كشف LinkedIn تفاصيل جديدة عن الطريقة التي يستخدمها لمواجهة AI Slop في LinkedIn، أي المحتوى منخفض الجهد الذي يبدو مصقولًا لكنه يفتقر إلى رأي حقيقي أو خبرة أو قيمة واضحة. المنصة لا تعتمد على فلتر واحد أو على اكتشاف أن النص كُتب بالذكاء الاصطناعي فقط، بل تستخدم مزيجًا من بلاغات المستخدمين ونماذج كبيرة وصغيرة ووكلاء ذكاء اصطناعي ومراجعة بشرية، وتقول إن أنظمتها وصلت إلى دقة 94% عند اكتشاف هذا النوع من المحتوى الذي يُوزع خارج شبكة صاحب المنشور المباشرة.
الإجابة السريعة
لمكافحة AI Slop في LinkedIn تستخدم المنصة ما تصفه بهيكل Teacher-Student: نماذج كبيرة تتعلم الأنماط الجديدة وتنتج بيانات تدريب عالية الجودة، ثم تنقل هذه المعرفة إلى نماذج أصغر أسرع في التصنيف. كما تستخدم وكلاء ذكاء اصطناعي يطبق كل منهم سياسة محددة، وعندما تواجه الأنظمة حالة معقدة تحيلها إلى مراجع بشري. LinkedIn تقول إن هذا النظام خفض مشاهدات المحتوى المصنف AI Slop بنسبة 40%، بينما تجاوز استخدام زر “Seems like AI slop” مليون عضو خلال أسابيع من إطلاقه.
ما المقصود بـ AI Slop في LinkedIn؟
تعريف LinkedIn لا يساوي بين استخدام الذكاء الاصطناعي وبين المحتوى الرديء. الشركة تقول إن أدوات الذكاء الاصطناعي يمكن أن تكون مفيدة في التدقيق وتحسين الوضوح والاختصار، لكنها تعتبر المحتوى مشكلة عندما يكون عامًا ومكررًا ومعاد تدويره، أو عندما يبدو مصقولًا من الخارج من دون رأي شخصي أو خبرة أو مادة حقيقية تضيف شيئًا للنقاش.
لهذا فإن AI Slop في LinkedIn ليس تصنيفًا يعتمد فقط على سؤال: هل كتب AI هذا المنشور؟ بل على سؤال أوسع: هل المنشور يضيف قيمة فعلية؟ هذا يفسر لماذا لا تمنع المنصة المحتوى الذي تمت مساعدته بالذكاء الاصطناعي، وفي المقابل قد تقلل انتشار نص يبدو آليًا ومكررًا حتى لو كان من الصعب إثبات طريقة إنشائه.
نظام Teacher-Student لتتبع الأنماط الجديدة
شرح Tim Jurka، نائب رئيس الهندسة في LinkedIn، أن المنصة تستخدم بنية Teacher-Student لمواكبة تطور أنماط المحتوى منخفض الجودة. في هذا التصميم تتولى نماذج “المعلم” الأكبر والأكثر قدرة التعرف على الأنماط الجديدة وصنع أمثلة تدريب عالية الجودة، ثم تستخدم هذه الأمثلة لتدريب نماذج “الطالب” الأصغر كي تلتقط السلوك نفسه بسرعة وعلى نطاق أوسع.
هذه الطريقة مناسبة لمشكلة AI Slop في LinkedIn لأن الأنماط لا تبقى ثابتة. عندما يتعلم صناع المحتوى أن صياغة معينة أصبحت واضحة للمنصة، يمكن أن تتغير القوالب والأساليب بسرعة. وجود نموذج كبير يلتقط الاتجاهات الجديدة ثم ينقلها إلى نماذج تشغيل أصغر يساعد LinkedIn على تحديث نظام التصنيف من دون الاعتماد على نموذج ضخم لكل منشور يمر عبر الخلاصة. ويظهر هنا أن AI Slop في LinkedIn يُعامل كمشكلة جودة وسلوك، لا كاختبار بسيط لكشف مصدر النص.
