20 мая вице-президент LinkedIn Лаура Лоренцетти объявила об изменении алгоритма: платформа начинает подавлять AI-мусор. Отполированные, но пустые посты, которые последние годы заполняли ленту, больше не получат широкий охват. Для брендов, которые масштабировали присутствие через генерацию контента, это сигнал пересмотреть стратегию.
Ирония в том, что LinkedIn борется с последствиями собственных решений: несколько лет платформа встраивала AI-инструменты написания прямо в продукт, а теперь сдерживает поток контента, который они породили. Создание контента на платформе выросло на 14% за год, во многом за счёт AI-ассистентов.
Что именно делает LinkedIn
Под фильтр попадают три типа контента:
- Обобщённые AI-посты без оригинальной позиции
- Бот-комментарии и однотипные AI-ответы
- Инструменты массовой автоматизации, которые генерируют контент в объёме
Посты не удаляют. Их показывают подписчикам и контактам автора, но рекомендательный движок перестаёт их усиливать. Практически это значит: охват, ради которого бренды и приходят в LinkedIn, для такого контента закрыт.
Цифры
Создание контента на платформе выросло на 14% за год. LinkedIn заявляет, что система распознаёт обобщённый AI-контент с точностью 94%. Данные о ложных срабатываниях не раскрыты, часть легитимных постов, вероятно, попадёт под фильтр.
Как устроена система детекции
LinkedIn использовала подход «AI ловит AI». Редакторы вручную разметили тысячи постов как обобщённые или оригинальные, на этих примерах обучили модели, и система теперь работает на ленте постоянно. Точность 94% - результат собственных тестов компании, долю ошибок она не публикует.
Бизнес-логика простая: LinkedIn продаёт премиум-подписки и рекламу на обещании ценной профессиональной аудитории. Лента, заполненная контентом, который никто не писал, снижает вовлечённость, выталкивает подписчиков и в итоге бьёт по рекламодателям. Защита качества контента - защита модели выручки.
Что попадает под фильтр, а что нет
Компания очертила границу без разночтений. Под фильтр попадают посты, которые выглядят отполированными, но не содержат ничего нового: пересказы трендов, общие рассуждения о лидерстве, комментарии, повторяющие мысль поста. Отдельно отмечены речевые конструкции, типичные для AI-сборки, вроде «это не X, это Y».
Контент с AI-помощью при этом остаётся разрешённым, если в нём есть оригинальная мысль. Использовать AI для исследования, структуры и полировки поста вокруг реального профессионального опыта можно. Нельзя - когда AI делает всю интеллектуальную работу.
«Практическая граница простая: есть ли в посте то, что может дать только автор или его компания. Данные из своей CRM, кейс клиента, личный опыт руководителя - это AI не сфабрикует. Общие рассуждения о трендах отрасли не отличаются от тысяч таких же постов в ленте»
- Нил Пател, о новой политике LinkedIn
Почему это меняет математику охватов
Для команд, которые наращивали частоту публикаций через AI, механика подавления меняет расчёт. Объём без качества теперь работает против охвата: пост под фильтром занимает слот публикации, но не приносит видимости.
Система не читает AI-текст напрямую. Она смотрит на поведение: сколько времени читатели задержались, сохранили ли пост, оставили ли содержательный комментарий. Контент без конкретной профессиональной мысли даёт почти нулевое время чтения, потому что не сообщает ничего нового. Пост с результатом клиента, данными из первых рук или личным опытом собирает вовлечённость, потому что такой информации больше нигде нет.
Что делать брендам
- Оставьте AI как инструмент производства: исследование, черновики, редактирование, форматирование - это уместно
- Не отдавайте AI шаг, который он заменить не может: выбор конкретной профессиональной мысли, ради которой пост стоит читать
- Стройте контент вокруг данных из первых рук: опыт руководителя, результаты клиентов с контекстом, внутренние цифры с отраслевой ценностью
- Проведите аудит: прочитайте последние 10 постов и спросите, какая информация в каждом есть только у вашей компании. Если ответ «никакая» - пост под риском подавления
Главный вывод
Фикс не в том, чтобы использовать меньше AI. Фикс в том, чтобы дать алгоритму больше сырого материала, который специфичен для вашего бренда: кейсы, цифры, опыт. Выиграют те, кто использует AI как ускоритель производства контента, который начинается с настоящей экспертизы.
Что это значит для бизнеса
Для компаний во Владивостоке и на Дальнем Востоке, которые ведут LinkedIn-присутствие, вывод практический: контент-маркетинг на платформе возвращается к экспертизе. Посты-пересказы чужих новостей, сгенерированные нейросетью, перестают работать. Проходят кейсы, цифры из собственной практики и позиция конкретных людей.
Это же правило постепенно распространяется на другие платформы: поисковые системы и соцсети всё лучше отличают контент с опорой на реальный опыт от пересказа. Бренды, которые уже строят контент на кейсах и данных, получают преимущество там, где остальные теряют охваты.