Wrzucasz post o siódmej rano, bo tak wyszło z kalendarza treści. Jest bezbłędny gramatycznie, ma trzy punkty z emoji i kończy się zdaniem „czas na działanie". Po dwóch godzinach masz dwanaście wyświetleń i jedno serduszko od żony wspólnika. Scrollujesz dalej i widzisz post konkurencji: te same trzy punkty, ta sama klamra, inne logo.
Nie przegrałeś z ich pomysłem. Przegrałeś z tym samym promptem.
Znasz to uczucie? Robisz wszystko zgodnie ze sztuką, treści wychodzą regularnie, a odbiorca przewija je tak, jakby ich tam nie było. Ma na to nazwę, której nie wymyślili marketerzy, tylko sami odbiorcy: AI slop. Breja. Treść poprawna w każdym szczególe i pusta w środku — rozpoznawana odruchowo, dokładnie tak, jak kiedyś nauczyliśmy się nie widzieć banerów.
Skalę tego odruchu widać w nastrojach. eMarketer, powołując się na badanie Billion Dollar Boy, podaje, że entuzjazm odbiorców wobec treści twórców tworzonych z udziałem AI spadł z 60% do 26% w ciągu dwóch lat. W tym samym materiale 79% marketerów deklaruje, że w minionym roku zwiększyło wydatki na AI. Produkcja rośnie, cierpliwość maleje — i to jest cały problem tego tekstu.
Co znajdziesz w artykule?
- Dlaczego ci sami ludzie deklarują w ankiecie zaufanie do treści AI i wycofują uwagę, kiedy rozpoznają ją w praktyce
- Skąd wziął się termin „AI slop", kto go naprawdę wprowadził do obiegu i czemu przyjął się szybciej niż jakiekolwiek pojęcie branżowe
- Co dokładnie pokazał szesnastomiesięczny eksperyment na dwudziestu domenach z treścią wyłącznie generowaną — razem z tym, czego z niego wyczytać nie wolno
- Framework „AI-assisted, human-finished": cztery warstwy od researchu, przez własne dane i głos, po jawne oznaczenie udziału maszyny
- Cztery testy do zrobienia na własnym tekście: wymiany logo, „a co z tego?", doświadczenia i wstydu
Ludzie deklarują zaufanie do AI i wycofują uwagę, kiedy je rozpoznają
Zacznijmy od danych, które lubi cytować branża, bo brzmią optymistycznie. Capgemini Research Institute w badaniu na dziesięciu tysiącach konsumentów z trzynastu krajów ustalił, że 73% z nich deklaruje zaufanie do treści tworzonych przez generatywną AI. Trzy czwarte rynku mówi „nie mam nic przeciwko".
Deklaracja to jedno, zachowanie to drugie. Ankieta Gartnera pokazuje, że 53% konsumentów nie ufa wynikom wyszukiwania generowanym przez AI — te same osoby, ten sam mechanizm, inne pytanie i odwrotny wynik.
To jest jak restauracja, w której dania przygotowuje robot. Dopóki nie wiesz, smakuje normalnie. W chwili, gdy ktoś ci to powie, nagle wyczuwasz plastikowy posmak. Nic się nie zmieniło w jedzeniu — zmieniła się rama, w której je jesz. W marketingu ta rama jest jedyną rzeczą, którą naprawdę sprzedajesz.
Praktyczny wniosek nie brzmi „nie używaj AI". Brzmi: nie licz na to, że deklaracja z ankiety obroni cię w momencie, w którym odbiorca zobaczy w twoim tekście maszynę.
AI slop to treść bezbłędna i pusta, a mózg uczy się ją omijać
„AI slop" to internetowy żart bez znaczenia dla biznesu. W rzeczywistości to najszybciej przyjmująca się nazwa na zjawisko, które dotyczy dokładnie twoich treści.