| الطبقة | الدور | الهدف |
|---|---|---|
| Teacher models | تكتشف الأنماط الجديدة وتنتج بيانات تدريب | مواكبة تغير أساليب AI Slop |
| Student models | تتعلم من بيانات النماذج الأكبر | تصنيف أسرع وعلى نطاق واسع |
| AI agents | يطبق كل وكيل سياسة محددة على المحتوى | تحليل أكثر تخصصًا حسب نوع المنشور |
| بلاغات المستخدمين | زر Seems like AI slop | تزويد الأنظمة بإشارات من المجتمع |
| المراجعة البشرية | تتعامل مع الحالات التي لا يفهمها الوكيل جيدًا | تصحيح السياسات وتحسين التعلم |
LinkedIn يستخدم وكلاء AI لتقييم المحتوى
إلى جانب النماذج التقليدية، تعتمد الشركة على مجموعة من وكلاء الذكاء الاصطناعي، ولكل وكيل سياسة أو مجموعة معايير واضحة. قد يقيّم أحدهم ما إذا كان المنشور ترويجيًا، بينما يركز آخر على منشور احتفالي بإنجاز، أو على ما إذا كان المحتوى مرتبطًا بتوقيت معين. الفكرة أن كل Agent لا يحاول فهم كل شيء، بل يعمل داخل نطاق سياسة محددة.
وعندما يصادف الوكيل حالة لا يستطيع تفسيرها جيدًا في سياق السياسة، يمكنه تصعيدها إلى مراجع بشري. بعدها تُستخدم ملاحظات المراجع لتحسين السياسة التي يعمل بها الوكيل، وهو ما يجعل مكافحة AI Slop في LinkedIn عملية تعليم مستمرة وليست قائمة ثابتة من الكلمات أو القوالب المحظورة. وهذا يمنح نظام AI Slop في LinkedIn مسارًا واضحًا للتعلم من الحالات الحدّية.
دقة 94% للمحتوى خارج شبكتك المباشرة
بحسب LinkedIn، توسعت أدوات التصنيف حديثًا لتشمل جميع المنشورات التي يتم توزيعها إلى أشخاص خارج شبكة صاحب المنشور المباشرة، وتقول الشركة إنها تحقق دقة 94% في اكتشاف المحتوى المصنف AI Slop ضمن هذا النطاق. كلمة “دقة” هنا مهمة؛ فهي تعني Precision في التعرف على الحالات التي يصنفها النظام، ولا تعني أن المنصة تستطيع اكتشاف 94% من كل منشور منخفض الجودة موجود على الشبكة.
هذا التوضيح مهم عند قراءة رقم AI Slop في LinkedIn لأن الأرقام المتعلقة بالكشف قد تبدو أكبر مما تعنيه فعليًا إذا لم نفرق بين Precision وRecall. ما تؤكده الشركة هو أن نتائجها الحالية أصبحت أكثر دقة في هذا النطاق، لا أنها أزالت المشكلة بالكامل. وبالتالي فإن قياس AI Slop في LinkedIn يعتمد على جودة التصنيف، لا على رقم واحد يوحي بالكمال.
المستخدمون أصبحوا جزءًا من عملية التدريب
في أغسطس أضاف LinkedIn خيار Seems like AI slop داخل قائمة النقاط الثلاث على المنشورات والتعليقات. خلال أقل من ثلاثة أسابيع استخدم أكثر من مليون عضو هذا الخيار، ثم بدأت المنصة استخدام هذه الإشارة لتحسين المصنفات التي تقرر ما يعتبر محتوى عامًا ومنخفض القيمة.
وإذا تلقى منشور عددًا كافيًا من هذه الإشارات، قد يظهر لصاحبه تنبيه خاص داخل Post Analytics يوضح أن بعض الأعضاء اعتبروا المنشور منخفض القيمة أو شبيهًا بمحتوى AI. LinkedIn تؤكد أن هذا لا يعني حذف المنشور أو تسجيل مخالفة تلقائية؛ الهدف هو إعطاء الكاتب إشارة عن طريقة استقبال المحتوى من الجمهور.
- البلاغ لا يعني تلقائيًا أن المنشور مخالف لسياسات LinkedIn.
- الإشارة تستخدم لتحسين أنظمة التصنيف وجودة الخلاصة.
