Коротко: что произошло и почему это важно для контент-команд
В конце июля 2026 года LinkedIn принял неожиданное для многих решение: платформа убрала функцию «enhance your post» — инструмент, который позволял пользователям генерировать и «улучшать» посты с помощью AI — и заменил его на функцию proofreading, то есть корректуры. Это не косметическое изменение. Это публичный сигнал одной из крупнейших социальных publishing-платформ о том, что модель «AI как автор» в ленте не работает.
Для редакций, контент-команд и издателей этот шаг — не новость о чужой платформе, а индикатор отраслевого сдвига. Когда платформа с миллиардами пользователей сознательно откатывает генеративную функцию и заменяет её на редакторскую, это означает: качество AI-генерации в массовом применении оказалось ниже порога, при котором она улучшает пользовательский опыт. AI-slop — низкокачественный, шаблонный, неразличимый AI-контент — начал разрушать ценность ленты, и платформа выбрала редактуру, а не генерацию.
В этой статье разберём, почему генерация постов провалилась на платформенном уровне, что такое сдвиг от AI-as-writer к AI-as-editor, и как контент-командам перестроить воркфлоу, чтобы AI усиливал редакторский процесс, а не заменял его.
Что именно сделал LinkedIn
LinkedIn заменил функцию «enhance your post» — которая позволяла пользователям генерировать текст поста или «улучшать» черновик с помощью AI — на инструмент proofreading. По сути, платформа перешла от модели «напиши за меня» к модели «проверь и поправь мой текст».
Это решение примечательно по нескольким причинам. Во-первых, LinkedIn был одной из платформ, наиболее агрессивно внедрявших AI-генерацию в ленту. Функция «enhance your post» существовала именно для того, чтобы снизить барьер создания контента — пользователь пишет черновик, AI превращает его в «готовый» пост. Во-вторых, решение приходит на фоне данных о том, что значительная доля длинных постов на платформе уже генерируется AI — по данным Pangram, этот показатель достигал 41% для длинных постов.
В-третьих, и это главное — LinkedIn не просто убрал функцию, он заменил её на качественно другую. Proofreading — это не генерация нового текста, а проверка существующего: грамматика, стиль, ясность, структура. AI работает как редактор-корректор, а не как автор. Пользователь остаётся автором; AI помогает улучшить то, что уже написано человеком.
Почему «enhance your post» провалилось
Функция «enhance your post» была логичным продуктом с точки зрения метрики «количество созданного контента». Чем ниже барьер, тем больше постов. Но платформы живут не на количестве — они живут на вовлечённости и удержании. А здесь AI-генерация создала проблему, которую индустрия уже успела назвать: AI-slop.
AI-slop — это низкокачественный, шаблонный, неразличимый контент, массово генерируемый AI-инструментами. Проблема не в том, что он «плохой» в абсолютном смысле — отдельный AI-пост может быть вполне читаемым. Проблема в том, что когда тысячи пользователей применяют один и тот же тип генерации, лента заполняется однотипными текстами с одинаковой структурой, одинаковыми переходами и одинаковыми выводами. Платформа теряет информационную ценность.
Для LinkedIn это особенно критично, потому что платформа позиционируется как пространство профессионального контента. Когда лента заполняется AI-сгенерированными «инсайтами» одинакового качества, пользователи перестают доверять контенту — и это бьёт по核心ной метрике: времени на платформе и частоте возвращения.
Решение LinkedIn заменить генерацию на proofreading — это, по сути, признание: AI лучше работает как инструмент улучшения человеческого текста, чем как замена человеческого авторства.
Сдвиг от AI-as-writer к AI-as-editor: что это значит
Модель «AI как автор» (AI-as-writer) предполагает, что AI генерирует основной текст — черновик, пост, статью — а человек лишь редактирует или одобряет. Это модель, которую многие контент-команды пытались внедрить в 2024–2025 годах: промпт → генерация → лёгкая правка → публикация.
Модель «AI как редактор» (AI-as-editor) переворачивает последовательность. Человек пишет черновик — или хотя бы структурный каркас с ключевыми тезисами, данными, примерами. AI используется для корректуры, проверки ясности, оптимизации структуры, выявления пробелов, проверки фактов, адаптации под формат. AI не создаёт содержание — он улучшает форму.
Разница кажется тонкой, но она фундаментальна для качества. В модели AI-as-writer содержание часто усредняется: модель тянет к наиболее вероятным формулировкам, и результат — компетентный, но безличный текст. В модели AI-as-editor содержание остаётся человеческим — с уникальным опытом, специфичными данными, авторским углом — а AI работает с качеством выражения.
LinkedIn, заменяя генерацию на proofreading, фактически выбрал вторую модель на уровне платформы. И это сигнал, который контент-командам стоит принять всерьёз.
AI-slop как платформенная экономическая проблема
Проблема AI-slop — это не только эстетический вопрос. Для платформ это экономическая проблема. Когда лента заполняется однотипным AI-контентом, вовлечённость падает. Пользователи меньше комментируют, меньше делятся, меньше возвращаются. Рекламные доходы привязаны к вниманию — а внимание к AI-slop быстро угасает.
