LinkedInLinkedIn מדרדרת פוסטים שנשמעים כמו בינה מלאכותית: מה היא מחשיבה «תוכן גנרי» ואיך לכתוב בלי לאבד חשיפה
הצוות של AiToolsForAppsנכתב בעזרת בינה מלאכותית12 דקות קריאהבקצרה
- מאז 8 באוקטובר 2026, LinkedIn בודקת באמצעות מסווגים כל פוסט שמופץ מעבר לרשת הקרובה של הכותב, לפי סגן נשיא ההנדסה שלה, Tim Jurka (Social Media Today, 8-10-2026).
- הנתון שמסתובב לא נכון: ה-94% הוא דיוק (precision), לא כיסוי. מכל 100 פוסטים שהמערכת מסמנת כ-slop, כ-94 הם כאלה לפי הקריטריונים שלה. LinkedIn לא פרסמה כמה נשמטים ממנה.
- מה ש-LinkedIn מענישה אינו שימוש בבינה מלאכותית, אלא את ה«גנרי ו/או החוזר על עצמו, שלא תורם שום רעיון אמיתי» (ההגדרה המילולית של Jurka). בינה מלאכותית כמגיהה מותרת במפורש.
- ההשפעה כבר ניתנת למדידה: תוכן שסווג כ-slop רשם 40% פחות צפיות, לפי מנהל המוצר הראשי Hari Srinivasan (Social Media Today, 20-8-2026).
- מה ששורד את המסנן הוא קונקרטי: הוק אמיתי בשתי השורות הראשונות (לפני החיתוך של «ראה עוד»), נתון או מקרה משלכם ושיקול דעת בגוף ראשון.

אם אתם מפרסמים ב-LinkedIn ומבחינים שפוסטים נכונים, כתובים היטב ומעוצבים היטב נעצרים על 200 חשיפות, כנראה שזה לא עניין של שעת הפרסום. זה מסנן חדש, הוא מפורש, והכותב שלו הסביר אותו בפומבי. המאמר הזה מפרט מה המסנן בודק, מה באמת אומרים המספרים שחוזרים עליהם לא נכון, ואיך לכתוב בלי להישאר בשולי הדרך. ב-AiToolsForApps אנחנו מתחזקים את LinkedIn, מערך כלי בינה מלאכותית למי שיוצר, מוכר או מתחרה ברשת המקצועית, ומה שבא עכשיו הוא ההקשר שמסביר למה בנינו כלים לכתיבת כותרות, קרוסלות ופוסטים ב-LinkedIn עם מונים ומאמתים במקום כפתור «צור לי פוסט».
מהו בדיוק «AI slop» בעיני LinkedIn
בעיני LinkedIn, AI slop הם «פוסטים גנריים ו/או חוזרים על עצמם שלא תורמים שום רעיון אמיתי». זו ההגדרה המילולית שנתן Tim Jurka, סגן נשיא ההנדסה, ב-8 באוקטובר 2026. שימו לב למה שלא כתוב: לא כתוב «שנכתבו בבינה מלאכותית». הקריטריון הוא היעדר תוכן, לא מקור הטקסט.
את ההבחנה הזו החברה חוזרת עליה מההתחלה. Hari Srinivasan, מנהל המוצר הראשי, סיכם אותה במשפט ששווה לשנן: «AI ו-slop אינם אותו דבר». ובמאי 2026 Laura Lorenzetti, VP Global Editorial, כבר סימנה את הקו: «זה בסדר להשתמש בבינה מלאכותית כדי לעזור לכם לכתוב, אבל הפוסטים והתגובות שלכם צריכים לייצג את הקול ואת נקודות המבט שלכם» (Social Media Today, 21-5-2026).
המסקנה המעשית: פוסט שנכתב בשיתוף עם מודל, אבל עם נתון שלכם, החלטה שקיבלתם ודעה שאפשר להתווכח איתה, הולך בצד הטוב של המסנן. פוסט שנכתב כולו ביד, אבל עם שלוש עצות שכל אחד היה יכול לחתום עליהן, הולך בצד הרע.
