LinkedIn começa a permitir que usuários denunciem publicações que “parecem AI slop”
O LinkedIn está liberando uma nova opção de denúncia que dá aos usuários uma forma direta de sinalizar publicações que eles acreditam ter sido geradas por inteligência artificial e que parecem de baixa qualidade ou pouco autênticas. A empresa colocou a opção dentro do menu de três pontos das publicações, onde os usuários agora podem marcar o conteúdo como algo que “parece AI slop”.
A mudança é notável por dois motivos. Primeiro, ela adiciona um mecanismo específico, voltado ao usuário, para um problema que se tornou cada vez mais visível nas redes sociais profissionais: publicações genéricas, formuladas de maneira padronizada e assistidas por IA, que podem dominar os feeds. Segundo, o LinkedIn não trata o assunto como um pequeno ajuste de moderação. Segundo o diretor de produto da empresa, Hari Srinivasan, reduzir o “AI slop” é uma prioridade importante, e o novo fluxo de denúncias faz parte de um esforço mais amplo para ajustar como a plataforma detecta, classifica e apresenta conteúdo.
Para uma rede construída em torno de identidade profissional, reputação e conversa do setor, a qualidade das publicações importa mais do que o simples volume de engajamento. O problema do LinkedIn não é apenas que alguns usuários estejam testando ferramentas de escrita com IA. É que uma grande quantidade de conteúdo pode começar a parecer intercambiável, redigida de forma mecânica e desconectada da experiência real. Quando isso acontece em escala, a plataforma corre o risco de enfraquecer a confiança que torna o networking profissional útil em primeiro lugar.
Um sinal do usuário para conteúdo inautêntico
O novo botão de denúncia cria um ciclo de feedback entre usuários e os sistemas de ranqueamento do LinkedIn. Nos testes descritos no material de origem, clicar na opção oculta a publicação e mostra uma mensagem de agradecimento, indicando que o LinkedIn está coletando feedback explícito em vez de depender apenas da detecção automática.
Srinivasan disse que o sinal ajudará a empresa a “ajustar nossos modelos e tornar os feeds melhores”. Isso sugere que o LinkedIn está usando o recurso não apenas para remover ou rebaixar publicações individuais, mas para aprimorar sua compreensão mais ampla sobre o que os usuários percebem como inautêntico ou de baixo valor.
Isso importa porque problemas de qualidade de conteúdo são difíceis de resolver com uma única regra. Uma publicação escrita com alguma ajuda de IA não é necessariamente enganosa ou inútil, enquanto uma publicação totalmente escrita por humanos ainda pode ser spam. O LinkedIn parece estar buscando uma abordagem mais baseada em comportamento: combinar feedback dos usuários com classificadores que procuram padrões associados a conteúdo de baixa qualidade.
Por que o LinkedIn está agindo agora
A implementação ocorre em meio a evidências crescentes de que a escrita gerada por IA se tornou comum no LinkedIn. O texto de origem cita achados do detector de IA Pangram, reportados pelo 404 Media, de que 41% das publicações longas no LinkedIn foram sinalizadas como totalmente geradas por IA. Mesmo com as ressalvas usuais sobre ferramentas de detecção de IA, esse número ajuda a explicar por que a empresa está agindo de forma mais agressiva.
O desafio da plataforma é maior do que algumas publicações estranhas. O LinkedIn se tornou um lugar onde anúncios de emprego, narrativas de contratação, conselhos de gestão e histórias de marca pessoal são fortemente incentivados. A IA generativa se encaixa nesse ambiente quase bem demais: ela pode produzir rapidamente texto polido, confiante e em formatos que a plataforma já recompensa. O resultado é um feed que pode continuar ativo e bem produzido, mas parecer menos pessoal e menos confiável.
Essa erosão da autenticidade se tornou um problema incomumente visível porque a identidade do LinkedIn está ligada a nomes reais, históricos de carreira e posição profissional. Em geral, os usuários esperam que as publicações reflitam perspectiva, experiência ou especialização reais. Quando os feeds começam a se encher de escrita genérica por IA, a proposta de valor central da plataforma fica sob pressão.
