LinkedInLinkedIn degrada as postagens que soam como IA: o que considera «conteúdo genérico» e como escrever sem perder alcance
Equipa de AiToolsForAppsRedigido com assistência de IA15 min de leituraEm resumo
- Desde 8 de outubro de 2026, o LinkedIn revisa com classificadores toda publicação que é distribuída além da rede imediata do autor, de acordo com seu VP de Engenharia, Tim Jurka (Social Media Today, 8-10-2026).
- O dado que circula mal: 94% é precisão, não cobertura. De cada 100 postagens que o sistema marca como slop, cerca de 94 o são segundo seus critérios. O LinkedIn não publicou quantas lhe escapam.
- O que o LinkedIn pune não é o uso de IA, mas o «genérico e/ou repetitivo que não traz nenhuma ideia real» (definição literal de Jurka). A IA como corretor está explicitamente permitida.
- O impacto já é mensurável: o conteúdo classificado como slop registrou 40% menos visualizações, segundo o Chief Product Officer Hari Srinivasan (Social Media Today, 20-8-2026).
- O que sobrevive ao filtro é concreto: gancho real nas duas primeiras linhas (antes do corte do «ver mais»), um dado ou um caso próprio e critério em primeira pessoa.

Se você publica no LinkedIn e nota que posts corretos, bem escritos e bem formatados ficam em 200 impressões, provavelmente não é questão do horário de publicação. É um filtro novo, é explícito, e seu autor o explicou em público. Este artigo detalha o que esse filtro observa, o que realmente significam os números que estão sendo repetidos incorretamente por aí, e como escrever sem ficar na margem. No AiToolsForApps mantemos o LinkedIn, um conjunto de ferramentas de IA para quem cria, vende ou compete na rede profissional, e o que vem a seguir é o contexto que explica por que montamos ferramentas de redação de títulos, carrosséis e posts do LinkedIn com contadores e validadores em vez de um botão de «gere um post».
O que é exatamente o «AI slop» para o LinkedIn
Para o LinkedIn, AI slop são «publicações genéricas e/ou repetitivas que não trazem nenhuma ideia real». É a definição textual dada por Tim Jurka, VP de Engenharia, em 8 de outubro de 2026. Note o que não diz: não diz «escritas com IA». O critério é a ausência de substância, não a origem do texto.
Essa distinção tem sido repetida pela empresa desde o início. Hari Srinivasan, Chief Product Officer, resumiu com uma frase que vale a pena memorizar: «IA e slop não são a mesma coisa». E em maio de 2026, Laura Lorenzetti, VP Global Editorial, já havia traçado a linha: «Está bem usar IA para te ajudar a escrever, mas suas publicações e comentários têm que representar sua voz e suas perspectivas» (Social Media Today, 21-5-2026).
A consequência prática: um post escrito a quatro mãos com um modelo, mas com um dado seu, uma decisão que você tomou e uma opinião discutível, vai pelo lado bom do filtro. Um post redigido inteiramente à mão, mas com três conselhos que qualquer um poderia ter assinado, vai pelo lado ruim.
«Quando se abusa da IA, especialmente em escala e de forma automatizada, dilui as ideias valiosas que podem surgir de conversas humanas reais.» — Laura Lorenzetti, VP Global Editorial do LinkedIn, 21 de maio de 2026.
O que significa 94% de precisão (e o que não significa)
94% é precisão, não exaustividade. Significa que, de cada 100 publicações que o classificador etiqueta como slop, aproximadamente 94 se encaixam nos critérios do LinkedIn. Não significa que detecta 94% dos posts escritos com IA: o LinkedIn não publicou sua taxa de recuperação (recall), então quantos lhe escapam é um dado desconhecido até hoje.
A diferença não é academicismo: muda completamente o que você pode deduzir do número.
| O que se lê por aí | O que disse o LinkedIn | O que se pode concluir |
|---|---|---|
| «LinkedIn detecta 94% dos posts feitos com IA» | 94% de precisão ao marcar slop | Nada sobre quantos passam despercebidos |
| «94% dos posts com IA perdem alcance» | As publicações marcadas perdem distribuição | Apenas afeta o que é etiquetado, não tudo o que é gerado com IA |
| «Há uma margem de erro de 6% que me protege» | ~6 de cada 100 marcados seriam falsos positivos | A margem joga contra você, não a seu favor: se te marcam, o mais provável é que acertem |
Dois matizes mais que importam para decidir o que fazer:
- O alcance que é cortado é o de recomendação, além do primeiro grau. O conteúdo marcado não é excluído e continua visível para quem te segue diretamente.
