Alla fine di luglio LinkedIn ha fatto una cosa che nessuno si aspettava: ha iniziato a smontare i propri strumenti di scrittura assistita. Le funzioni che permettevano di “migliorare” post e messaggi con un modello linguistico sono state ritirate e sono state sostituite da una funzione più stretta, che secondo l’azienda corregge le parole senza cambiare la voce di chi scrive. Nello stesso periodo la piattaforma ha avviato il test di un pulsante con cui gli utenti possono segnalare i contenuti AI su LinkedIn che sembrano AI slop, cioè materiale generato automaticamente e privo di sostanza. I post segnalati vedono ridursi la distribuzione algoritmica, con un meccanismo simile a quello che già oggi si attiva quando un utente dichiara che un contenuto non gli interessa.

È un’inversione netta rispetto ai due anni precedenti, quando LinkedIn aveva inserito assistenti di scrittura in quasi ogni sezione del prodotto. E ha una spiegazione piuttosto semplice. La diffusione dei contenuti AI su LinkedIn ha ormai una misura. Uno studio della società di rilevamento Pangram ha classificato la piattaforma come la più satura di intelligenza artificiale fra i social, con oltre il 40% dei post lunghi riconosciuti come interamente generati dall’AI. Un feed professionale (il flusso di post che ogni utente si trova davanti aprendo il sito) in cui due contenuti su cinque non hanno un autore reale smette di essere un luogo dove si va a leggere, e diventa un rumore da attraversare.

Per chi presidia LinkedIn per lavoro, la domanda operativa è però un’altra: cosa cambia davvero nel modo in cui un contenuto viene distribuito.

Perché i contenuti AI su LinkedIn perdono distribuzione

Di fatto, non è possibile escludere che sia stato introdotto un filtro e che i contenuti AI su LinkedIn vengano puniti. Tuttavia, è importante sottolineare che un testo generato non porta con sé nessuna etichetta nascosta: nel momento in cui viene incollato dentro un post diventa testo come tutti gli altri, e non esiste modo di risalire allo strumento che lo ha prodotto. I programmi che provano a indovinarlo ragionano sullo stile, e sbagliano spesso. LinkedIn dice di aver rafforzato i propri sistemi di riconoscimento, ma non ha mai spiegato su cosa si basino.

Quello che è cambiato, a partire dalla revisione del sistema di ranking del feed (il criterio con cui i post vengono ordinati) della scorsa primavera, è il tipo di segnale su cui l’algoritmo decide. Per anni la distribuzione si è retta su reazioni e commenti, cioè su gesti rapidi e facili da produrre. Oggi il peso si è spostato su segnali che raccontano quanta attenzione un contenuto ha davvero ottenuto: il tempo di lettura prima dello scorrimento, i salvataggi, le condivisioni private, i commenti che aggiungono qualcosa invece di limitarsi ad approvare.

La conseguenza è che un post generico non viene bloccato da nessun filtro. Semplicemente non produce nessuno di quei segnali. Nessuno lo legge fino in fondo, nessuno lo salva, nessuno lo inoltra a un collega. L’algoritmo registra l’assenza di reazione e smette di distribuirlo. Il risultato assomiglia a una penalizzazione, ma il meccanismo è molto più banale: il contenuto è stato ignorato.

Questo spiega anche perché tanti profili aziendali hanno visto crollare la reach (il numero di persone che un contenuto riesce a raggiungere) senza aver cambiato nulla. Non sono peggiorati, hanno “semplicemente” continuato a fare quello che funzionava quando bastava esserci.

Perché la frequenza ha smesso di pagare

La regola implicita del content marketing su LinkedIn è stata a lungo la costanza: pubblicare spesso, mantenere il profilo attivo, alimentare l’algoritmo. Funzionava perché il sistema premiava il volume di interazioni, e il volume si può costruire con la ripetizione.

Con una metrica costruita sulla profondità, la stessa strategia lavora contro chi la applica. Pubblicare cinque contenuti deboli in una settimana significa accumulare cinque segnali negativi, non cinque occasioni di visibilità. E significa abituare la propria rete a scorrere senza fermarsi, il che degrada il rendimento anche dei contenuti buoni pubblicati dopo.

