L’essere umano ha finalmente trovato un modo per contrastare la mediocrità intellettuale: attribuirla all’intelligenza artificiale. Non è una battuta, o almeno non completamente. LinkedIn ha introdotto un’opzione che permette agli utenti di segnalare i contenuti che sembrano appartenere alla categoria definita AI slop, espressione utilizzata per indicare produzioni apparentemente curate ma generiche, ripetitive, prive di originalità o di sostanza. Un’iniziativa che, nelle intenzioni dichiarate, dovrebbe migliorare la qualità delle conversazioni professionali. Peccato che la qualità di un contenuto non dipenda dallo strumento utilizzato per produrlo, ma dalla consistenza di ciò che viene comunicato.
La funzione è stata introdotta nell’agosto 2026. Dal menu di un post o di un commento è possibile selezionare «Seems like AI slop», traducibile come «Sembra contenuto di IA scadente». Non costituisce di per sé una denuncia per violazione delle regole e non comporta automaticamente la rimozione del contenuto. LinkedIn utilizza queste valutazioni per comprendere meglio ciò che gli utenti considerano di scarso valore e perfezionare i propri sistemi di classificazione. Fin qui, nulla di particolarmente sorprendente: una piattaforma cerca di conoscere le preferenze del proprio pubblico.
Il problema comincia quando osserviamo il nome scelto per questa operazione.
La qualità non ha una provenienza tecnologica
Nella documentazione ufficiale LinkedIn precisa che non intende penalizzare i contenuti soltanto perché realizzati con l’assistenza dell’IA. Dichiara, anzi, di voler valutare il valore delle informazioni, la prospettiva personale e la sostanza delle argomentazioni, indipendentemente dal metodo utilizzato per scriverle. È una distinzione ragionevole. Ma allora perché chiamare AI slop qualcosa che può essere prodotto benissimo anche senza alcun intervento dell’intelligenza artificiale?
Un professionista può pubblicare cinque banalità sul futuro del lavoro, accompagnarle con una fotografia sorridente e presentarle come il risultato di vent’anni di esperienza. Un altro può chiedere a un sistema generativo di organizzare un’analisi documentata, verificarne ogni passaggio, correggerne le inesattezze e aggiungervi considerazioni originali. Se dovessimo giudicare i due contenuti, quale sarebbe quello scadente? Quello prodotto dall’essere umano oppure quello elaborato con l’assistenza della macchina?
La risposta dovrebbe dipendere da ciò che leggiamo, non da chi o che cosa abbia materialmente composto le frasi.
Eppure la denominazione scelta da LinkedIn introduce proprio quell’associazione che, nelle spiegazioni ufficiali, la piattaforma dichiara di voler superare. La mediocrità diventa riconoscibile attraverso un’etichetta tecnologica, mentre la sua manifestazione umana continua a essere trattata come un normale prodotto della conversazione digitale.
Il giudizio di chi giudica
C’è poi una questione ancora più interessante. Per segnalare un contenuto come apparentemente scadente non è necessario dimostrare che sia falso, incoerente, privo di originalità o generato da un sistema automatico. Basta che lo sembri.
Naturalmente, un’opinione soggettiva può essere un segnale utile per migliorare l’esperienza individuale di navigazione. Non è però equivalente a una valutazione oggettiva della qualità intellettuale. Un contenuto complesso può sembrare inutile a chi non possiede gli strumenti per comprenderlo; uno superficiale può apparire illuminante a chi incontra per la prima volta concetti già ampiamente conosciuti.
La diffusione di una valutazione, inoltre, non ne dimostra necessariamente la correttezza. Se migliaia di persone giudicano banale un ragionamento, abbiamo certamente informazioni sulla loro percezione. Non abbiamo ancora dimostrato che quel ragionamento sia banale.
LinkedIn dichiara di combinare le segnalazioni con altri segnali e classificatori, anziché affidare il destino di un contenuto al giudizio di un singolo utente. È una precisazione importante. Resta tuttavia il problema di fondo: quali criteri consentono di trasformare una somma di impressioni in una misura affidabile del valore?