Termin nie powstał w agencji ani na konferencji. Simon Willison, który zrobił dla niego najwięcej, wprost nie przypisuje sobie autorstwa: opisuje słowo, które utarło się samo w sieci, a spopularyzowanie przypisuje użytkownikowi o pseudonimie deepfates. Porównanie, które wtedy padło, tłumaczy wszystko — „slop" ma się do niechcianych treści AI tak, jak „spam" do niechcianej poczty.
Tempo, w jakim to słowo się przyjęło, mówi więcej niż jego definicja. Meltwater, nasłuchując wzmianek na platformach społecznościowych, forach i w komentarzach, naliczył ich ponad 461 tysięcy w roku pierwszym i około 2,4 miliona w tym samym okresie roku kolejnego — dziewięciokrotnie więcej. W szczytowym miesiącu udział wypowiedzi negatywnych sięgnął 54%.
Czym właściwie jest AI slop? Treścią, która wygląda poprawnie i niczego nie wnosi. Bezbłędna gramatycznie, idealnie sformatowana, kompletnie pusta. Tekst, który mógłby być o czymkolwiek i dlatego nie jest o niczym.
📖 Ze słownika Noraline AI slop (dosłownie „breja AI") — masowo produkowane treści generowane przez model, technicznie poprawne, ale pozbawione wartości merytorycznej, oryginalności i śladu czyjegokolwiek doświadczenia. Nazwa nie ma jednego autora: utarła się w sieci na wzór „spamu", a do szerokiego obiegu weszła po tekście Simona Willisona. Mechanizm odbioru przypomina banner blindness — powtarzalny wzorzec formy sprawia, że uwaga omija komunikat, zanim zdąży ocenić jego treść.
Google nie karze za AI, karze za brak człowieka w wyniku
Aktualizacja Core Update z marca poprzedniego roku uderzyła w to, co Google nazwał scaled content abuse: masową publikację treści bez dodanej wartości, niezależnie od tego, czy powstała maszynowo, czy ręcznie. Kilka miesięcy później doszła polityka site reputation abuse, wymierzona w farmy treści doklejane do domen z reputacją.
Najciekawszy materiał na ten temat to jednak nie ogłoszenie, tylko eksperyment. Zespół SE Ranking, opisany przez Search Engine Land, postawił dwadzieścia nowych domen w dwudziestu niszach i wypuścił na nich po sto artykułów generowanych w całości przez model, bez jakiejkolwiek redakcji.
Krzywa wygląda tak: w pierwszym miesiącu w pierwszej setce wyników było około 28% stron. Między trzecim a szóstym miesiącem odsetek runął do 3%. Po szesnastu miesiącach, już po jednej z aktualizacji antyspamowych, wrócił do 20%.
Z tego eksperymentu da się wyciągnąć wniosek za mocny i warto tego nie robić. Nie pokazuje on, że „AI content nie rankuje" — pokazuje, jak zachowuje się treść generowana bez redakcji na domenie bez historii, marki i linków. To jest scenariusz skrajny, dobrany celowo. Twoja strona z pięcioletnią historią startuje z innego miejsca i ryzykuje inną rzecz: nie brak pozycji, tylko wymianę reputacji na objętość.
Sedno jest proste. Google nie karze za użycie modelu, karze za nieobecność człowieka w wyniku, a E-E-A-T — doświadczenie, wiedza, autorytet, wiarygodność — nie jest listą kontrolną dla SEO. To jedno pytanie: czy za tą treścią stoi ktoś prawdziwy, kto ma coś do powiedzenia.
Personalizacja z imieniem to nadal spam, jeśli nie wiesz, czym ten człowiek żyje
Oczekiwania odbiorców są tu wyjątkowo dobrze zmierzone. McKinsey w raporcie o personalizacji podaje, że 71% konsumentów oczekuje spersonalizowanej komunikacji, a 76% odczuwa frustrację, kiedy jej nie dostaje. AI daje tu możliwości, jakich nie było: segmentację, treści dynamiczne, rekomendacje predykcyjne.