LinkedIn — не единственная платформа, столкнувшаяся с этим. Pinterest, как отмечается в тех же отчётах, внедрял генеративные AI-инструменты и одновременно AI-детекцию — и столкнулся с падением акций на 20%. Omnicom запустил «Brave Bot» — агент, который оценивает, является ли AI-сгенерированный креатив «действительно уникальным, инновационным и культурно релевантным, или просто очередным шумом».
Паттерн одинаковый: платформы и рекламные холдинги осознают, что AI-генерация без редакторского контроля разрушает ценность. И реагируют не запретом AI, а сдвигом к контролю качества — детекции, proofreading, оценке оригинальности.
Для контент-команд вывод прямой: платформы будут всё больше поощрять контент, который создан человеком и улучшен AI, и всё больше penalizовать контент, который сгенерирован AI и лишь формально «проверен» человеком.
Как перестроить воркфлоу: от генерации к AI-ассистированному редактированию
Перестройка воркфлоу с модели AI-as-writer на AI-as-editor требует изменений на нескольких уровнях: промпт-системы, роли в команде, точки контроля качества.
1. Человек пишет первым
Вместо промпта «напиши статью о X» — человек создаёт черновик. Это может быть не полный текст, а структурный каркас: ключевые тезисы, данные, примеры, выводы. Главное — содержание и угол остаются человеческими. AI не придумывает, о чём писать; он улучшает то, что уже написано.
2. AI-промпты для редактирования, а не генерации
Вместо промптов-генераторов используйте промпты-редакторы. Примеры:
- «Проверь этот текст на ясность и предложи улучшения структуры, не меняя содержание»
- «Найди логические пробелы и unsupported claims в этом черновике»
- «Проверь соответствие между заголовком и выводами статьи»
- «Предложи 3 варианта улучшения вступительного абзаца для лучшего hook»
- «Выдели тезисы, которые не подкреплены данными или примерами»
Эти промпты не просят AI создать содержание — они просят оценить и улучшить существующее.
3. Разделение генерации и редактуры в пайплайне
Если в вашем контент-конвейере AI генерирует черновик, а человек редактирует — разделите эти этапы формально. Генерация должна происходить из структурированного брифа с конкретными данными, тезисами и углом, а не из промпта «напиши про X». Редактура должна включать проверку на оригинальность, фактчекинг и оценку дифференциации — насколько этот текст отличается от того, что любая модель сгенерировала бы по той же теме.
4. Proofreading-слой как отдельный этап
Добавьте в воркфлоу отдельный этап AI-корректуры перед публикацией. Это не финальная проверка человеком — это промежуточный слой, где AI проверяет грамматику, стиль, читаемость, соответствие tone of voice, длину предложений, SEO-параметры. Человек затем валидирует правки AI и принимает решение, какие принять.
Где AI-редактирование работает лучше генерации
Опыт платформ и контент-команд показывает, что AI эффективнее как редактор в нескольких конкретных зонах:
- Структурная корректура. AI хорошо выявляет слабые переходы, непропорциональные секции, missing conclusions. Промпт «оцени структуру этого текста и предложи перераспределение акцентов» работает надёжнее, чем «напиши статью».
- Ясность и читаемость. Проверка длины предложений, сложности лексики, плотности информации — задача, в которой AI-корректура систематически превосходит ручную проверку по скорости.
- Выявление unsupported claims. AI может отметить тезисы, которые не подкреплены данными или примерами, — это особенно ценно для длинного редакционного контента.
- Адаптация под формат. Превращение длинной статьи в серию коротких постов, адаптация под LinkedIn-формат, создание summary для рассылки — AI работает как переупаковщик, а не как создатель.
- SEO и AEO-проверка. Проверка наличия ключевых сущностей, структуры заголовков, полноты ответа на запрос — AI-редактор может оценить готовность контента к поисковой и ответной видимости.
Метрики качества при AI-редактировании
При переходе от генерации к редактированию меняются и метрики, которые стоит отслеживать:
- Доля сохранённого человеческого содержания. Какой процент исходного черновика (по тезисам, данным, примерам) остаётся в финальной версии. Если AI-редактура меняет более 50% содержания — это уже генерация, а не редактура.
- Оригинальность финального текста. Проверка через AI-детекторы и сравнение с типичным AI-выводом по той же теме. Цель — текст, который детекторы не классифицируют как AI-сгенерированный.
- Время на редактуру vs генерацию. В модели AI-as-editor время человека смещается с написания на редактирование. Если общее время не сокращается — это нормально; ценность не в скорости, а в качестве.
- Платформенные метрики. Для контента, публикуемого на платформах вроде LinkedIn: вовлечённость, retention, качество комментариев. Если AI-редактированный контент показывает лучшие метрики, чем AI-сгенерированный — это подтверждение модели.
