Entrepreneur informó el 27 de agosto de 2026 de que más de un millón de miembros de LinkedIn usaron la nueva opción “Parece contenido basura de IA” durante sus dos primeras semanas. La función destaca porque LinkedIn pide valorar utilidad y autenticidad, no solo si un programa ayudó a redactar.
Cómo funciona la señal
La ayuda de LinkedIn indica que el usuario puede abrir el menú de una publicación o comentario y elegir esa opción. La señal comunica que el contenido no resultó valioso. Si una publicación acumula suficiente feedback, el autor puede ver un aviso en sus estadísticas; LinkedIn aclara que no equivale a retirada ni decisión de política.
Entrepreneur atribuye la cifra del millón al director de producto de LinkedIn, Hari Srinivasan. También recoge que los miembros estaban viendo un 40 % menos de contenido que LinkedIn clasifica como basura de IA. Son métricas comunicadas por la empresa, no una auditoría independiente de calidad.
El objetivo es el bajo valor, no toda IA
LinkedIn define este contenido como material de poco esfuerzo, probablemente generado por IA, pulido en apariencia pero sin perspectiva ni sustancia. Su guía permite usar IA cuando el autor revisa el resultado y aporta experiencia real.
La diferencia importa: detectar autoría automáticamente es incierto y el estilo no prueba cómo se creó un texto. La nota de producto de junio afirma que sus sistemas buscan contenido genérico, repetitivo o automatizado a escala y reducen su distribución. El feedback comunitario añade otra señal, pero no hay detalle suficiente para saber cuánto pesa un clic ni cómo se evita el abuso.
Qué deben aprender creadores y plataformas
Para el creador, la respuesta es editorial: verificar afirmaciones, quitar repetición, añadir contexto propio y asumir la responsabilidad final. Cambiar palabras solo para eludir un detector no cumple el objetivo declarado.
Para la plataforma, el reto es calibrar. Debe resistir denuncias coordinadas, considerar diferencias lingüísticas y no castigar escritura profesional concisa o formularia que siga siendo correcta. La transparencia sobre apelaciones y errores agregados será clave.
Fuentes y metodología
El artículo usa el informe de Entrepreneur, la documentación de la función y el anuncio de LinkedIn de junio. Las métricas empresariales se identifican y el feedback no se trata como prueba de autoría por IA.