Tylko że personalizacja i zrozumienie to dwie różne rzeczy, a mylenie ich kosztuje najwięcej wtedy, gdy technicznie wszystko działa.
Pierwsza wersja wymaga algorytmu, druga — przepracowanych projektów. Model pomoże w obu, ale drugą napisze tylko ktoś, kto zna problem od środka. Pisałem o tym przy okazji budowania zaufania w biznesie: nie musisz być najlepszy, wystarczy być prawdziwy.
Sports Illustrated nie wpadło na AI, tylko na udawaniu, że go nie ma
Historia jest znana i warto ją czytać dokładnie, bo zwykle wyciąga się z niej zły wniosek. Redakcja opublikowała teksty podpisane nazwiskami autorów, którzy nie istnieli, ze zdjęciami profilowymi wygenerowanymi przez model. Skończyło się zwolnieniem redaktora naczelnego i uszczerbkiem na wiarygodności tytułu z siedemdziesięcioletnią historią. Podobnie było w CNET, gdzie generowane teksty finansowe zawierały błędy merytoryczne i wymagały serii sprostowań.
Po drugiej stronie stoi kampania Coca-Coli „Create Real Magic", w której generator obrazów był narzędziem oddanym artystom, a udział AI komunikowano wprost. Odbiór był dobry, choć technologia ta sama.
Różnica nie leży w narzędziu. Leży w tym, czy marka mówi, jak powstała treść. Ukrywanie zamienia kwestię techniczną w kwestię uczciwości — a tego odbiorcy nie wybaczają.
„Musimy publikować więcej" to fałszywa diagnoza tego samego problemu
Widzę ten odruch u klientów regularnie. Spadają zasięgi, spada zaangażowanie, więc pierwsza reakcja brzmi: trzeba częściej. Odpalają model, produkują trzy razy więcej postów i artykułów, a wyniki spadają dalej.
Problem nie leży w ilości. Leży w tym, że twoja treść jest nieodróżnialna od treści konkurencji, która wpisała ten sam prompt do tego samego narzędzia. W takim układzie jedynym wyróżnikiem zostaje to, czego model nie ma: twoje doświadczenie, twoje porażki, twoje dane.
Krąży w tej sprawie prognoza, że wkrótce dziewięć dziesiątych treści w internecie będzie generowanych maszynowo. Nie podaję jej jako danej, bo przy próbie dojścia do źródła rozpływa się w kolejnych cytowaniach z cytowań i nie prowadzi do żadnego pomiaru. Dla decyzji, którą masz podjąć, i tak nie ma znaczenia, czy to będzie połowa, czy dziewięćdziesiąt procent — wystarczy, że w twojej kategorii wszyscy używają tego samego narzędzia.
Czy to przypadek, że personal branding przeżywa renesans właśnie teraz? Nie. Ludzie szukają ludzi, bo maszyny zrobiły się zbyt dobre w udawaniu ludzi.
Cztery warstwy, w których człowieka nie da się podmienić
Nie porzucaj AI — to jak porzucenie Excela, bo ktoś wpisał złe dane. Narzędzie działa tak dobrze, jak operator, który je kończy.
Nie proponuję rezygnacji z AI, bo problemem nigdy nie było narzędzie. Poniższy podział pokazuje, w których miejscach procesu model wykonuje robotę dobrze, a w których jego produkt trzeba skończyć samemu, żeby cokolwiek z tego zostało.
Warstwa 1: research. Model przeszukuje źródła, zbiera dane i wyłapuje powtarzalności szybciej niż ktokolwiek. Decyzja, które z tych danych są istotne dla twojego odbiorcy, zostaje po twojej stronie — pisałem o tym przy budowaniu bazy wiedzy dla AI, bo bez kontekstu firmy model zwraca banały.
