krótkich. Żadna z badanych platform nie wypadła gorzej.
Dla porównania Substack, na którym długie formy są normą, notował około 20 procent treści oznaczonych jako generowane lub tworzone przy współudziale AI.
To wyniki detektora, nie przyznanie się autorów, i traktowałbym je jako rząd wielkości, a nie precyzyjny pomiar. Pangram sprzedaje detektory, więc ma interes w tym, żeby problem wyglądał na duży. Ale zbieżność z wcześniejszym badaniem Originality.ai, które przy podobnym progu długości tekstu dało zbliżony rezultat, robi wrażenie.
Reakcja rynku była natychmiastowa. Pangram zamknął w lipcu rundę finansowania na 9 milionów dolarów. Substack uruchomił własne narzędzie wykrywania oparte na technologii tej firmy. Spotify zaczął oznaczać profile artystów generowanych maszynowo. Wykrywanie sieczki stało się osobnym segmentem rynku.
Weryfikacja tożsamości jako druga linia obrony
Przycisk to jeden element szerszej strategii. Drugim jest weryfikacja profili, przez którą przeszło już ponad 100 milionów użytkowników. LinkedIn zaczął traktować status zweryfikowany jako sygnał w systemie, między innymi przy filtrowaniu odpowiedzi.
Platforma blokuje przy tym setki tysięcy prób zautomatyzowanego komentowania dziennie.
Kierunek jest czytelny. W serwisie, w którym stworzenie profesjonalnie wyglądającego profilu i miesięcznego kalendarza publikacji zajmuje kwadrans, dowód na obecność człowieka po drugiej stronie staje się towarem deficytowym. LinkedIn opiera całą wartość na założeniu, że rozmawiam z prawdziwym specjalistą. Jeśli to założenie padnie, padnie też przewaga nad każdą inną platformą.
Polski LinkedIn: 9,6 miliona kont i dwa procent piszących
W Polsce sprawa wygląda inaczej niż w Stanach, i to z powodu, który rzadko pada w dyskusji.
Według raportu „LinkedIn w Polsce i na świecie w 2026 roku” Adriana Gamonia w naszym kraju funkcjonuje już 9,6 miliona kont, o blisko 1,5 miliona więcej rok do roku. Ale w grudniu 2025 roku jakikolwiek post opublikowało zaledwie około 2 procent z nich. Dane Mediapanelu (Gemius) pokazują z kolei, że średnia miesięczna liczba wizyt niezalogowanych użytkowników w pierwszej połowie 2025 roku sięgała 10,9 miliona. Sam LinkedIn w raporcie dla Unii Europejskiej podał dla Polski około 2,5 miliona zalogowanych użytkowników miesięcznie.
Z tego układu wynika rzecz nieoczywista. Polski LinkedIn jest w przytłaczającej większości platformą czytelników, nie autorów. Publikuje wąska grupa, głównie z marketingu, HR, IT i doradztwa biznesowego. To właśnie ta grupa najintensywniej korzysta z narzędzi AI do produkcji treści, bo publikowanie codziennie przy etacie inaczej nie jest wykonalne.
Kilka wniosków dla firm i osób budujących widoczność na polskim LinkedInie:
- osoby publikujące codziennie generyczne wpisy branżowe są w tej zmianie najbardziej narażone, bo ich objętość zaczyna działać przeciwko nim
- działy marketingu prowadzące profile firmowe z kalendarzem treści przygotowanym maszynowo powinny sprawdzić panel statystyk pod kątem nowego komunikatu
- polski jako język publikacji nie daje ochrony, bo klasyfikatory LinkedIna działają wielojęzycznie, a zgłoszenia użytkowników są od języka niezależne
- przy dwuprocentowym odsetku publikujących spadek zasięgów uderza w bardzo wąską, ale zawodowo wyeksponowaną grupę
Paradoksalnie polska specyfika może tu pomóc. Rynek, na którym pisze dwie osoby na sto, jest rynkiem, na którym autentyczna, konkretna wypowiedź nadal się wyróżnia. W amerykańskim feedzie utonęłaby w szumie.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Czy to w ogóle zadziała
Nie wiem i nikt tego dziś nie wie. Wiem natomiast, czego LinkedIn nie pokazał: metodologii klasyfikacji, skali fałszywych trafień, ani danych o tym, czy bezwzględna ilość maszynowych treści w serwisie spadła.
Czterdzieści procent mniej wyświetleń to informacja o dystrybucji, nie o produkcji. Jeżeli autorzy sieczki po prostu nauczą się pisać tak, żeby nie wyglądać na sieczkę, LinkedIn wygra bitwę o wrażenie i przegra wojnę o treść. Milion kliknięć w dwa tygodnie mówi jednak coś, czego żaden detektor nie powie. Ludzie mają dość i chcą to zakomunikować.
Reszta zależy od tego, czy platforma potraktuje ten sygnał jako dane do dostrojenia modelu, czy jako powód do zmiany zasad gry, które sama napisała.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym aktualizacji Hariego Srinivasana, Chief Product Officera LinkedIna z dnia 20.08.2026 oraz relacji Social Media Today i Engadget. Wykorzystano również doniesienia TechCrunch, The Verge, TechSpot i PYMNTS oraz dane firm Pangram i Originality.ai. Kontekst polskiego rynku opracowano na podstawie raportu „LinkedIn w Polsce i na świecie w 2026 roku” Adriana Gamonia, danych Mediapanelu (Gemius) oraz raportu LinkedIna dla Unii Europejskiej. Cytaty Hariego Srinivasana i Sama Corrao Clannona zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych danych o skuteczności mechanizmów LinkedIna wymierzonych w treści generowane maszynowo.