«כשמשתמשים יתר על המידה בבינה מלאכותית, במיוחד בקנה מידה גדול ובאופן אוטומטי, היא מדללת את הרעיונות בעלי הערך שיכולים לצמוח משיחות אנושיות אמיתיות.» — Laura Lorenzetti, VP Global Editorial של LinkedIn, 21 במאי 2026.
מה פירוש 94% דיוק (ומה הוא לא אומר)
ה-94% הוא דיוק (precision), לא שלמות. הוא אומר שמכל 100 פוסטים שהמסווג מתייג כ-slop, כ-94 מתאימים לקריטריונים של LinkedIn. הוא לא אומר שהוא מזהה 94% מהפוסטים שנכתבו בבינה מלאכותית: LinkedIn לא פרסמה את שיעור האיתור שלה (recall), ולכן כמה נשמטים ממנה הוא נתון לא ידוע נכון להיום.
ההבדל אינו אקדמי: הוא משנה לגמרי מה אפשר להסיק מהמספר.
| מה שקוראים בחוץ | מה LinkedIn אמרה | מה אפשר להסיק |
|---|---|---|
| «LinkedIn מזהה 94% מהפוסטים שנעשו בבינה מלאכותית» | 94% דיוק בסימון slop | כלום לגבי כמה עוברים בלי שישימו לב |
| «94% מהפוסטים עם בינה מלאכותית מפסידים חשיפה» | פוסטים מסומנים מפסידים הפצה | משפיע רק על מה שסומן, לא על כל מה שנוצר בבינה מלאכותית |
| «יש 6% מרווח טעות שמגן עליי» | כ-6 מכל 100 מסומנים יהיו חיוביים כוזבים | המרווח פועל נגדכם, לא לטובתכם: אם סימנו אתכם, סביר מאוד שצדקו |
עוד שני דגשים שחשובים כדי להחליט מה לעשות:
- החשיפה שמצטמצמת היא זו של ההמלצות, מעבר למעגל הראשון. התוכן המסומן לא נמחק ונשאר גלוי למי שעוקב אחריכם ישירות.
- המסנן מופעל בנקודת החלוקה: נבדק כל פוסט שעתיד להתפזר מחוץ לרשת הקרובה של הכותב. כלומר, הסינון מתרחש ממש לפני שהפוסט מקבל הזדמנות לצמוח.
מאיפה המערכת באה: ציר זמן של 2026
LinkedIn לא הפעילה את המסנן הזה בבת אחת. יש רצף של שישה חודשים, וכל שלב מסביר את הבא.
| תאריך | מה קרה | מקור |
|---|---|---|
| 21 במאי 2026 | LinkedIn מכריזה שתצמצם את החשיפה של תוכן בינה מלאכותית בלי נקודת מבט אנושית ברורה, תגביל תגובות אוטומטיות ותוסיף מסנני פרופיל מאומת | Social Media Today |
| סוף יולי / אוגוסט 2026 | בתפריט שלוש הנקודות של כל פוסט מופיעה האפשרות לדווח עליו כ«נראה כמו AI slop» | Social Media Today |
| אוגוסט 2026 | LinkedIn מסירה את הפונקציה שלה «Enhance your post» (שכתוב מלא של הטיוטה) ומחליפה אותה במגיהה ש, במילותיו של Srinivasan, «מתקנת את המילים שלכם, אבל לא משנה את הקול שלכם» | IBTimes UK |
| 20 באוגוסט 2026 | יותר מ-מיליון אנשים השתמשו בכפתור בפחות משלושה שבועות; תוכן שסווג כ-slop צובר 40% פחות צפיות | Social Media Today |
| 8 באוקטובר 2026 | Jurka מפרט את הארכיטקטורה ומאשר שהסינון חל על כל פוסט שיוצא מהרשת הקרובה, עם 94% דיוק | Social Media Today |
הפרט החושפני ביותר בטבלה הזו אינו ה-94%: הוא שמיליון הדיווחים של אוגוסט הפכו למערך האימון של המסווגים של אוקטובר. המסנן לא מקודד את דעתו של צוות מוצר על מהו פוסט טוב; הוא מקודד את מה שמיליון אנשי מקצוע סימנו כמילוי.
