LinkedIn’s strijd tegen AI Slop is begrijpelijk. Maar schiet het platform zijn doel voorbij?

Sinds de opkomst van generatieve AI is de hoeveelheid content op het platform explosief gegroeid. Iedereen kan tegenwoordig met één prompt een complete thought leadership-post laten schrijven. Dat verlaagt de drempel om te publiceren, maar zorgt er tegelijkertijd voor dat ook de hoeveelheid middelmatige content enorm toeneemt. Voor een platform dat juist draait om kennisdeling, expertise en professionele reputatie vormt dat een serieus risico.

Toch roept de gekozen oplossing ook vragen op.

AI moet AI herkennen

De kern van LinkedIn’s nieuwe aanpak is dat AI bepaalt welke content waarschijnlijk AI Slop is. Op papier klinkt dat logisch. In de praktijk is het een van de moeilijkste AI-vraagstukken die er bestaan.

AI weet namelijk niet hoe een tekst is ontstaan. Het model kent de auteur niet en beoordeelt ook geen intentie. Het kijkt uitsluitend naar patronen: woordgebruik, zinsopbouw, structuur en statistische waarschijnlijkheden.

En precies daar ontstaat het probleem.

Een ervaren schrijver kan onbewust dezelfde patronen gebruiken als een taalmodel. Andersom kan iemand die AI goed begrijpt een prompt schrijven waardoor een tekst nauwelijks nog van menselijke content te onderscheiden is. Er bestaat simpelweg geen waterdichte methode om vast te stellen of een tekst door een mens, door AI of door een combinatie van beide is geschreven.

De vraag is daarom niet óf er fouten worden gemaakt.

De vraag is hoeveel.

De eerste effecten lijken zichtbaar

De afgelopen weken heb ik tientallen accounts gevolgd, honderden posts geanalyseerd en veel gesproken met klanten die dagelijks actief zijn op LinkedIn. Dat is uiteraard geen wetenschappelijk onderzoek, maar de eerste patronen beginnen zich wel af te tekenen.

Ook in mijn eigen statistieken zie ik een opvallende verandering. Over de afgelopen zeven dagen is het totale aantal weergaven met 57 procent gedaald. Daarbij moet ook worden opgemerkt dat in die periode nog deels de prestaties van posts uit de week ervoor zijn meegenomen. De daadwerkelijke impact van de nieuwe classificaties kan dus zelfs groter zijn, al is het nog te vroeg om daar harde conclusies aan te verbinden. Eén week aan data is daarvoor simpelweg onvoldoende. Tegelijkertijd zie ik ook nog steeds individuele posts die uitstekend presteren. Dat bevestigt voor mij dat bereik niet verdwenen is, maar dat de manier waarop LinkedIn content beoordeelt waarschijnlijk wél aan het veranderen is.

Het goede nieuws is dat authentieke content nog steeds uitstekend kan presteren. Wie denkt dat LinkedIn alle AI-gerelateerde content massaal onderdrukt, ziet naar mijn mening slechts een deel van het verhaal. Goede content blijft bereik halen. Persoonlijke ervaringen, originele inzichten en sterke verhalen worden nog altijd beloond.

Tegelijkertijd zie ik ontwikkelingen die minder positief zijn.

Zo lijken video’s met weinig of zelfs helemaal geen begeleidende tekst momenteel relatief goed te presteren. Dat is interessant, maar ook zorgwekkend. LinkedIn heeft zich de afgelopen jaren juist ontwikkeld tot hét platform voor thought leadership, uitgebreide analyses en inhoudelijke discussies. Wanneer video’s zonder veel context structureel beter gaan presteren dan inhoudelijke artikelen, schuift het platform langzaam op richting een model dat meer doet denken aan TikTok dan aan het professionele kennisplatform waarvoor gebruikers ooit kwamen.

Misschien is dat niet de bedoeling van LinkedIn, maar het voelt op dit moment wel als een mogelijk neveneffect van de nieuwe classificatiesystemen.

Authentieke content kan onbedoeld worden geraakt

Misschien nog interessanter is dat ik steeds vaker voorbeelden zie van content waarvan ik zeker weet dat die authentiek is, maar die qua verspreiding hetzelfde patroon lijkt te vertonen als berichten die vermoedelijk door de AI-classifiers worden afgeremd.

Dat is uiteraard geen bewijs dat LinkedIn deze berichten daadwerkelijk als AI-content classificeert. Maar het laat wel zien hoe ingewikkeld dit vraagstuk is.

Wanneer een algoritme vooral kijkt naar taalpatronen, bestaat altijd het risico dat originele content ten onrechte wordt aangemerkt als AI-gegeneerd. Dat heeft vervolgens weer een bijzonder psychologisch effect. Schrijvers gaan hun woordkeuze aanpassen, bepaalde formuleringen vermijden en zinnen herschrijven, niet omdat dat beter is voor hun lezers, maar omdat ze hopen niet op AI te lijken.

Daarmee ontstaat precies het tegenovergestelde van wat LinkedIn waarschijnlijk wil bereiken. In plaats van creativiteit te stimuleren, ontstaat het risico dat makers steeds voorzichtiger worden in hun taalgebruik.

Sommige onderwerpen lijken extra gevoelig

Daarnaast valt op dat bepaalde onderwerpen momenteel vaker moeite lijken te hebben om een groot publiek te bereiken. Posts over LinkedIn zelf, financieel advies, vastgoed, leadgeneratie, commerciële call-to-actions en controversiële onderwerpen lijken relatief vaak beperkt verspreid te worden.