- O filtro é aplicado no ponto de distribuição: toda publicação que vai ser distribuída fora da rede imediata do autor é revisada. Ou seja, a triagem ocorre justo antes de o post ter a oportunidade de crescer.
De onde vem o sistema: uma cronologia de 2026
O LinkedIn não ativou esse filtro de uma hora para outra. Há uma sequência de seis meses, e cada passo explica o seguinte.
| Data | O que aconteceu | Fonte |
|---|---|---|
| 21 de maio de 2026 | O LinkedIn anuncia que reduzirá o alcance do conteúdo de IA sem perspectiva humana clara, limitará comentários automatizados e adicionará filtros de perfil verificado | Social Media Today |
| Finais de julho / agosto de 2026 | Aparece no menu de três pontos de cada post a opção de reportá-lo como «parece AI slop» | Social Media Today |
| Agosto de 2026 | O LinkedIn retira sua própria função «Enhance your post» (reescrita completa do rascunho) e a substitui por um corretor que, nas palavras de Srinivasan, «corrige suas palavras, mas não muda sua voz» | IBTimes UK |
| 20 de agosto de 2026 | Mais de 1 milhão de pessoas usaram o botão em menos de três semanas; o conteúdo classificado como slop acumula 40% menos visualizações | Social Media Today |
| 8 de outubro de 2026 | Jurka detalha a arquitetura e confirma que a triagem cobre toda publicação que sai da rede imediata, com 94% de precisão | Social Media Today |
O detalhe mais revelador dessa tabela não é o 94%: é que o milhão de relatórios de agosto se tornou o conjunto de treinamento dos classificadores de outubro. O filtro não codifica a opinião de uma equipe de produto sobre o que é um bom post; codifica o que um milhão de profissionais marcaram como conteúdo irrelevante.
Como funciona o classificador por dentro
O LinkedIn usa um esquema mestre-aluno (teacher-student): modelos grandes que se mantêm atualizados sobre os novos padrões de slop geram o material com o qual treinam modelos pequenos, e são esses pequenos que classificam em escala. Acima, há agentes com políticas concretas e revisores humanos para os casos duvidosos.

Nas palavras de Jurka: «usamos o que é conhecido como uma configuração mestre-aluno. Os modelos 'mestre', maiores, são projetados para se manter atualizados sobre os novos padrões de AI slop e identificá-los com precisão». E sobre os agentes: «cada agente é guiado por uma política específica, que define os critérios com os quais avalia o conteúdo: por exemplo, se uma publicação é promocional, se celebra uma conquista ou se é atual».
Três implicações práticas dessa arquitetura:
- Mudar as palavras não é suficiente. O sistema avalia padrão e propósito, não vocabulário. Reescrever o mesmo post vazio com sinônimos diferentes não o salva.
- Os padrões são atualizados. A parte «mestre» existe precisamente para perseguir novas fórmulas. O modelo de gancho que funciona este mês é candidato a ser desatualizado no próximo.
- Há sinal de categoria. Que um agente avalie se o post é «promocional» ou «celebra uma conquista» significa que o mesmo texto pode ser avaliado de forma diferente dependendo de sua finalidade.
Os sinais que delatam um post vazio
Um post cai do lado ruim do filtro quando não contém nada que só você pudesse ter escrito: nenhum fato datado, nenhum número medido, nenhuma pessoa ou ferramenta com nome, nenhuma opinião que alguém pudesse contestar. Os sinais de formato são apenas o sintoma; a causa é a ausência de substância.

Estes são os sinais que se repetem no conteúdo marcado, conforme coletados nas análises do fenômeno:
- Abertura de template. O arranque que monta uma cena («Ontem, em uma reunião…») sem chegar a afirmar nada.
- Listas sem um único dado próprio. Três dicas, três erros, três chaves: estrutura impecável, conteúdo intercambiável com o de qualquer outro autor do setor.
- A fórmula «não é X, é Y». O giro retórico que soa a revelação e não aporta informação nova.
- Isca de interação. Frases cujo único objetivo é provocar um comentário ou um «sim» («Te soa familiar? Comente SIM»).
- Fechamento com pergunta genérica. «E você, o que acha?» como ponto final, sem uma pergunta concreta sobre algo específico.
- Lição limpa no final. O parágrafo-moral que fecha tudo com um laço e não deixa nada em aberto.
- Formato copiado do chat. Asteriscos, cabeçalhos e marcadores copiados tal qual de uma ferramenta conversacional: a marca mais literal de todas.
Nenhum desses sinais é ilegal nem te expulsa da plataforma. Mas sua acumulação é exatamente o padrão que um milhão de relatórios ensinou ao classificador.
