LinkedIn nie walczy z AI slop, bo sam go potrzebuje
LinkedIn nie ma interesu w blokowaniu AI slop. Feed platformy karmi się właśnie tym, czego LLM produkuje najlepiej.
W lipcu ubiegłego roku prowadziłem trzytygodniowy sprint dla software house'u, który przez sześć miesięcy publikował posty na firmowym LinkedInie w rytmie trzech tygodniowo. Treści były poprawne. Grafiki spójne z brandbookiem. CTA obecne. Zasięg organiczny wynosił średnio 340 wyświetleń na post, przy 4200 followersach. Pytanie, które zadał mi CEO na pierwszej rozmowie, brzmiało: "co my robimy źle, skoro robimy wszystko według podręcznika?".
Odpowiedź była niewygodna. Robili wszystko według podręcznika napisanego przez algorytm, dla algorytmu, i w efekcie ich content stał się nieodróżnialny od setek tysięcy identycznych postów generowanych codziennie przez ChatGPT z promptem "napisz post na LinkedIn o cyfrowej transformacji". Podręcznik działał. Wyniki nie.
LinkedIn nie ma interesu w blokowaniu AI slop
Kiedy MarTech.org opublikował w sierpniu 2026 analizę zatytułowaną Why LinkedIn doesn't really care about AI slop, teza była oczywista dla każdego, kto obserwuje platformę od ponad dekady. LinkedIn nie zwalcza treści generowanych przez sztuczną inteligencję, ponieważ AI produkuje dokładnie ten format, który algorytm platformy nagradza od zawsze: gładką, bezpieczną, kompetentnie brzmiącą prozę biznesową bez żadnej ryzykownej opinii.
Twierdzenie, że LinkedIn powinien filtrować AI-generated content, jest równie absurdalne, co oczekiwanie, że sieć fast-foodów zacznie promować dietę śródziemnomorską. To, co dla obserwatora z zewnątrz wygląda na patologię, dla właściciela platformy jest core product-market fit.
Wolumen postów wzrósł. Czas spędzony w aplikacji też. Reklamodawcy widzą "engaged audience". Everybody wins, poza founderami, którzy próbują wyróżnić firmę IT w morzu identycznych narracji o "leverage'owaniu synergii w erze cyfrowej transformacji" ;).
Co to znaczy dla firm IT i software house'ów
Dla marketing lead'a w software house obsługującym rynki DACH lub Skandynawię wnioski są operacyjne:
- Dopasowywanie się do "tego, co działa na LinkedInie" oznacza dziś pisanie treści nieodróżnialnych od AI. Efekt: zero pipeline'u z organiku, bo nikt Was nie zapamiętuje.
- Formaty faworyzowane przez algorytm (posty 1300-1800 znaków, jedna metafora, retoryczne pytanie na końcu) są dokładnie tymi, które LLM produkuje w trzy sekundy. Każdy Wasz konkurent generuje je hurtowo.
- Founder-led content nadal działa, ale tylko wtedy, kiedy founder faktycznie ma opinię, której nie da się wygenerować z promptu. Jeżeli publikuje z pomocą AI ogólniki o "budowaniu zaufania w B2B", jego personal brand jest wart tyle, co konto ChatGPT premium.
Trzy warstwy contentu, których LLM nie wygeneruje
Przez ostatnie dwa lata testowałem z klientami różne kombinacje contentu na LinkedInie. Trzy typy przebijają szum konsekwentnie, niezależnie od zmian algorytmu.
Pierwsza warstwa: koszt alternatywny konkretnej decyzji. Nie "warto inwestować w ABM", tylko "software house z Poznania w Q3 wydał 84 tys. PLN na Google Ads i pozyskał dwóch klientów o łącznym LTV 180 tys. PLN, przy jednoczesnym odrzuceniu propozycji budowy konta na LinkedIn Sales Navigator za 8 tys. PLN rocznie, które w symulacji dałoby dostęp do 340 kwalifikowanych kont". Liczba, region, konsekwencja. LLM nie zna tych liczb, bo nie prowadził tego projektu.
Druga warstwa: kontrowersyjna teza z przypisem. "Większość agencji marketingowych obsługujących firmy IT w Polsce sprzedaje SEO i content, ponieważ tego umie się nauczyć w kwartał, a nie dlatego, że to działa dla software house'ów sprzedających kontrakty za 400 tys. PLN". LLM tego nie napisze, bo domyślnie hedguje. Prawdziwa opinia wywołuje reakcje, a reakcje wywołują zasięg.
Trzecia warstwa: sekwencja decyzji z error correction. "Zaczęliśmy od ICP zdefiniowanego jako firmy 200+ osób. Po dwóch miesiącach zauważyliśmy, że 80% aktywnych leadów pochodzi z firm 40-120 osób. Zmieniliśmy definicję. Koszt tej zmiany: sześć tygodni straconych na kampanie do zbyt dużych organizacji". LLM nie ma dostępu do Twojej analityki i nie popełnia Twoich błędów.
Porównanie: content dla algorytmu vs content dla ludzi
| Wymiar | Content pod algorytm (AI slop) | Content, który ludzie forwardują |
|---|---|---|
| Otwarcie | Retoryczne pytanie o transformację | Konkretna scena z projektu, z liczbą |
| Teza | Bezpieczna generalizacja | Kontrowersyjna opinia z evidence |
| Konkret | "Wielu klientów pyta..." | "Klient z Wrocławia w marcu 2025 zapytał..." |
| Zakończenie | "A Wy jak myślicie?" | Obserwacja bez zaproszenia do dyskusji |
| Zasięg | 200-500 wyświetleń | 3000-40000 wyświetleń |
| Pipeline | Zero | 2-8 DM-ów od decision makerów miesięcznie |
Różnica nie polega na tym, że pierwsza kolumna jest źle napisana. Ona jest napisana poprawnie, tylko przez wszystkich naraz.
