LinkedIn grijpt in tegen de golf van “AI‑slop”, de stroom aan generieke, door kunstmatige intelligentie gemaakte berichten die de tijdlijn overspoelen. Het Microsoft‑platform past wereldwijd zijn algoritmen aan om dit soort content te herkennen en weg te drukken. De update rolt nu uit en is ook merkbaar voor gebruikers in Nederland en de rest van Europa. Doel is een professionelere feed met meer vakkennis en minder lokberichten.
LinkedIn remt AI-slop
AI‑slop is een verzamelnaam voor snel geproduceerde, vlakke AI‑teksten en beelden zonder duidelijke meerwaarde. Zulke berichten leveren vaak weinig nieuwe informatie op en zijn vooral gemaakt voor aandacht. LinkedIn verlaagt daarom de zichtbaarheid van herhaalde, sjabloonachtige posts. Zo wil het platform ruimte geven aan originele bijdragen met concrete kennis en ervaring.
Het bedrijf zet eigen machine‑learningmodellen in om patronen te herkennen. Denk aan massaal gekopieerde formats, stockbeelden met tekst en reposten zonder context. Het systeem kijkt ook naar het gedrag van een account, zoals hoge volumes aan soortgelijke updates in korte tijd. Op basis van al die signalen past LinkedIn de ranking in de feed aan.
Volgens het platform blijft menselijke beoordeling nodig voor lastige gevallen. Daarom combineert LinkedIn automatische detectie met meldingen door gebruikers. Wie een bericht verbergt of rapporteert, geeft het algoritme een extra signaal. Zo leert het systeem wat leden als waardevol of juist storend ervaren.
“AI‑slop” staat voor snel gemaakte, generieke AI‑inhoud die veel lijkt op elkaar en weinig toevoegt aan het gesprek.
Algoritmen sturen op kwaliteit
De vernieuwde datamodellen letten meer op inhoudelijke waarde dan op ruwe populariteit. Relevantie voor je netwerk en vakgebied weegt zwaarder dan het aantal likes. Ook telt het mee of een post uitleg, bronnen of eigen duiding bevat. Korte generieke oneliners schuiven daardoor naar achteren in de tijdlijn.
LinkedIn gebruikt hiervoor klassificatie, een AI‑techniek die berichten indeelt in categorieën. Zo kan het systeem onderscheid maken tussen advies, verkoop, vacature of meme. Zulke labels helpen om het juiste publiek te bereiken. Het doel is dat professionals sneller nuttige kennis vinden.
Gebruikers krijgen daarnaast meer regie over de feed. Knoppen als “Niet interessant” en “Minder van dit soort posts” sturen het algoritme bij. Leden kunnen ook onderwerpen volgen om vakinformatie beter te laten doorstromen. Deze keuzes maken de aanbevelingen persoonlijker en beter uitlegbaar.
Minder lokkers en kettingposts
Engagement‑bait, zoals berichten die om willekeurige likes of reacties vragen, zakt in zichtbaarheid. Zulke lokkers leveren vaak weinig inhoud op en verstoren discussies. Ook kettingberichten die enkel vragen om doorsturen gaan achteruit in de ranking. Zo wil LinkedIn de kwaliteit van gesprekken verhogen.
Herposten zonder context krijgt minder bereik dan een eigen, onderbouwde bijdrage. Wie een link of citaat deelt met een korte toelichting helpt het algoritme de bedoeling te snappen. Extra uitleg maakt duidelijk voor wie en waarom iets relevant is. Dat vergroot de kans op een prominente plek in de feed.
Voor makers betekent dit: minder generieke AI‑teksten, meer specifieke inzichten. Praktijkvoorbeelden, cijfers en referenties wegen mee als kwaliteitssignaal. Ook gerichte discussies in niche‑gemeenschappen scoren beter dan brede, oppervlakkige statements. Zo verschuift de balans naar expertise in plaats van volume.
Europese regels sturen mee
De Europese Digital Services Act verplicht grote platforms om systeemrisico’s te beperken en aanbevelingen uitlegbaar te maken. LinkedIn valt onder deze regels in de EU en moet transparant zijn over moderatie en ranking. Gebruikers moeten bovendien controle hebben over profilering in de feed. Meer keuze en duidelijkere instellingen passen in die lijn.
De Europese AI‑verordening (AI Act) zet daarnaast in op transparantie rond door AI gemaakte inhoud. Herkomstlabels, zoals content‑credentials, helpen om AI‑beelden en teksten te herkennen. Platforms kunnen zulke labels uitlezen en tonen aan gebruikers. Dat maakt het moeilijker voor anonieme AI‑slop om zich als menselijke content voor te doen.
Ook de AVG speelt een rol, omdat aanbevelingen gebaseerd zijn op profielgegevens en gedrag. Dat vraagt om dataminimalisatie, duidelijke informatie en beveiliging. Organisaties die via LinkedIn campagne voeren, moeten hier rekening mee houden. Dit geldt zeker voor overheid en onderwijs, waar transparantie en toegankelijkheid zwaarder wegen.
Gevolgen voor Nederlandse leden
Professionals in Nederland zien naar verwachting meer vakkennis en minder ruis in hun tijdlijn. Relevante posts van collega’s en experts krijgen voorrang. Algoritmen belonen inhoud met context en bronnen. Wie waarde deelt, vergroot zo zijn bereik.
Voor bedrijven en recruiters loont een inhoudelijke strategie. Vacatures met duidelijke eisen en toelichting presteren beter dan standaardteksten. Employer‑branding met concrete cases werkt sterker dan generieke slogans. Ook nieuwsbrieven en kennisartikelen blijven een stabiel kanaal binnen LinkedIn.
Makers die AI gebruiken, doen er goed aan transparant te zijn. Een korte vermelding dat een tekst met hulp van een taalmodel is geschreven, wekt vertrouwen. Controleer feiten en voeg eigen inzichten toe om op te vallen. Zo voorkom je dat je bijdrage wordt gezien als AI‑slop.
Grenzen en volgende stappen
Automatische filters kunnen fouten maken en waardevolle satire of sjablonen onterecht afstraffen. Daarom is een bezwaar‑ of herzieningsmogelijkheid belangrijk. Feedback van gebruikers blijft nodig om het systeem eerlijk te houden. Verwacht dat LinkedIn de drempels en signalen geregeld bijstelt.
Er is ook kans op nieuwe ontwijktrucs door spammers. Denk aan kleine variaties in tekst of beeld om detectie te misleiden. Dat vraagt om modellen die patronen blijven leren en up‑to‑date zijn. Transparante rapportages over moderatie helpen vertrouwen te behouden.
Op het moment van schrijven treedt de AI‑verordening gefaseerd in werking. Meer duidelijkheid over labels en uitleg bij aanbevelingen komt daarmee dichterbij. Voor gebruikers is het raadzaam om feed‑instellingen te checken en meldopties te gebruiken. Zo blijft de tijdlijn relevant en werkbaar, met minder AI‑slop en meer kennis.