איך המסווג עובד מבפנים
LinkedIn משתמשת בתצורת מורה-תלמיד (teacher-student): מודלים גדולים שמתעדכנים בדפוסי slop חדשים מייצרים את החומר שבו מאמנים מודלים קטנים, וקטנים אלה הם שמסווגים בקנה מידה גדול. מעליהם יש סוכנים עם מדיניות מוגדרת ובודקים אנושיים למקרים מפוקפקים.

במילותיו של Jurka: «אנחנו משתמשים במה שנקרא תצורת מורה-תלמיד. מודלי ה"מורה", הגדולים יותר, נועדו להישאר מעודכנים בדפוסים חדשים של AI slop ולזהות אותם בדיוק». ועל הסוכנים: «כל סוכן מונחה על ידי מדיניות ספציפית, שמגדירה את הקריטריונים שלפיהם הוא מעריך את התוכן: למשל, אם פוסט הוא קידום מכירות, אם הוא חוגג הישג או אם הוא אקטואלי».
שלוש השלכות מעשיות של הארכיטקטורה הזו:
- החלפת המילים לא מספיקה. המערכת מעריכה דפוס ומטרה, לא אוצר מילים. לשכתב את אותו פוסט ריק עם מילים נרדפות אחרות לא מציל אותו.
- הדפוסים מתעדכנים. חלק ה«מורה» קיים בדיוק כדי לרדוף אחרי נוסחאות חדשות. תבנית ההוק שעובדת החודש עשויה להיות מתויקת בחודש הבא.
- יש אות של קטגוריה. העובדה שסוכן מעריך אם הפוסט «קידום מכירות» או «חוגג הישג» פירושה שאותו טקסט יכול להיות מוערך אחרת בהתאם למה שהוא משמש.
האותות שחושפים פוסט ריק
פוסט נופל בצד הרע של המסנן כשהוא לא מכיל שום דבר שרק אתם יכולתם לכתוב: שום עובדה מתוארכת, שום מספר שנמדד, שום אדם או כלי בשם, שום דעה שמישהו יכול להתנגד לה. אותות הפורמט הם רק התסמין; הסיבה היא היעדר תוכן.

אלה האותות שחוזרים בתוכן המסומן, כפי שהניתוחים של התופעה מרכזים אותם:
- פתיחה בתבנית. הפתיחה שבונה סצנה («אתמול, בפגישה…») בלי להגיע לטעון משהו.
- רשימות בלי נתון אישי אחד. שלוש עצות, שלוש טעויות, שלושה מפתחות: מבנה מושלם, תוכן שאפשר להחליף בתוכן של כל כותב אחר בתחום.
- הנוסחה «זה לא X, זה Y». הפנייה הרטורית שנשמעת כמו גילוי ולא מוסיפה מידע חדש.
- פיתיון אינטראקציה. משפטים שמטרתם היחידה לעורר תגובה או «כן» («מכיר את זה? כתוב כן»).
- סיום בשאלה גנרית. «ואתם, מה דעתכם?» כנקודה אחרונה, בלי שאלה קונקרטית על משהו קונקרטי.
- לקח מצוחצח בסוף. פסקת המוסר שסוגרת הכול בקשירת סרט ולא משאירה שום דבר פתוח.
- פורמט מודבק מהצ'אט. כוכביות, כותרות ותבליטים שהועתקו כמות שהם מכלי שיחה: החותם המילולי ביותר מכולם.
אף אחד מהאותות האלה אינו לא חוקי ואינו מגרש אתכם מהפלטפורמה. אבל הצטברותם היא בדיוק הדפוס שמיליון דיווחים לימדו את המסווג.