La conclusione pratica è che il ritmo va tarato su quello che si ha da dire, non sul calendario. Per un’azienda di piccole o medie dimensioni un contenuto a settimana è già un obiettivo impegnativo, perché ogni uscita deve poggiare su qualcosa di verificabile: un dato uscito da un lavoro appena chiuso, una scelta tecnica e la ragione per cui è stata fatta, un problema ricorrente dei clienti e come è stato risolto. Se in una settimana quel materiale non c’è, la mossa giusta è saltare il turno. Pubblicare per non lasciare il profilo fermo è esattamente il comportamento che oggi costa di più, e non esiste nessun vantaggio di costanza che lo compensi.

Vale anche il contrario, ed è la parte che quasi nessuno sfrutta. Quando il materiale c’è ed è consistente, conviene non comprimerlo in un post solo: un progetto complesso regge tre uscite distinte in tre settimane, una sul problema di partenza, una sulla scelta fatta, una sul risultato misurato. Sono tre contenuti che nascono dallo stesso lavoro di raccolta, quindi non costano il triplo, e ognuno può reggere da solo la lettura di chi non ha visto gli altri.

Nella stessa direzione va la stretta sugli engagement pod, i gruppi di commento reciproco che per anni hanno gonfiato artificialmente i primi minuti di vita di un post. Un sistema che valuta i commenti in modo semantico (leggendone il significato, non solo contandoli) riconosce senza troppa difficoltà tre righe di approvazione generica scritte sempre dalle stesse persone.

Il pulsante di segnalazione sposta il giudizio sugli utenti

L’elemento più sottovalutato dell’aggiornamento è proprio la segnalazione. Fino a ieri il rischio di un contenuto piatto era di non funzionare. Da oggi il rischio è che qualcuno lo dichiari inautentico, con effetti sulla distribuzione.

Per un’azienda questo introduce una variabile nuova, che non è algoritmica ma reputazionale. Il pubblico professionale ha imparato a riconoscere le formule ricorrenti della scrittura automatica: l’apertura a effetto, la struttura a tre punti, la chiusura interrogativa, i periodi tutti della stessa lunghezza. Un contenuto che le esibisce comunica qualcosa sul conto di chi lo firma, indipendentemente da come sia stato prodotto davvero.

Come tenere l’AI nel flusso di lavoro

Nessuna delle novità richiede di rinunciare all’intelligenza artificiale, e la posizione ufficiale di LinkedIn lo dice apertamente: usare l’AI per scrivere va bene, purché post e commenti rappresentino la voce e la prospettiva di chi pubblica.

La distinzione utile, in pratica, è tra le fasi del lavoro in cui è in gioco il punto di vista e quelle in cui non lo è. Raccogliere materiali, verificare un dato, ordinare appunti disordinati, controllare la tenuta di un testo già scritto, tradurre, adattare la lunghezza a un formato diverso: sono attività in cui l’assistenza automatica fa risparmiare tempo senza togliere niente. Generare il contenuto a partire da un tema è la fase in cui invece si perde esattamente la cosa che oggi determina la distribuzione.

Il test più affidabile è anche il più severo. Un post dovrebbe contenere almeno un elemento che nessun altro avrebbe potuto scrivere: un numero uscito da un progetto reale, un errore commesso e corretto, una posizione che si espone, un’obiezione a un’idea che nel settore viene data per scontata. Se togliendo il nome dell’autore il testo potrebbe appartenere a chiunque, non c’è ottimizzazione che tenga.

Per le aziende questo significa che il costo editoriale di LinkedIn si sposta. Non sta più nella produzione, che gli strumenti hanno reso quasi gratuita, ma a monte: nel reperire dalle persone che lavorano in azienda le informazioni che meritano di essere pubblicate. È un lavoro di raccolta e di intervista interna, più lento e meno scalabile della generazione automatica, e per ora è l’unico che l’algoritmo continua a premiare.