La piattaforma ha comunicato che oltre un milione di utenti ha utilizzato l’opzione nelle prime due settimane e che le visualizzazioni dei contenuti classificati come AI slop sono diminuite del 40%. Ma una riduzione della visibilità di ciò che un sistema considera scadente non costituisce, da sola, la dimostrazione che le conversazioni siano diventate più intelligenti. Dimostra soprattutto che il sistema è riuscito a ridurre la circolazione dei contenuti appartenenti alla categoria che esso stesso ha definito.
La mediocrità esisteva prima dell’intelligenza artificiale
Prima dell’arrivo dei sistemi generativi, Internet non era certamente un luogo popolato esclusivamente da riflessioni originali, conoscenze verificate e argomentazioni rigorose. Esistevano già le frasi motivazionali ripetute all’infinito, le affermazioni senza fonti, le false competenze, le opinioni presentate come verità assolute e i messaggi costruiti unicamente per ottenere approvazione.
L’intelligenza artificiale ha reso più facile produrre grandi quantità di contenuti, anche mediocri. Questo costituisce un problema reale, soprattutto quando la produzione automatizzata viene utilizzata per occupare gli spazi informativi, simulare competenza o moltiplicare messaggi privi di sostanza. Ma accelerare un comportamento non significa averlo inventato.
Una macchina può rendere industriale la produzione della banalità. La banalità, tuttavia, non è nata con la macchina.
Ed è proprio qui che emerge una responsabilità raramente affrontata dalle piattaforme. Se un ambiente digitale premia la frequenza delle pubblicazioni, la facilità di consumo, la ripetizione di formule riconoscibili e la capacità di provocare interazioni, non dovrebbe sorprendersi quando gli utenti, con o senza intelligenza artificiale, si adattano a quei criteri.
La questione, quindi, non riguarda soltanto chi produce contenuti, ma anche chi costruisce il sistema attraverso il quale quei contenuti acquistano visibilità.
Quando la piattaforma giudica ciò che ha contribuito a incentivare
LinkedIn ha offerto strumenti basati sull’intelligenza artificiale per aiutare gli utenti a migliorare la scrittura dei propri interventi. Successivamente ha annunciato la sostituzione della funzione che rielaborava i post con strumenti maggiormente orientati alla correzione e alla chiarezza, dichiarando di voler preservare la voce personale degli autori.
La modifica è comprensibile, ma solleva una domanda. Se una piattaforma incoraggia la pubblicazione, introduce strumenti per facilitarla, organizza la visibilità dei messaggi e successivamente individua nella scarsa originalità una minaccia alla qualità delle conversazioni, quanto è disposta a interrogarsi sulla propria responsabilità nella costruzione dell’ambiente che ha prodotto quel risultato?
Non possiamo concludere che LinkedIn abbia deliberatamente favorito la mediocrità. Possiamo però osservare che la qualità delle conversazioni non dipende esclusivamente dalle intenzioni di chi scrive. Dipende anche dagli incentivi, dagli strumenti e dai criteri di visibilità stabiliti da chi amministra la piattaforma.
Attribuire una denominazione tecnologica a un problema prevalentemente culturale rischia di spostare ancora una volta l’attenzione dalle decisioni umane allo strumento.
Un milione di utenti, ma quanti giudizi attendibili?
LinkedIn ha comunicato che, nelle prime due settimane dall’introduzione dell’opzione «Sembra contenuto di IA scadente», oltre un milione di utenti aveva utilizzato il nuovo strumento. Nello stesso periodo l’azienda ha dichiarato una riduzione del 40% delle visualizzazioni dei contenuti classificati come AI slop. Due numeri che sembrerebbero dimostrare il successo dell’iniziativa, almeno fino a quando non ci domandiamo che cosa misurino effettivamente.
Il primo dato indica quante persone hanno utilizzato la funzione, non quante segnalazioni siano state effettuate e neppure quante siano risultate fondate. Il secondo riguarda la minore visibilità di contenuti classificati dai sistemi della piattaforma, non un miglioramento indipendentemente accertato della qualità delle conversazioni. LinkedIn non attribuisce quel risultato al solo pulsante: nella propria comunicazione lo presenta insieme all’espansione dei classificatori e delle difese contro le attività automatizzate.