Co z tego wynika dla Twojej firmy w tym kwartale
Jeżeli prowadzisz software house lub firmę tech i budujesz obecność na LinkedInie, warto przestać pytać "co dobrze rankuje w feedzie" i zacząć pytać "co chcielibyśmy, żeby zostało w głowie osoby, która nas znajduje w wyszukiwarce LinkedIn za trzy miesiące". To dwa różne pytania i dają dwa różne briefy dla zespołu contentowego.
W praktyce, przy planowaniu strategii z klientem, zaczynam od audytu ostatnich trzydziestu postów i zaznaczam czerwonym markerem każde zdanie, które mógłby napisać LLM w trzy sekundy. Czasem zostaje zdanie. Czasem dwa. Reszta idzie do przepisania, tym razem z konkretem, opinią i błędem, który firma popełniła w drodze do dzisiejszej pozycji. Efekty widać w ciągu ośmiu tygodni: liczba komentarzy od realnych decision makerów rośnie trzykrotnie, comment rate przekracza próg 1,5%, a co najciekawsze, przychodzą DM-y od osób, które nigdy wcześniej nie zareagowały publicznie.
Algorytm w tym scenariuszu przestaje mieć znaczenie, bo dystrybucja przenosi się do Slacków, DM-ów i cytatów w wewnętrznych prezentacjach klienta. Tam LinkedIn nie mierzy, ale sprzedaż się dzieje.
Inspiracja: Why LinkedIn doesn't really care about AI slop, MarTech.org
Checklist wdrożenia
- 01Zrób audyt ostatnich 30 postów firmowych i policz, ile z nich mógłby napisać ChatGPT w trzy sekundy z promptem "post na LinkedIn dla firmy IT".
- 02Zdefiniuj trzy tezy branżowe, z którymi konkurencja by się nie zgodziła, i zbuduj wokół nich kalendarz publikacji na 8 tygodni.
- 03Zamień co drugi post firmowy na founder-led content publikowany z prywatnego profilu CEO lub CTO, z wyraźną opinią.
- 04Wprowadź zasadę: każdy post musi zawierać jedną konkretną liczbę z realnego projektu, nazwę branży klienta i konsekwencję decyzji.
- 05Usuń z contentu wszystkie zakończenia typu "A Wy jak myślicie?" i "Podzielcie się w komentarzu". Zastąp obserwacją albo konkretnym next step.
- 06Ustaw benchmark comment rate na 1,5% i mierz go co dwa tygodnie. Jeśli nie rośnie, przemyśl POV.
- 07Sprawdź, czy Twoi decision makerzy komentują pod postami, czy tylko lajkują. Cel: przynajmniej dwa merytoryczne komentarze na post od osób z ICP.
- 08Wyłącz automatyczne cross-posty z Twittera i Facebooka na LinkedIn. Każda platforma ma inny kontrakt z czytelnikiem.
- 09Wprowadź metrykę "DM-y od decision makerów po publikacji" jako podstawowy KPI zamiast liczby wyświetleń.
- 10Przelicz koszt zespołu content marketing vs koszt Fractional CMO prowadzącego strategię przez [kalkulator ROI](/kalkulator-roi) i podejmij decyzję o modelu na kolejny kwartał.
Najczęstsze pytania
Czy LinkedIn faktycznie promuje AI-generated content?
LinkedIn nie promuje AI-generated content świadomie, ale jego algorytm nagradza formaty, które LLM produkuje najsprawniej: polerowaną prozę biznesową bez wyraźnej opinii, z retorycznym pytaniem na końcu. Efekt jest ten sam, co gdyby promował intencjonalnie. Platforma nie ma interesu w zmianie tego stanu, ponieważ wolumen postów rośnie i to jest core metric dla reklamodawców.
Jak wyróżnić firmę IT services na LinkedInie w 2026 roku?
Przez opinię, której LLM nie wygeneruje: konkretne liczby z realnych projektów, kontrowersyjne tezy z evidence, sekwencje decyzji z error correction. Dodatkowo: founder-led content zamiast korporacyjnego copy z profilu firmowego. Zasięg organiczny founder-led content w B2B tech jest średnio 4-8× wyższy niż stron firmowych.
Ile czasu trzeba na zbudowanie zasięgu founder-led na LinkedInie dla software house'u?
Przy 3-4 publikacjach tygodniowo i konsekwentnym POV, pierwsze wyraźne wzrosty engagement widać w tygodniu 6-8. Realny wpływ na pipeline (DM-y od decision makerów, rozmowy sprzedażowe zainicjowane przez zawartość) pojawia się w miesiącu 4-6. To nie jest kanał na "quick win", ale jego LTV znacząco przekracza koszt.
Czy używanie AI do pisania postów LinkedIn to zły pomysł?
Używanie AI jako edytora, researchera lub narzędzia do restrukturyzacji tekstu jest w porządku. Używanie AI do generowania opinii i tez to sabotowanie własnego brandu, bo produkujesz content nieodróżnialny od tysięcy innych. Reguła prosta: AI może formatować, człowiek musi mieć POV.
Co powinien mierzyć CMO firmy IT na LinkedInie zamiast liczby wyświetleń?
Comment rate (cel: 1,5%+), liczbę merytorycznych komentarzy od osób z ICP, DM-y od decision makerów po publikacji, oraz wzmianki firmy w komentarzach pod postami branżowych influencerów. To metryki, które korelują z pipeline'em. Impressions nie korelują.