O que sobrevive ao filtro: gancho, dado e critério
Sobrevive o post que, nas suas duas primeiras linhas, diz algo concreto e verificável; que no corpo aporta um número, um caso ou uma decisão própria; e que toma partido em primeira pessoa. Os três elementos são acumulativos: com o gancho só consegues o clique em «ver mais», e sem dado próprio o classificador não tem nada para distinguir.

1. O gancho vive antes do corte do «ver mais»
O limite de uma publicação no LinkedIn são 3.000 caracteres, mas o leitor só vê as duas ou três primeiras linhas antes do corte. Esse espaço varia de acordo com o dispositivo e se o post tem imagem: no celular fica em torno de 140 caracteres e no desktop um pouco mais, e as diretrizes do setor situam o corte prático em torno de 210 caracteres (Commenti, limites de caracteres 2026). Ali não cabe um rodeio narrativo e uma tese: cabe uma das duas.
A razão pela qual isso pesa é o tempo de permanência (dwell time): se ninguém expande o post, a permanência fica abaixo de um segundo e a distribuição se apaga. Importante: o que está documentado por fontes do setor é o papel do dwell time como sinal do algoritmo; o LinkedIn não publicou o peso exato que lhe atribui nem os limiares. Trate isso como o que é, uma heurística razoável, não como um número oficial.
2. Um dado ou um caso que seja seu
Isso é o que realmente diferencia. O que conta como substância:
| Tipo de substância | Exemplo do que vale | O que não vale |
|---|---|---|
| Fato datado | «Na semana do dia 3 de novembro mudamos o assunto do e-mail de acompanhamento» | «Ultimamente estamos testando coisas» |
| Número medido | «A taxa de resposta passou de 11 % para 19 % em 40 envios» | «Os resultados melhoraram significativamente» |
| Pessoa ou ferramenta com nome | «Foi detectado pela Marta revisando o CRM» | «Um membro da equipe percebeu» |
| Opinião refutável | «Qualificar por orçamento na primeira chamada nos custou dois clientes» | «É importante ouvir o cliente» |
| Método próprio | «O que fizemos, em que ordem e por que funcionou» | «As chaves do sucesso em vendas» |
O teste do algodão é simples: se seu post poderia ter sido publicado literalmente por outra pessoa do seu setor mudando o nome, não tem substância própria.
3. Critério em primeira pessoa
«Na minha experiência isso não funciona e te conto por quê» é uma afirmação que alguém pode discutir. «É fundamental agregar valor» não é. O discutível é, na prática, o marcador mais confiável de que há um critério humano por trás, e é também o que gera os comentários que não são iscas.
Duas camadas distintas: o que se degrada e a quem se ensina
O filtro anti-slop e o ranking por relevância de perfil são camadas diferentes do mesmo funil, e confundi-las leva a otimizar o que não deve. O filtro de slop atua antes da distribuição: decide se sua publicação merece ser distribuída além da sua rede imediata. O ranking por relevância de perfil atua durante a distribuição: decide a quem é mostrado o que já superou o primeiro corte.
| Filtro anti-slop | Relevância de perfil | |
|---|---|---|
| O que decide? | Se o post é distribuído fora do primeiro grau | A quem é mostrado |
| Quando atua? | Antes da distribuição | Ao atribuir audiência |
| Do que depende? | Da substância do texto desse post | Da adequação entre seu perfil e o interesse de quem lê |
| O que resolve o problema? | Reescrever com dado e critério | Trabalhar a coerência do perfil e do nicho |
Ordem de prioridades, portanto: primeiro, certifique-se de passar pelo filtro, porque um perfil impecável não distribui um post que não é distribuído. E depois trabalhe a adequação, porque um post excelente mostrado ao público errado também não rende. Temos um artigo específico sobre o ranking por relevância de perfil neste mesmo blog; esta seção apenas situa as duas camadas, não repete seu conteúdo.
Checklist de 60 segundos antes de publicar
Passe cada rascunho por essas sete verificações. Se falhar em três ou mais, não publique: reescreva.
- As duas primeiras linhas afirmam algo, ou apenas montam uma cena?
- Há pelo menos um número, uma data ou um nome próprio no corpo?
- Há uma frase que alguém poderia refutar com argumentos?
- Eu removi toda frase cujo único objetivo seja provocar um comentário?
- O fechamento abre algo, ou fecha com um laço e um «e você o que acha?»?
- Há formato copiado de uma ferramenta conversacional (asteriscos, cabeçalhos, listas automáticas)?
- Poderia publicar este texto outra pessoa do meu setor mudando apenas o nome?
Esse último ponto é o resumo de todos os outros. E é, provavelmente, a melhor aproximação caseira ao que faz o classificador.