Eppure proprio questi dati sollevano una questione ulteriore. Se un milione di persone utilizza uno strumento di valutazione, quale garanzia abbiamo che il loro giudizio sia competente, indipendente e motivato dalla qualità delle informazioni? La partecipazione numerosa dimostra l’interesse per una funzione, non necessariamente l’attendibilità delle valutazioni espresse attraverso di essa.
LinkedIn dichiara di aver introdotto protezioni per impedire che le segnalazioni vengano utilizzate per colpire ingiustamente altri utenti. È un riconoscimento importante della necessità di prevenire comportamenti strumentali. Ma non vengono resi pubblici dati sufficienti per comprendere quanto frequentemente questi comportamenti si verifichino, quanti vengano individuati e con quale efficacia siano neutralizzati.
Il punto, dunque, non è accusare LinkedIn di permettere deliberatamente la manipolazione dei propri sistemi. È chiedersi se una piattaforma che invita milioni di professionisti a valutare la qualità dei contenuti altrui non debba accompagnare questa iniziativa con una maggiore trasparenza sui criteri utilizzati e sui controlli adottati.
Perché un milione di giudizi non costituisce necessariamente un milione di valutazioni corrette. E una riduzione della visibilità di ciò che un algoritmo considera scadente non dimostra, da sola, che la qualità del dibattito sia migliorata.
Quando la qualità diventa un’arma contro la concorrenza
C’è un’altra conseguenza che merita attenzione, soprattutto considerando la natura professionale di LinkedIn. La piattaforma non ospita soltanto opinioni, riflessioni personali e contenuti divulgativi. È anche uno spazio nel quale professionisti, aziende, consulenti e organizzazioni competono per ottenere visibilità, autorevolezza, clienti e opportunità commerciali. In un ambiente del genere, la valutazione negativa di un contenuto può assumere un significato molto diverso da quello di una semplice preferenza personale.
Immaginiamo due consulenti che operano nello stesso settore. Il primo pubblica regolarmente analisi, approfondimenti e considerazioni professionali. Il secondo, suo concorrente diretto, decide di utilizzare sistematicamente l’opzione «Sembra contenuto di IA scadente» per segnalare le pubblicazioni del primo. Non perché siano effettivamente prive di valore, ma perché diminuirne la visibilità potrebbe rappresentare un vantaggio competitivo.
Estendiamo l’ipotesi a due aziende concorrenti. Una delle due potrebbe teoricamente coinvolgere dipendenti, collaboratori o altri account in una campagna coordinata di segnalazioni. A quel punto non avremmo più utenti che esprimono spontaneamente un giudizio sulla qualità delle informazioni, ma soggetti che utilizzano uno strumento di valutazione per perseguire un interesse economico.
Naturalmente, questa è un’ipotesi di rischio, non la descrizione di una pratica accertata. Non conosciamo nel dettaglio il peso attribuito da LinkedIn alle singole segnalazioni, né l’efficacia dei meccanismi utilizzati per riconoscere eventuali comportamenti coordinati. Non possiamo quindi sostenere che una campagna del genere avrebbe necessariamente successo.
Ma il fatto che un comportamento non sia dimostrato non elimina la necessità di interrogarsi sulla possibilità che si verifichi, soprattutto quando gli strumenti vengono introdotti in ambienti caratterizzati da interessi professionali ed economici contrapposti.
Ed è qui che la questione diventa particolarmente delicata. Se una segnalazione contribuisce, insieme ad altri fattori, alla classificazione e alla distribuzione di un contenuto, chi garantisce che il giudizio sia espresso per ragioni effettivamente attinenti alla sua qualità? Come vengono distinti gli utenti insoddisfatti da quelli interessati a danneggiare un concorrente? Quali controlli impediscono che un comportamento coordinato venga interpretato come una valutazione collettiva spontanea?
Non stiamo chiedendo a LinkedIn di rendere pubblici tutti i dettagli dei propri algoritmi, né di considerare sospetta ogni segnalazione negativa. Stiamo evidenziando una responsabilità progettuale: quando si introduce uno strumento capace di contribuire alla valutazione della visibilità altrui, occorre considerare non soltanto l’uso previsto, ma anche gli utilizzi opportunistici che potrebbero derivarne.
