LinkedIn está extendiendo dos cambios a los comentarios: nuevos clasificadores para rebajar el contenido que considera de baja calidad en el orden de «más relevantes» y notificaciones que ayuden a los creadores a encontrar aportaciones que les interesen. Hari Srinivasan, responsable de producto de la plataforma, ha explicado que las pruebas registraron una reducción superior al 20% en las visualizaciones de comentarios identificados como «AI slop». La medida afecta a qué se destaca y a qué se avisa, dos decisiones que pueden cambiar una conversación aunque sus participantes sigan publicando.
El anuncio es relevante para quienes gestionan perfiles profesionales y comunidades de marca: una respuesta publicada puede ocupar una posición menos visible y no generar el mismo aviso al autor. Eso obliga a separar tres cosas que suelen confundirse al medir interacción: la existencia del comentario, su exposición a otros lectores y la posibilidad de que el creador lo vea entre sus notificaciones. El nuevo porcentaje comunicado describe exposición.
Qué cambia en los comentarios y qué mide el 20%
En su publicación original, Srinivasan distingue los clasificadores de comentarios y unos avisos más selectivos a los creadores. También dice que el despliegue llegará a todo el mundo próximamente. No ofrece una fecha de activación para cada cuenta española ni publica la precisión de esos nuevos clasificadores. La cobertura de Social Media Today, del 15 de noviembre, recoge ambas intervenciones.
Menos visualizaciones no significa un 20% menos de comentarios publicados ni un 20% de cuentas sancionadas. Tampoco permite concluir que se elimine automáticamente cualquier respuesta redactada con ayuda de IA. Son afirmaciones distintas que necesitarían datos específicos. Para evaluar el cambio haría falta conocer, entre otras cosas, qué contenidos entra a medir la empresa, con qué referencia compara la exposición y cuántas aportaciones legítimas puede clasificar de manera equivocada. El anuncio no resuelve esas preguntas.
La etiqueta «AI slop» describe aquí la categoría de contenido de poca calidad que LinkedIn trata de reducir. No es una certificación pública de autoría. Un comentario breve puede ser pertinente, y una respuesta extensa puede aportar poco. Leer el estilo de una frase no basta para probar si la escribió una persona o una herramienta. Para un equipo editorial, esa distinción evita convertir una decisión de distribución de la plataforma en una acusación contra un usuario concreto.
Un paso diferente al filtro del feed y a la relevancia del perfil
LinkedIn ya había descrito su filtro contra publicaciones de baja calidad. En una explicación técnica de octubre, Tim Jurka detalló un proceso que combina modelos de lenguaje y revisión por expertos para entrenar sistemas más pequeños. Aquella comunicación situaba un dato de precisión del 94% en publicaciones distribuidas fuera de la red inmediata. Ese porcentaje corresponde a otro sistema y no acredita la precisión de los nuevos filtros de comentarios.
También es diferente de la información de relevancia basada en el perfil profesional. Una cosa es explicar por qué aparece una publicación; otra, elegir qué intervenciones se muestran primero bajo ella. En esta ocasión, la novedad está dentro de la conversación y en el acceso del autor a sus respuestas. Acumular todos esos cambios bajo una misma cifra impediría entender qué se está probando realmente.
Qué revisar al gestionar una conversación profesional
La consecuencia práctica es comprobar el hilo completo cuando un comentario tenga importancia editorial o de atención al cliente. Si los avisos priorizan unas respuestas, basarse solo en la bandeja de notificaciones puede ofrecer una visión incompleta. No hace falta atribuir esa selección a un error para reconocer el límite: una herramienta que decide qué destacar también deja otras aportaciones en segundo plano.
Para una marca, una contestación útil puede añadir un dato, corregir un detalle o formular una pregunta relacionada con lo publicado. Esa es una recomendación editorial, no una fórmula para superar el clasificador. El anuncio no proporciona una longitud óptima ni una lista de palabras que garantice visibilidad. Convertir esas suposiciones en reglas internas podría producir justo la repetición que empobrece una comunidad.
Conviene asimismo distinguir volumen de comentarios y calidad de la conversación en los informes. Las métricas por publicación y por periodo ayudan a ordenar resultados, pero no prueban por sí solas por qué una respuesta obtuvo exposición. Una caída después del anuncio no demuestra que el filtro la causara: pueden intervenir el tema, la distribución inicial o la actividad del público. El cambio confirmado es más acotado: LinkedIn ajusta la selección de comentarios y avisos, con un resultado de prueba referido a visualizaciones y un despliegue todavía sin calendario individual publicado.
Fuente y alcance
LinkedIn / Social Media Today · Publicación del 16 nov 2026 ↗
Edición Contrafeed: 16 de noviembre de 2026. Revisada y ampliada con contexto, análisis y enlaces relacionados. Los hechos se atribuyen a las fuentes y la interpretación editorial se identifica en el texto.