Warstwa 2: struktura. Model proponuje szkielet, ty dokładasz sekcje, których nie wymyśli: wdrożenie z ostatniego miesiąca, zdanie klienta, wnioski z nieudanego projektu, liczby z własnego analityka. To jest „doświadczenie" z E-E-A-T i żaden prompt go nie wyprodukuje.
Warstwa 3: głos. Model pisze wersję roboczą, ty przepisujesz każde zdanie brzmiące jak „warto podkreślić, że" albo „nie ulega wątpliwości". Dokładasz skróty myślowe i odniesienia, które rozumie tylko twoja branża. Na tym polega różnica między tekstem a głosem.
Warstwa 4: jawność. Unijne przepisy o AI zmierzają w stronę obowiązkowego oznaczania treści tworzonych maszynowo, o czym pisałem osobno przy oznaczaniu treści AI. Nie ma jednak powodu, żeby czekać na termin: zdanie „ten tekst powstał z pomocą AI, fakty zweryfikowałem, wnioski są moje" buduje zaufanie skuteczniej niż udawanie, że pięć tysięcy znaków napisało się w godzinę.
Cztery testy, które robisz na własnym tekście w kwadrans
Diagnozę da się postawić bez narzędzi i bez audytu z zewnątrz. Weź ostatni opublikowany tekst i przepuść go przez cztery pytania.
Jeśli audyt wypadł źle, najskuteczniejsza reakcja jest odwrotna do intuicyjnej: zamiast dziesięciu postów tygodniowo dwa, ale takie, pod którymi się podpiszesz. Do tego jedno miejsce, w którym codziennie zapisujesz zdanie o tym, co dziś zobaczyłeś albo zepsułeś w projekcie. Po miesiącu masz materiał, którego nikt w twojej kategorii nie ma, bo nikt inny tego nie przeżył.
Wygrywa nie lepsze AI, tylko lepsza historia
Decyzja, przed którą stoisz, nie brzmi „AI czy bez AI", bo tę odpowiedź rynek już podjął za wszystkich. Brzmi: co dokładnie zostaje w tekście z ciebie, kiedy model odwali swoją część roboty.
Możesz dołączyć do wyścigu na objętość i liczyć, że algorytm jakoś wyłowi cię z oceanu tekstów napisanych tym samym promptem. Możesz też zrobić rzecz, której model nie potrafi: mówić swoim głosem, pokazywać własne dane i przyznawać się do błędów, na których się czegoś nauczyłeś.
To nie jest apel o autentyczność, bo z apeli nic nie wynika. To jedyna przewaga, która nie znika w momencie, w którym konkurencja kupi dokładnie takie samo narzędzie jak twoje.
Sprawdźmy, co da się zdjąć z Twojej głowy
Zrobię przegląd Twojego contentu pod kątem autentyczności i pokażę, gdzie tracisz odbiorców na AI slop.
Napisz do mnie →Najczęściej zadawane pytania
Nie za sam fakt użycia modelu. Aktualizacje wymierzone w scaled content abuse i site reputation abuse uderzają w masową publikację treści bez dodanej wartości, niezależnie od tego, jak powstała. Eksperyment zespołu SE Ranking, opisany przez Search Engine Land, pokazuje, jak wygląda scenariusz skrajny: dwadzieścia nowych domen bez historii, po sto artykułów generowanych bez redakcji, około 28% stron w top 100 w pierwszym miesiącu, spadek do 3% między trzecim a szóstym miesiącem i powrót do 20% po szesnastu miesiącach. To dane o stronach bez marki i linków, więc nie należy z nich czytać wyroku na treści tworzone z pomocą AI w ogóle.
AI slop to masowo produkowane treści generowane przez model: technicznie poprawne, ale pozbawione wartości, oryginalności i śladu czyjegoś doświadczenia. Termin nie ma jednego autora — utarł się w sieci na wzór słowa spam, a do szerokiego obiegu wszedł po tekście Simona Willisona, który sam wprost nie przypisuje sobie autorstwa i wskazuje na użytkownika o pseudonimie deepfates. Skalę zjawiska widać w nasłuchu Meltwatera: z ponad 461 tysięcy wzmianek w jednym roku do około 2,4 miliona w analogicznym okresie roku następnego.