מה שורד את המסנן: הוק, נתון ושיקול דעת
שורד הפוסט שבשתי השורות הראשונות שלו אומר משהו קונקרטי וניתן לאימות; שבגוף מביא מספר, מקרה או החלטה משלו; ושנוקט עמדה בגוף ראשון. שלושת המרכיבים מצטברים: עם ההוק לבדו מקבלים רק את הלחיצה על «ראה עוד», ובלי נתון אישי למסווג אין במה להבחין.

1. ההוק חי לפני החיתוך של «ראה עוד»
המגבלה של פוסט ב-LinkedIn היא 3,000 תווים, אבל הקורא רואה רק את שתיים-שלוש השורות הראשונות לפני החיתוך. המקום הזה משתנה לפי המכשיר ולפי האם לפוסט יש תמונה: בנייד הוא עומד על כ-140 תווים ובשולחן העבודה קצת יותר, והמדריכים בתחום ממקמים את החיתוך המעשי בסביבות 210 תווים (Commenti, מגבלות תווים 2026). שם לא נכנסים עיקוף נרטיבי וגם תזה: נכנס אחד משניהם.
הסיבה שזה משמעותי היא זמן השהייה (dwell time): אם אף אחד לא פותח את הפוסט, השהייה נשארת מתחת לשנייה וההפצה כבה. חשוב: מה שמתועד על ידי מקורות בתחום הוא תפקידו של ה-dwell time כאות של האלגוריתם; LinkedIn לא פרסמה את המשקל המדויק שהיא נותנת לו ולא את הספים. התייחסו אליו כמו שהוא, היוריסטיקה סבירה, לא מספר רשמי.
2. נתון או מקרה שהם שלכם
זה מה שמבדיל באמת. מה שנחשב לתוכן:
| סוג התוכן | דוגמה למה שמתאים | מה שלא מתאים |
|---|---|---|
| עובדה מתוארכת | «בשבוע של 3 בנובמבר שינינו את נושא אימייל המעקב» | «לאחרונה אנחנו מנסים דברים» |
| מספר שנמדד | «שיעור התגובה עלה מ-11% ל-19% ב-40 שליחות» | «התוצאות השתפרו משמעותית» |
| אדם או כלי בשם | «מרתה זיהתה את זה בבדיקת ה-CRM» | «אחד מחברי הצוות שם לב» |
| דעה שניתן להתנגד לה | «סינון לפי תקציב בשיחה הראשונה עלה לנו בשני לקוחות» | «חשוב להקשיב ללקוח» |
| שיטה משלכם | «מה עשינו, באיזה סדר ולמה זה עבד» | «מפתחות להצלחה במכירות» |
המבחן הפשוט: אם את הפוסט שלכם היה יכול לפרסם מילה במילה אדם אחר בתחום שלכם אחרי שינוי השם, אין בו תוכן משלכם.
3. שיקול דעת בגוף ראשון
«לפי הניסיון שלי זה לא עובד ואסביר למה» היא טענה שמישהו יכול להתווכח איתה. «חשוב לתרום ערך» לא. מה שאפשר להתווכח איתו הוא, בפועל, הסימן האמין ביותר שיש מאחוריו שיקול דעת אנושי, והוא גם מה שיוצר את התגובות שאינן פיתיון.
שתי שכבות שונות: מה מופחת ולמי מציגים
המסנן נגד slop והדירוג לפי רלוונטיות פרופיל הם שכבות שונות של אותו משפך, וחוסר הבחנה ביניהן מוביל לאופטימיזציה של מה שלא צריך. מסנן ה-slop פועל לפני ההפצה: הוא מחליט אם הפוסט שלכם ראוי להתפזר מעבר לרשת הקרובה שלכם. הדירוג לפי רלוונטיות פרופיל פועל במהלך ההפצה: הוא מחליט למי להציג את מה שכבר עבר את החיתוך הראשון.