- قد يرى صاحب المنشور تنبيهًا خاصًا في التحليلات بعد بلوغ حد معين.
- المنصة لا تعتبر كل استخدام للذكاء الاصطناعي AI Slop.
- القيمة والرأي والخبرة أهم من مجرد معرفة الأداة التي ساعدت في الكتابة.
انخفاض مشاهدات AI Slop بنسبة 40%
تقول LinkedIn إن الإجراءات الأخيرة أدت بالفعل إلى تقليل مشاهدات المحتوى المصنف AI Slop بنسبة 40%. وهذا لا يعني إزالة 40% من المنشورات أو حذفها من المنصة؛ المقصود هو تقليل عدد مرات مشاهدة المحتوى الذي صنفته أنظمة LinkedIn ضمن هذه الفئة.
الفرق مهم لأن الاستراتيجية الأساسية ضد AI Slop في LinkedIn تعتمد في جانب كبير منها على التوزيع. فإذا بدا المحتوى عامًا أو آليًا ويفتقر إلى منظور حقيقي، يصبح أقل احتمالًا أن يتم توسيع انتشاره خارج شبكة الكاتب، بدل أن يتحول كل منشور مشكوك فيه إلى قضية حذف أو عقوبة حساب.
مئات الآلاف من التعليقات الآلية تُحجب يوميًا
المشكلة لا تقتصر على المنشورات. LinkedIn تقول إنها تمنع كل يوم مئات الآلاف من محاولات التعليق الآلي، كما منعت مليارات من عمليات الأتمتة خلال الأشهر الأخيرة، بما في ذلك النشر على نطاق واسع والمحتوى المزعج. كذلك تستهدف الأنظمة الردود التي تكتفي بإعادة صياغة المنشور الأصلي من دون إضافة رأي أو معلومة جديدة.
هذا الجزء يكشف أن المعركة ضد AI Slop في LinkedIn مرتبطة أيضًا بمكافحة الأتمتة الزائفة والتفاعل المصطنع. المحتوى الرديء يصبح أكثر إزعاجًا عندما يمكن إنتاج آلاف النسخ منه ونشرها وتعليقها آليًا، ولذلك تعالج المنصة جودة المحتوى وسلوك النشر في الوقت نفسه.
LinkedIn لا يحظر الكتابة بمساعدة الذكاء الاصطناعي
من المهم عدم تحويل التطور الجديد إلى عنوان يقول إن LinkedIn يحارب منشورات AI بصورة عامة. الشركة نفسها توضح في إرشاداتها أن استخدام أدوات الذكاء الاصطناعي للتدقيق وتحسين الصياغة والاختصار مقبول، وأن المحتوى المساعد بالذكاء الاصطناعي يمكن أن يُوزع طبيعيًا إذا كان يعبر عن خبرة وصوت ورأي حقيقيين.
المعيار الأساسي في AI Slop في LinkedIn هو القيمة. منشور استخدم AI لترتيب أفكار أصلية أو تصحيح اللغة ليس مساويًا لمنشور مولد بكميات كبيرة يعيد النصائح نفسها بصيغ مختلفة. كما توصي LinkedIn بمراجعة أي محتوى تمت مساعدته بالذكاء الاصطناعي وتحريره، وبالإفصاح عن الاعتماد الكبير على AI عندما لا يكون ذلك واضحًا من السياق. وتؤكد هذه السياسة أن AI Slop في LinkedIn لا يُعرّف بمجرد وجود مساعدة آلية في الكتابة.
LinkedIn يتراجع عن أداة Enhance your post
ضمن الاتجاه نفسه، أعلنت LinkedIn أنها تستبدل ميزة “Enhance your post” بأدوات تركز على التدقيق وتحسين الوضوح من دون إعادة كتابة صوت المستخدم بالكامل. القرار يعكس مشكلة واجهتها منصات كثيرة: كلما شجعت المنتج نفسه على إعادة صياغة المنشورات بأسلوب واحد، زادت احتمالية أن تبدو الخلاصة متشابهة ومصطنعة.