Zastosuj cztery testy. Test wymiany logo: czy po podmianie logo treść pasowałaby do konkurenta? Test „a co z tego?": czy czytelnik dowiaduje się czegoś, czego nie ma w pierwszych trzech wynikach wyszukiwania? Test doświadczenia: czy jest choć jedno zdanie, które mógł napisać tylko ktoś, kto to zrobił? Test wstydu: czy podpisałbyś ten tekst imieniem i nazwiskiem, wiedząc, że przeczyta go twój najlepszy klient? Oblany choćby jeden test oznacza, że tekst wymaga przepisania, a nie kolejnego promptu.
Nie. Model jest bardzo dobry w researchu, porządkowaniu informacji i przyspieszaniu pierwszej wersji. Problem zaczyna się tam, gdzie jego produkt trafia do publikacji bez ludzkiego wykończenia. Framework „AI-assisted, human-finished" rozdziela te role: model zbiera dane i proponuje strukturę, ty dokładasz doświadczenie, wdrożenia, własne liczby i głos marki.
To czterowarstwowy podział pracy nad treścią. Research: model zbiera dane, ty wybierasz istotne dla swojego odbiorcy. Struktura: model proponuje szkielet, ty dokładasz wdrożenia i liczby z własnych projektów. Głos: model pisze wersję roboczą, ty przepisujesz każde zdanie brzmiące jak wypełniacz. Jawność: mówisz wprost, w jakiej części procesu korzystasz z AI. Efektywność narzędzia zostaje, autentyczność nie znika.
Unijne przepisy o sztucznej inteligencji zmierzają w stronę obowiązku oznaczania treści generowanych maszynowo, więc kierunek jest przesądzony, a szczegóły zależą od rodzaju treści i roli, w jakiej występujesz. Niezależnie od terminów warto oznaczać wcześniej: zdanie „ten tekst powstał z pomocą AI, fakty zweryfikowałem, wnioski są moje" działa lepiej niż milczenie, bo ukrywanie zamienia kwestię techniczną w kwestię uczciwości. Ten sam wzorzec widać w historii Sports Illustrated, gdzie problemem było nie użycie modelu, tylko fikcyjni autorzy.
Ta prognoza krąży po branży w wielu wersjach i przy próbie dotarcia do źródła prowadzi do kolejnych cytowań z cytowań, a nie do pomiaru — dlatego nie warto się nią posługiwać. Dla decyzji marketingowej udział ten i tak nie ma znaczenia. Wystarczy, że w twojej kategorii konkurencja używa tego samego narzędzia i tych samych promptów, żeby jedynym wyróżnikiem zostało to, czego model nie ma: twoje doświadczenie, twoje dane i twoje błędy.
Szymon Mojsak
Ekspert automatyzacji procesów biznesowych i współwłaściciel RCPonline — systemu rejestracji czasu pracy.
Teoria zastosowana w praktyce — treści opieram na własnych doświadczeniach zdobytych przy wdrożeniach i w relacjach międzyludzkich.
Poszerzam horyzonty — nieustannie rozwijam wiedzę z zakresu marketingu, psychologii i IT.
Zamieniam twórczy chaos w kierunek — najpierw pytanie „po co”, dopiero potem „jak”. Pomagam zrozumieć procesy, by je usprawnić.
Ten materiał powstał z udziałem AI
Narzędzia AI — wspierały research, redakcję tekstu i przygotowanie ilustracji.
Autor — wybiera temat, pisze pierwszą wersję i redaguje całość przed publikacją. Doświadczenia, oceny i punkt widzenia w tekście są jego własne.
Ładowanie komentarzy...