La questione riguarda infine la possibilità di contestare una valutazione ingiusta. Un professionista che osservasse una diminuzione della visibilità dei propri contenuti potrebbe non disporre di elementi sufficienti per distinguere gli effetti delle normali oscillazioni della distribuzione algoritmica da quelli di eventuali segnalazioni ostili. E, senza conoscere le cause, non potrebbe neppure individuare con precisione ciò che dovrebbe contestare.
Si arriva così a un paradosso ulteriore: uno strumento progettato per contrastare contenuti apparentemente artificiali potrebbe essere esposto al rischio di valutazioni artificialmente costruite da esseri umani.
La piattaforma che intende migliorare la qualità delle conversazioni dovrebbe quindi preoccuparsi anche della qualità, dell’indipendenza e dell’affidabilità dei giudizi attraverso i quali pretende di migliorarle.
Perché non basta chiedere agli utenti di riconoscere un contenuto scadente. Bisogna anche domandarsi che cosa accade quando qualcuno ha interesse a far apparire scadente il contenuto di un altro.
L’autore viene informato, ma che cosa può sapere?
La documentazione di LinkedIn chiarisce anche che cosa accade a chi riceve questi giudizi. Quando un post accumula un numero sufficiente di feedback della comunità, l’autore può visualizzare un avviso privato nelle statistiche della propria pubblicazione. La piattaforma non rende pubblica la soglia necessaria per attivarlo e precisa che il messaggio non equivale alla rimozione del contenuto né a una decisione disciplinare.
Si tratta di una distinzione importante: il feedback non è automaticamente una sanzione e la segnalazione di un singolo utente non determina, da sola, la distribuzione di un post. LinkedIn afferma di usare più segnali e di aver introdotto protezioni contro le segnalazioni utilizzate per colpire ingiustamente altri membri.
Resta però un problema di verificabilità. L’autore può apprendere che la comunità ha giudicato il suo contenuto apparentemente artificiale, ma non dispone, per quanto indicato nelle spiegazioni pubbliche della funzione, di un resoconto dettagliato sul numero delle valutazioni, sulla loro motivazione o sull’eventuale presenza di comportamenti coordinati. L’avviso comunica una percezione aggregata, non dimostra che il testo sia stato generato dall’IA e neppure che sia scadente.
Se la piattaforma intende usare quel feedback anche per perfezionare i classificatori, diventa legittimo chiedere quali verifiche siano previste per distinguere un giudizio utile da un giudizio arbitrario o interessato. Non perché ogni valutazione debba trasformarsi in un processo, ma perché un sistema che interviene sulla circolazione delle informazioni dovrebbe rendere comprensibili almeno le garanzie a tutela di chi vi partecipa.
Una proposta per ristabilire la parità di trattamento
A questo punto, non ci resta che formulare una proposta. Naturalmente, nello spirito di quella rigorosa imparzialità che dovrebbe caratterizzare ogni sistema di valutazione.
«Accertato che un contenuto scadente può essere prodotto tanto dall’intelligenza artificiale quanto da quella umana, e constatato che la piattaforma consente di segnalare soltanto la prima, si propone l’immediata introduzione dell’opzione “Sembra contenuto di stupidità naturale”, al fine di garantire la parità di trattamento tra le due forme di produzione intellettuale.»
La proposta è satirica, ma il principio che la sostiene non lo è affatto.
Non abbiamo bisogno di distinguere la stupidità artificiale da quella naturale. Abbiamo bisogno di riconoscere la superficialità indipendentemente dagli strumenti attraverso i quali si manifesta. E soprattutto abbiamo bisogno di ricordare che un giudizio non diventa competente semplicemente perché una piattaforma gli ha assegnato un pulsante.
Forse la questione più imbarazzante non è che l’intelligenza artificiale possa produrre contenuti scadenti. È che, dopo aver costruito macchine capaci di assisterci nell’elaborazione delle informazioni, continuiamo a cercare nelle macchine la spiegazione di difetti che conoscevamo benissimo molto prima della loro esistenza.
La stupidità naturale, del resto, non ha mai avuto bisogno di un aggiornamento software.
Approfondimenti su Inchiostrati
- La noia dell’intelligenza artificiale
- Non siamo più una rete di persone. Siamo un mercato di identità
- Internet era una biblioteca. Chi l’ha trasformata in un centro commerciale?