LinkedIn 打擊「AI Slop」：平台如何用 AI 降低低品質貼文曝光

LinkedIn 正嘗試解決一個近年快速惡化的問題：大量由生成式 AI 產生、但幾乎沒有實質價值的貼文與留言。這類內容常被稱為 「AI slop」——看起來專業、文字流暢，但內容空泛、重複，甚至只是為了刷互動而存在。為此，LinkedIn 推出了新的 AI 偵測與內容排序機制，希望降低這類內容在動態消息中的曝光度。

與其全面禁止 AI 工具，LinkedIn 的策略更偏向 「鼓勵有價值的內容、降低垃圾內容的擴散」。換句話說，只要貼文能反映作者自己的觀點、經驗或專業，即使使用 AI 協助撰寫，仍然被視為可接受。

為什麼 LinkedIn 要打擊「AI slop」

生成式 AI 的普及，使得任何人都可以在幾秒內產生看似精緻的長文、評論或職場心得。問題是，當大量內容缺乏真實經驗或洞見時，整個專業社群的討論品質就會被稀釋。

LinkedIn 高層將這類內容稱為 「AI slop」：

• 看似專業但內容空泛
• 重複既有觀點
• 主要目的是觸發按讚與留言

這種內容會佔據動態版面，反而讓真正有價值的專業分享更難被看到。

新系統鎖定哪些內容

LinkedIn 的新偵測與排序系統，主要會識別看起來制式化或缺乏真實性的貼文與留言。報導提到的典型例子包括：

• 只有勵志語錄或空泛職場建議的通用貼文
• 重複流行觀點、沒有新見解的「思想領導」內容
• 專門設計來誘導互動的 engagement bait
• 在多個貼文底下大量出現的模板式留言
• 具有固定句型與結構、疑似 AI 批量生成的寫作模式

值得注意的是，LinkedIn 的打擊對象 不只限於貼文，也包括留言。平台表示，AI 自動生成的評論可能會人為放大互動量，甚至淹沒真正的討論，因此也被納入治理範圍。

「用 AI 對付 AI」：偵測系統如何運作

LinkedIn 的做法不是單純檢測「是否使用 AI」，而是分析內容的 語言模式與訊號。

AI 模型會評估多種特徵，例如：

• 重複或可預測的句型結構
• 缺乏個人背景或具體情境的泛用語言
• 明顯誘導互動的提問或句式
• 缺乏專業觀點或個人經驗

透過這些模式，系統會判斷一篇內容是否提供實質專業價值，再決定是否在推薦動態中放大曝光。

LinkedIn 表示，在早期測試中，系統能以 約 94% 的準確率辨識出通用型的 AI 生成內容，顯示平台已開始將內容品質判斷自動化。

被標記的內容會怎麼處理

LinkedIn 並不打算大量刪除貼文。

相反地，平台主要採用 「降權處理」：

• 貼文仍然存在
• 但較少出現在推薦動態
• 擴散範圍通常只限於作者的直接人脈

這種做法能減少垃圾內容的傳播，同時避免誤傷正常使用 AI 工具的創作者。

AI 協助寫作仍然被允許

LinkedIn 明確表示：使用 AI 並不是問題，問題是內容品質。

只要貼文包含：

• 真實的職場經驗
• 具體案例
• 明確觀點或專業分析

即使 AI 協助整理或潤飾文字，也不太可能被系統判定為「AI slop」。

對 LinkedIn 創作者意味著什麼

這項調整反映出 LinkedIn 演算法的一個重要轉變：

過去社群平台常以 **互動數量（按讚、留言、分享）**作為主要指標，但 LinkedIn 現在更重視 訊號與價值（signal over noise）。

實務上，這意味著：

• 有個人經驗與具體細節的內容更容易被推薦
• 單純由 AI 批量生成的內容將逐漸被邊緣化

隨著生成式 AI 在內容創作中的普及，LinkedIn 這種「用 AI 管理 AI」的策略，也反映了整個網路平台正在面對的一個新課題：如何在自動化內容爆炸的時代，仍然維持有價值的對話與專業交流。