- Дифференциация. Насколько финальный текст отличается от среднестатистического контента по теме. Метрику можно оценить промптом: «сравни этот текст с типичным AI-выводом по той же теме и выдели уникальные элементы».
Платформенные сигналы и стратегия распределения
Решение LinkedIn — не изолированный кейс. Это часть более широкого тренда, в котором платформы пересматривают отношение к AI-контенту. Для контент-команд это означает, что стратегия распределения должна учитывать платформенные политики:
- Платформы будут усиливать детекцию. Pinterest, LinkedIn, Substack — все внедряют механизмы распознавания AI-контента. Контент, который детектируется как AI-сгенерированный, может получать меньше распределения.
- Proofreading-контент будет иметь преимущество. Если платформа видит, что текст написан человеком и улучшен AI (а не сгенерирован AI и «проверен» человеком), это может стать сигналом качества.
- Раскрытие AI становится нормой. Политики прозрачности — SynthID, маркировка AI-контента, обязательное раскрытие — уже не опция, а требование. Контент-командам нужно выстроить систему маркировки, которая отличает «AI-сгенерировано» от «AI-редактировано».
- Двойная стратегия. Для платформенного контента — модель AI-as-editor (человек пишет, AI улучшает). Для контента на собственном сайте — более гибкий подход, но с тем же принципом: содержание должно быть человеческим.
Чек-лист: переход от AI-генерации к AI-редактированию
- Аудит текущего воркфлоу: определите, на каких этапах AI генерирует содержание, а на каких — редактирует. Разделите эти функции формально.
- Перепишите промпт-системы: замените генерационные промпты («напиши статью о…») на редакторские («проверь структуру», «выдели unsupported claims», «предложи улучшения ясности»).
- Внедрите правило «человек пишет первым»: даже если AI генерирует черновик, он должен работать из структурированного брифа с данными и тезисами, а не из промпта «напиши про X».
- Добавьте proofreading-слой: отдельный этап AI-корректуры перед финальной человеческой проверкой — грамматика, стиль, читаемость, SEO-параметры.
- Настройте метрики: доля сохранённого человеческого содержания, оригинальность по AI-детекторам, платформенная вовлечённость, дифференциация от типичного AI-вывода.
- Проверьте платформенные политики: убедитесь, что контент для LinkedIn, Substack и других платформ соответствует их требованиям к раскрытию AI и качеству.
- Обучите команду: редакторы должны понимать разницу между AI-генерацией и AI-редактированием и уметь применять соответствующие промпты.
Практический вывод
LinkedIn заменил AI-генерацию на proofreading не потому, что AI бесполезен для написания, а потому, что в массовом применении генерация без редакторского контроля разрушает ценность. Это урок, который контент-команды могут применить на уровне своего воркфлоу: AI работает лучше как редактор, чем как автор.
Перестройка не означает отказ от AI — наоборот, это более зрелое использование. AI-корректура, структурная проверка, выявление пробелов, адаптация под формат — задачи, в которых AI систематически добавляет ценность. Генерация содержания «с нуля» из промпта — задача, в которой AI систематически производит усреднённый результат.
Редакции, которые первыми перестроят воркфлоу с генерации на редактирование, получат двойное преимущество: контент, который платформы поощряют, и качество, которое читатели отличают.
FAQ
Чем AI-редактирование отличается от AI-генерации в контент-воркфлоу?
При AI-генерации модель создаёт основной текст — черновик, пост, статью — а человек редактирует. При AI-редактировании человек пишет черновик или структурный каркас, а AI проверяет грамматику, стиль, ясность, структуру, выявляет пробелы и предлагает улучшения. Содержание остаётся человеческим; AI работает с формой.
Почему LinkedIn убрал функцию «enhance your post»?
LinkedIn заменил AI-генерацию постов на proofreading из-за проблемы AI-slop — массового заполнения ленты однотипным AI-контентом, который снижал вовлечённость и доверие пользователей. Платформа признала, что AI эффективнее как инструмент корректуры, чем как замена авторства.
Какие промпты использовать для AI-редактирования длинного контента?
Используйте промпты-редакторы: «проверь структуру и предложи перераспределение акцентов», «выдели unsupported claims», «оцени ясность и предложи улучшения», «проверь соответствие заголовка и выводов», «предложи варианты улучшения вступления». Эти промпты не просят AI создать содержание — они просят оценить и улучшить существующее.
Как измерять качество при переходе на AI-редактирование?
Отслеживайте: долю сохранённого человеческого содержания в финальном тексте, оригинальность по AI-детекторам, платформенную вовлечённость (для контента на LinkedIn и других платформах), дифференциацию от типичного AI-вывода по теме, и время на редактуру vs генерацию.
Значит ли это, что AI-генерация контента больше не нужна?
Нет. AI-генерация полезна для конкретных задач: создание структурированных черновиков из брифов с данными, переупаковка контента, summary, локализация. Речь не о запрете генерации, а о смещении центра тяжести: содержание должно быть человеческим, а AI должен усиливать форму, а не заменять содержание.