Perguntas frequentes
O LinkedIn penaliza posts escritos com IA?
Não pelo fato de estarem escritos com IA. O que o LinkedIn degrada é o conteúdo genérico e/ou repetitivo que não traz nenhuma ideia real, segundo a definição de seu VP de Engenharia Tim Jurka de 8 de outubro de 2026. A própria empresa mantém um corretor com IA integrado e seu CPO declarou que «IA e slop não são a mesma coisa».
O que significa que o LinkedIn detecta o AI slop com 94% de precisão?
Significa que, de cada 100 publicações que o sistema marca como slop, cerca de 94 atendem aos seus critérios. Não significa que detecta 94% dos posts gerados com IA: o LinkedIn não divulgou quantos lhe escapam, então a cobertura real do filtro é desconhecida.
Se meu post for marcado, ele desaparece do LinkedIn?
Não. O conteúdo marcado perde distribuição em recomendações além dos seus contatos de primeiro grau, mas não é removido e continua visível para quem te segue diretamente. É uma perda de alcance, não uma retirada.
Quanto alcance se perde se você for marcado como AI slop?
O dado público é que o conteúdo classificado como slop registrava 40% menos visualizações do que algumas semanas antes, segundo declarou o Chief Product Officer Hari Srinivasan em 20 de agosto de 2026. É um número agregado da plataforma, não uma penalização fixa por post, e o LinkedIn não divulgou a distribuição caso a caso.
Quantos caracteres são exibidos antes do «ver mais» no LinkedIn?
Depende do dispositivo e se o post contém imagem: apenas as duas ou três primeiras linhas são mostradas, cerca de 140 caracteres no celular e um pouco mais no desktop, com um corte prático que os guias do setor situam em torno de 210 caracteres sobre um máximo total de 3.000. Por isso, a tese deve estar no topo, não no terceiro parágrafo.
O que acontece quando alguém reporta meu post como AI slop?
Um relatório individual afeta principalmente o que essa pessoa vê em seu próprio feed; o LinkedIn descreveu a função como informativa mais do que punitiva e não como um canal para infrações de políticas. O efeito sobre a distribuição aparece quando muitas pessoas marcam o mesmo, porque esses relatórios alimentam o treinamento dos classificadores.
Posso usar IA para escrever minhas publicações no LinkedIn sem perder alcance?
Sim, desde que o resultado contenha algo que só você possa oferecer: um dado seu, um caso concreto, uma decisão e uma opinião discutível. Usar IA para estruturar, encurtar ou corrigir é compatível com o filtro; delegar a ela o critério é o que o ativa.
Reescrever um post com outras palavras evita o filtro?
Não é confiável. O sistema avalia propósito e padrão mais do que vocabulário, então mudar sinônimos sem adicionar perspectiva não altera a avaliação. A arquitetura mestre-aprendiz existe precisamente para seguir o rastro das novas fórmulas à medida que aparecem.
Como sua forma de escrever muda a partir de agora
A triagem do LinkedIn não é um detector de IA: é um detector de vazio. Isso é, na verdade, uma boa notícia para qualquer um que tenha algo a contar, porque o custo de publicar conteúdo vazio acabou de aumentar e o de publicar um dado próprio, não. A única coisa que se torna obrigatória é um passo que antes era opcional: revisar o rascunho em busca do que há nele que não poderia ter sido escrito por mais ninguém.
Esse passo é o que tentamos tornar mecânico no LinkedIn, o aplicativo de ferramentas de IA da AiToolsForApps para quem cria, vende ou compete na rede profissional: contadores de caracteres com a linha de corte do «ver mais» marcada, fórmulas de título e de «Sobre», geração de carrosséis em PDF e de publicações com seus ganchos alternativos, e um limpador que avisa quando detecta uma frase de isca de interação e a remove. Se você quiser ver isso aplicado, aí estão as ferramentas de IA para capas, título, carrossel e posts do LinkedIn, sem registro prévio.
Escreva sua próxima postagem com o corte do «ver mais» à vista, o título medido e o isca de interação fora: experimente as ferramentas de IA para LinkedIn, sem registro.
Escreva sua próxima postagem com o corte do «ver mais» à vista, o título medido e o isca de interação fora: experimente as ferramentas de IA para LinkedIn, sem registro.Continue lendo
Ver todos os artigos →
Por que seu alcance no LinkedIn caiu em 2026 (e o que o algoritmo está analisando agora)

Geode quebrado no Geometry Dash 2.2091: quais mods não funcionam e como continuar criando

DLS 27 em dezembro de 2026: o que está confirmado, o que não está e o que acontece ao teu clube, ao teu plantel e aos teus equipamentos ao atualizar