| מסנן נגד slop | רלוונטיות פרופיל | |
|---|---|---|
| מה הוא מחליט? | האם הפוסט מופץ מחוץ למעגל הראשון | למי הוא מוצג |
| מתי הוא פועל? | לפני ההפצה | בעת הקצאת הקהל |
| ממה הוא תלוי? | בתוכן הטקסט של אותו פוסט | בהתאמה בין הפרופיל שלכם לבין העניין של הקורא |
| מה פותר את הבעיה? | לכתוב מחדש עם נתון ושיקול דעת | לעבוד על עקביות הפרופיל והנישה |
סדר העדיפויות, אם כן: קודם ודאו שאתם עוברים את המסנן, כי פרופיל מושלם לא מפיץ פוסט שלא מופץ. ואחר כך עבדו על ההתאמה, כי פוסט מצוין שמוצג לקהל הלא נכון גם הוא לא מניב. יש לנו מאמר ספציפי על הדירוג לפי רלוונטיות פרופיל באותו בלוג; הסעיף הזה רק ממקם את שתי השכבות, ולא חוזר על תוכנו.
רשימת בדיקה של 60 שניות לפני הפרסום
העבירו כל טיוטה דרך שבע הבדיקות האלה. אם נכשלתם בשלוש או יותר, אל תפרסמו: כתבו מחדש.
- האם שתי השורות הראשונות טוענות משהו, או רק בונות סצנה?
- האם יש בגוף לפחות מספר, תאריך או שם פרטי אחד?
- האם יש משפט אחד לפחות שאפשר להתנגד לו בטיעונים?
- האם הסרתי כל משפט שמטרתו היחידה לעורר תגובה?
- האם הסיום פותח משהו, או סוגר אותו בסרט ו«ומה דעתכם?»?
- האם נשאר פורמט מועתק מכלי שיחה (כוכביות, כותרות, תבליטים אוטומטיים)?
- האם אדם אחר בתחום שלי היה יכול לפרסם את הטקסט הזה אחרי שינוי השם בלבד?
הנקודה האחרונה היא סיכום של כל האחרות. והיא כנראה ההערכה הביתית הטובה ביותר למה שהמסווג עושה.
שאלות נפוצות
האם LinkedIn מענישה פוסטים שנכתבו בבינה מלאכותית?
לא בגלל עצם כתיבתם בבינה מלאכותית. מה ש-LinkedIn מדרדרת הוא תוכן גנרי ו/או חוזר על עצמו שלא תורם שום רעיון אמיתי, לפי ההגדרה של סגן נשיא ההנדסה שלה Tim Jurka מ-8 באוקטובר 2026. החברה עצמה מקיימת מגיהה משולבת מבוססת בינה מלאכותית, ומנהל המוצר הראשי שלה הצהיר ש«AI ו-slop אינם אותו דבר».
מה המשמעות של כך ש-LinkedIn מזהה AI slop ב-94% דיוק?
המשמעות היא שמכל 100 פוסטים שהמערכת מסמנת כ-slop, כ-94 עומדים בקריטריונים שלה. זה לא אומר שהיא מזהה 94% מהפוסטים שנוצרו בבינה מלאכותית: LinkedIn לא פרסמה כמה נשמטים ממנה, ולכן הכיסוי האמיתי של המסנן אינו ידוע.
אם מסמנים לי פוסט, הוא נעלם מ-LinkedIn?
לא. התוכן המסומן מאבד הפצה בהמלצות מעבר לאנשי הקשר מהמעגל הראשון שלכם, אבל לא נמחק ונשאר גלוי למי שעוקב אחריכם ישירות. זו אבדן חשיפה, לא הסרה.
כמה חשיפה מפסידים אם מסמנים אותך כ-AI slop?
הנתון הציבורי הוא שתוכן שסווג כ-slop רשם 40% פחות צפיות מכמה שבועות קודם, לפי מה שהצהיר מנהל המוצר הראשי Hari Srinivasan ב-20 באוגוסט 2026. זה מספר מצרפי של הפלטפורמה, לא קנס קבוע לפוסט, ו-LinkedIn לא פרסמה את החלוקה מקרה אחר מקרה.
כמה תווים נראים לפני «ראה עוד» ב-LinkedIn?