Daar moeten we voorzichtig mee zijn. Correlatie is geen causaliteit en alleen LinkedIn weet precies hoe de distributiemodellen werken. Toch zijn de signalen inmiddels zo consistent dat ze niet langer eenvoudig kunnen worden afgedaan als toeval. Meer transparantie over de manier waarop content wordt beoordeeld zou creators helpen om beter te begrijpen wat er precies gebeurt.

AI is niet het probleem

Wat mij misschien nog wel het meeste opvalt, is dat de discussie inmiddels vooral over AI gaat, terwijl dat volgens mij niet de juiste discussie is.

AI is namelijk niet meer weg te denken uit het marketingvak. Vrijwel iedere marketeer gebruikt AI inmiddels voor onderzoek, brainstorms, spellingscontrole, videobewerking, beeldoptimalisatie of het aanscherpen van teksten. Dat is een logische ontwikkeling. Technologie heeft marketeers altijd geholpen om efficiënter en beter te werken.

Sterker nog, ik denk dat helemaal geen AI gebruiken over een paar jaar net zo ouderwets zal voelen als bewust geen smartphone gebruiken.

De vraag is daarom niet óf je AI gebruikt.

De vraag is hoe je AI gebruikt.

En daar zit precies het onderscheid dat in deze discussie vaak ontbreekt.

Er is namelijk een wereld van verschil tussen AI Slop en AI Enhancement.

AI Slop bestaat uit generieke content zonder eigen visie, zonder persoonlijke ervaring en zonder toegevoegde waarde. Het zijn berichten die volledig door AI worden geproduceerd en zonder enige menselijke inbreng worden gepubliceerd.

AI Enhancement is iets totaal anders. Daarbij blijft het idee, de mening en de ervaring volledig afkomstig van de maker, terwijl AI wordt gebruikt om die content te verbeteren. Denk aan het aanscherpen van een titel, het verbeteren van de structuur, het corrigeren van grammatica of het optimaliseren van een video. De inhoud blijft menselijk; alleen het gereedschap verandert.

Dat verschil is essentieel.

Juist daarom denk ik dat het volledig willen terugdringen van AI-gebruik uiteindelijk een verkeerde strategie is. Slechte content bestond immers ook al ruim voordat ChatGPT werd gelanceerd. AI is niet de oorzaak van slechte content. Het maakt het alleen makkelijker om die te produceren.

De analyse van Hari Srinivasan

Interessant genoeg lijkt Hari Srinivasan zelf dat onderscheid ook te maken. In zijn bericht spreekt hij nadrukkelijk over het bestrijden van low-quality content en niet over AI als technologie. Ook kondigde LinkedIn aan afscheid te nemen van de functie Enhance your post, omdat die te veel complete teksten genereerde. In plaats daarvan wil het platform AI inzetten om gebruikers hun eigen ideeën beter te laten verwoorden, zonder hun persoonlijke stem over te nemen.

LinkedIn lijkt hiermee impliciet te erkennen dat AI prima als hulpmiddel kan functioneren, zolang de inhoud en de visie van de maker centraal blijven staan.

Rapporteren is niet het grootste risico

Veel aandacht ging ook uit naar de mogelijkheid om berichten als AI Slop te rapporteren. Persoonlijk maak ik me daar eerlijk gezegd weinig zorgen over.

De meeste gebruikers zullen simpelweg niet de moeite nemen om willekeurige berichten te rapporteren. Natuurlijk zullen er situaties ontstaan waarin concurrenten elkaar proberen dwars te zitten, maar ik verwacht niet dat dit op grote schaal bepalend zal zijn voor het bereik van content.

Het echte risico zit ergens anders.

Niet bij menselijke meldingen, maar bij de automatische classificatie door AI zelf.

Wanneer miljoenen berichten dagelijks door AI-modellen worden beoordeeld, kan een kleine onnauwkeurigheid enorme gevolgen hebben. Als authentieke content onterecht als AI-content wordt aangemerkt, heeft dat direct invloed op de zichtbaarheid van die content. Juist daarom is de kwaliteit van die classifiers veel belangrijker dan de mogelijkheid voor gebruikers om een melding te maken.

Laat de markt kwaliteit bepalen

Ik verwacht dat LinkedIn de huidige AI-classifiers de komende maanden verder zal verfijnen. Dat hoort ook bij AI. Zulke systemen leren voortdurend bij en worden continu aangepast op basis van nieuwe data en gebruikersfeedback.

Toch geloof ik dat de beste kwaliteitscontrole uiteindelijk nog steeds de markt zelf is.

Slechte content krijgt weinig aandacht. Mensen lezen haar niet uit, reageren niet en delen haar niet verder. Daardoor verdwijnt ze vanzelf uit het algoritme. Goede content doet precies het tegenovergestelde.

Daarom denk ik dat de uitdaging voor LinkedIn niet ligt in het bestrijden van AI, maar in het stimuleren van betere content. AI is hier om te blijven. Marketeers zullen AI steeds slimmer inzetten en dat is ook een positieve ontwikkeling. Het volledig willen weren van AI voelt daarom als een strijd tegen een technologische ontwikkeling die niet meer terug te draaien is.

De echte uitdaging is om ervoor te zorgen dat originaliteit, expertise en menselijke ervaringen zichtbaar blijven, ongeacht welk gereedschap daarvoor is gebruikt.

Want uiteindelijk bepaalt niet een AI-classifier welke content waardevol is.

Dat doen de kijkers en lezers.