التحول إلى Proofreading بدل إعادة الإنشاء الكاملة يعني أن الشركة تريد استخدام AI كمحرر أكثر من ككاتب بديل. وهذه نقطة عملية لأي شخص ينشر مهنيًا؛ المساعدة في اللغة مقبولة، لكن محاولة توليد رأي مهني كامل من نموذج غالبًا ما تنتج النوع الذي تحاول المنصة الآن تقليل انتشاره.
ماذا يعني ذلك لصناع المحتوى على LinkedIn؟
الدرس الأهم ليس التوقف عن استخدام أدوات الذكاء الاصطناعي، بل التوقف عن نشر النص كما خرج من الأداة من دون إضافة تجربة أو موقف أو تفاصيل خاصة. عندما يصبح المحتوى قابلاً لأن يحمل اسم أي شخص آخر من دون أن يتغير معناه، فهو يقترب من التعريف الذي تستخدمه LinkedIn للمحتوى العام منخفض القيمة.
إذا كنت تستخدم AI في كتابة المنشورات، فمن الأفضل إضافة تجربة شخصية، رقم أو نتيجة فعلية، موقف واضح، تفاصيل لا يعرفها إلا صاحب التجربة، أو رأي يمكن مناقشته. وقد ناقشنا في سوالف سوفت من زاوية أوسع لماذا لا يكون الذكاء الاصطناعي هو الحل وحده لأصحاب الأعمال، وهي الفكرة نفسها التي تظهر هنا في مجال صناعة المحتوى المهني.
كيف تقلل احتمال تصنيف منشورك كمحتوى منخفض القيمة؟
لا تنشر عشر نسخ من الفكرة نفسها مع تغيير المقدمة. تجنب العبارات العامة من نوع “الذكاء الاصطناعي يغير العالم” إذا لم تضف مثالًا أو معلومة أو رأيًا. لا تجعل التعليقات الآلية تستبدل النقاش الحقيقي، ولا تعتمد على Engagement Pods أو أدوات تفاعل مصطنعة لرفع المنشور، لأن LinkedIn يقول إنه يحد أيضًا من هذا النوع من النشاط غير الأصيل.
والأهم أن تراجع المنشور بعد استخدام AI: هل يبدو مثل صوتك فعلًا؟ هل يحتوي شيئًا لا يمكن لنموذج أن يخمنه من محتوى عام على الإنترنت؟ هل تقدم تجربة أو معلومة أو رأيًا واضحًا؟ هذه الأسئلة أقرب بكثير إلى طريقة فهم AI Slop في LinkedIn من محاولة اكتشاف كلمات ممنوعة أو التحايل على كاشف معين. وهذا هو الفارق العملي بين استخدام AI كمساعد وبين الوقوع في نمط AI Slop في LinkedIn.
الذكاء الاصطناعي أصبح يراقب الذكاء الاصطناعي
المفارقة في نظام LinkedIn الجديد أن المنصة تستخدم نماذج AI ووكلاء AI لمحاربة المحتوى منخفض الجودة المرتبط باستخدام AI. لكن هذا ليس تناقضًا تقنيًا؛ المشكلة بالنسبة للشركة ليست التكنولوجيا نفسها، بل النتيجة التي تصل إلى المستخدم. ولذلك أصبح AI Slop في LinkedIn ملفًا يجمع بين الترتيب والأتمتة وجودة المحتوى. نموذج يمكنه إنتاج آلاف المنشورات المتشابهة يمكن استخدام نموذج آخر أيضًا لتحديد التشابه والافتقار إلى القيمة على نطاق لا يستطيع فريق بشري تغطيته وحده.
يمكن مراجعة إعلان LinkedIn الرسمي حول مكافحة AI Slop، وكذلك إرشادات LinkedIn الرسمية للمحتوى المنشأ بمساعدة الذكاء الاصطناعي. التطور الجديد يوضح أن AI Slop في LinkedIn لن يُعالج بمجرد البحث عن علامة تكشف أن النص كتبه نموذج، بل بمحاولة قياس القيمة والأصالة والسلوك المحيط بالنشر، مع بقاء الإنسان جزءًا من عملية الحكم عندما تصبح الحالات أكثر تعقيدًا.
لا يسمح بنقل هذا المحتوى من سوالف دون الاشارة برابط مباشر