זה תלוי במכשיר ובשאלה אם לפוסט יש תמונה: מוצגות רק שתיים-שלוש השורות הראשונות, כ-140 תווים בנייד וקצת יותר בשולחן העבודה, עם חיתוך מעשי שהמדריכים בתחום ממקמים בסביבות 210 תווים מתוך מקסימום כולל של 3,000. לכן התזה צריכה להיות למעלה, לא בפסקה השלישית.
מה קורה כשמישהו מדווח על הפוסט שלי כ-AI slop?
דיווח בודד משפיע בעיקר על מה שאותו אדם רואה בפיד שלו; LinkedIn תיארה את הפונקציה כאינפורמטיבית יותר מעונשית ולא כערוץ להפרות מדיניות. ההשפעה על ההפצה מופיעה כשהרבה אנשים מסמנים את אותו דבר, כי הדיווחים האלה מזינים את האימון של המסווגים.
האם אפשר להשתמש בבינה מלאכותית כדי לכתוב את הפוסטים שלי ב-LinkedIn בלי לאבד חשיפה?
כן, כל עוד התוצאה מכילה משהו שרק אתם יכולים לתרום: נתון שלכם, מקרה קונקרטי, החלטה ודעה שאפשר להתווכח איתה. שימוש בבינה מלאכותית כדי לבנות, לקצר או להגיה תואם את המסנן; להאציל לה את שיקול הדעת הוא מה שמפעיל אותו.
האם שכתוב פוסט במילים אחרות מונע את המסנן?
אי אפשר לסמוך על כך. המערכת מעריכה מטרה ודפוס יותר מאשר אוצר מילים, ולכן החלפת מילים נרדפות בלי להוסיף נקודת מבט לא משנה את ההערכה. ארכיטקטורת המורה-תלמיד קיימת בדיוק כדי לעקוב אחרי נוסחאות חדשות כשהן מופיעות.
איך משתנה אופן הכתיבה שלכם מעכשיו
הסינון של LinkedIn אינו גלאי בינה מלאכותית: הוא גלאי ריקנות. זו, למעשה, חדשה טובה לכל מי שיש לו מה לספר, כי המחיר של פרסום מילוי עלה זה עתה, והמחיר של פרסום מספר משלכם לא. הדבר היחיד שהופך לחובה הוא צעד שפעם היה אופציונלי: לעבור על הטיוטה ולחפש מה יש בה שאף אחד אחר לא היה יכול לכתוב.
את הצעד הזה אנחנו מנסים להפוך למכני ב-LinkedIn, אפליקציית כלי הבינה המלאכותית של AiToolsForApps למי שיוצר, מוכר או מתחרה ברשת המקצועית: מוני תווים עם קו החיתוך של «ראה עוד» מסומן, נוסחאות לכותרת ול«אודות», יצירת קרוסלות ב-PDF ופוסטים עם הוקים חלופיים, ומנקה שמתריע כשהוא מזהה משפט של פיתיון אינטראקציה ומסיר אותו. אם רוצים לראות את זה בפעולה, הנה כלי הבינה המלאכותית לתמונות כיסוי, כותרת, קרוסלה ופוסטים ב-LinkedIn, בלי הרשמה מראש.
כתבו את הפוסט הבא כשהחיתוך של «ראה עוד» לנגד עיניכם, הכותרת נמדדת ופיתיון האינטראקציה בחוץ: נסו את כלי הבינה המלאכותית ל-LinkedIn, בלי הרשמה.
כתבו את הפוסט הבא כשהחיתוך של «ראה עוד» לנגד עיניכם, הכותרת נמדדת ופיתיון האינטראקציה בחוץ: נסו את כלי הבינה המלאכותית ל-LinkedIn, בלי הרשמה.להמשך קריאה
כל המאמרים →
למה החשיפה שלכם ב-LinkedIn ירדה ב-2026 (ומה האלגוריתם בודק עכשיו)

Geode שבור ב-Geometry Dash 2.2091: אילו מודים לא עובדים ואיך ממשיכים ליצור

DLS 27 בדצמבר 2026: מה אושר, מה לא, ומה קורה למועדון, לסגל ולמערכות שלך בעדכון