Mais do que um botão de denúncia
A resposta do LinkedIn não se limita às denúncias dos usuários. Srinivasan disse que a empresa está reforçando novos classificadores para identificar se uma publicação é “AI slop ou, de modo geral, conteúdo de baixa qualidade”. O resultado pretendido é reduzir a quantidade desse material mostrado em publicações sugeridas e em conteúdo de fora da rede do usuário.
Essa formulação é importante. Ela aponta para distribuição, e não apenas moderação. O LinkedIn não precisa necessariamente remover cada publicação fraca ou muito carregada de IA para mudar a experiência do usuário. Se conseguir reduzir a amplificação nos sistemas de recomendação, pode tornar os feeds mais relevantes sem transformar cada caso de borda em uma decisão de remoção.
A empresa também está testando uma forma de mostrar às pessoas que outros usuários sentem que suas publicações soam inautênticas ou dependem muito de IA. Se expandido, esse recurso levaria a plataforma além da classificação algorítmica invisível e em direção a um feedback social visível. Esse tipo de passo pode mudar o comportamento de publicação, especialmente em uma rede em que percepção e credibilidade estão estreitamente ligadas aos resultados de carreira.
Ao mesmo tempo, o LinkedIn está removendo um recurso que usava IA para “aprimorar” publicações. A empresa planeja substituir essa ferramenta por outra que revise os textos do usuário sem alterar sua voz. Isso é uma mudança de produto significativa. Em vez de ajudar os usuários a gerar conteúdo mais polido e nativo da plataforma, o LinkedIn diz que quer preservar a expressão original e ainda oferecer uma assistência leve.
O problema maior da plataforma
A iniciativa do LinkedIn reflete uma tensão mais ampla enfrentada pelas plataformas digitais na era da IA generativa. As ferramentas de IA podem reduzir drasticamente o custo de publicar, mas também podem diminuir o valor informativo médio do que é publicado. Se os sistemas de recomendação não forem ajustados rapidamente, os feeds podem ficar saturados de material repetitivo, plausível, mas socialmente vazio.
Plataformas profissionais podem sentir essa pressão antes das outras porque os usuários geralmente estão menos interessados em entretenimento do que em sinais: tendências de contratação, mudanças de mercado, especialização técnica, atualizações de projetos e lições operacionais reais. Conteúdo que parece polido, mas diz muito pouco, é especialmente corrosivo nesse ambiente.
O LinkedIn está, na prática, reconhecendo que a autenticidade do conteúdo agora é uma questão de produto e de ranqueamento, não apenas uma reclamação cultural. Ao criar uma categoria de denúncia com linguagem excepcionalmente direta, ampliar classificadores automáticos, testar sinais de feedback e remover ao menos um recurso de escrita com IA, a empresa tenta se reposicionar diante da enxurrada de publicações profissionais sintéticas.
Se esse esforço vai funcionar depende da execução. As denúncias dos usuários podem gerar ruído. Os sistemas automáticos podem confundir estilo com spam. Alguns usuários legítimos continuarão a depender de ferramentas de rascunho com IA, e o LinkedIn precisará distinguir entre assistência de edição e conteúdo que parece produzido em massa ou enganoso. Mas a direção estratégica é clara: a empresa acredita que a qualidade do feed está sendo prejudicada por preenchimento gerado por IA, e agora está disposta a dizer isso em termos de produto que os usuários entendem imediatamente.
Isso torna a implementação mais do que uma curiosa nova opção de menu. É um exemplo inicial de uma grande plataforma incorporando controles explícitos anti-slop em sua interface, sistemas de ranqueamento e ferramentas de escrita ao mesmo tempo. Para os usuários, isso oferece uma forma direta de reagir contra conteúdo inautêntico. Para a plataforma, é um teste de se as redes sociais podem preservar a confiança à medida que o texto generativo se torna mais barato e mais difundido.
Este artigo é baseado na cobertura do The Verge. Leia o artigo original.
Originally published on theverge.com
