
Naïlé Titah
A partire dal 2026, quattro specifiche frasi preimpostate ti costano visibilità su LinkedIn. Lo abbiamo misurato su 56.005 post in inglese pubblicati da gennaio 2026, confrontando ogni post con gli altri dello stesso autore, in modo da escludere la dimensione del pubblico dal calcolo. La struttura stessa comporta ora una penalizzazione misurabile che prima semplicemente non esisteva:
"Smetti di X, inizia Y" / "la chiave è" (la tipica cornice di consigli generici): circa -6,7%, la più costante delle quattro
Incipit con "Ecco cosa / Ecco come / quello che nessuno ti dice": circa -4,3%
Ponte drammatico "Il risultato?": circa -4,8%
Formula di contrasto "Non è X, è Y": circa -4,9%
Questo è un cambiamento reale. Eseguendo lo stesso test sui post del 2025, la penalizzazione scompare: in inglese era statisticamente indistinguibile dallo zero. Il costo appare solo sui post pubblicati dopo la svolta di LinkedIn all'inizio del 2026 contro i contenuti percepiti come scritti dall'IA.
Quindi la consolazione spesso ripetuta secondo cui la maggior parte dei post IA sembra comunque scritta da un essere umano, e che perciò il modo di esprimersi non conta, ribalta la lezione. I post che hanno successo sembrano umani proprio perché abbandonano le forme preimpostate. Questo è l'insegnamento di questo studio: elimina questi quattro modi di dire.
Un avvertimento prima dei dati. Si tratta di un'osservazione indiretta. La copertura è ancora guidata in modo schiacciante dal tuo pubblico e dal tuo argomento; ripulire queste espressioni ti fa guadagnare una piccola percentuale in più, non ti porta in un'altra categoria.
È una correlazione che appare ex novo nel 2026, non una prova, e non ti diremo mai che raddoppierà la tua visibilità. Ma i quattro schemi sono specifici, identificabili e misurabilmente costosi, ed è esattamente per questo che vale la pena rimuoverli.
Abbiamo condotto questo test su 287.120 post di 6.000 autori e riportiamo qui i risultati in inglese. Di seguito: quanto costa ogni frase, le prove all'interno dei singoli autori e le tre abitudini che non devi assolutamente eliminare.
TL;DR: Misurati ingenuamente, i post che sembrano scritti dall'IA sembrano ottenere molto meno engagement, ma questo è dovuto principalmente al pubblico, non alla scrittura. Tenendo costante ogni autore, il costo di reach del fraseggio IA è stato statisticamente pari a zero in inglese nel 2025 e appare chiaramente nel 2026: quattro formule standard trascinano ciascuna un post in inglese dal 4% al 7% al di sotto della normale performance dell'autore stesso (la struttura dei consigli generici circa -6,7%, più l'apertura "here's how", il passaggio "The result?" e il contrasto "it's not X, it's Y"). Tre pattern scambiati per indizi di IA (la genuina sincerità, il P.S. di chiusura, una domanda finale) in realtà aumentano la reach.
La versione breve: la scrittura con IA danneggia la copertura?
Quattro espressioni standardizzate riducono la copertura nel 2026. La struttura del consiglio generico, l'introduzione del tipo "ecco come", il passaggio "Il risultato?" e la formula di contrasto "non è X, è Y" fanno perdere copertura allo stesso autore, un effetto che era statisticamente assente prima del 2026.
La penalizzazione è una novità. Nei post pubblicati a partire da gennaio 2026, l'effetto appare chiaramente in inglese, mentre nel 2025 era statisticamente pari a zero. I post più standardizzati (il 5% migliore per punteggio IA) ora perdono circa il dal 3% al 4% della loro copertura rispetto alla media dello stesso autore.
Tre abitudini aiutano la copertura. Non toccarle mai. La genuina sincerità (+4,6%), la chiusura con P.S./CTA (+7,5%) e una domanda finale (neutra, mai negativa) sono tutte al sicuro. Un mero "punteggio IA" ti direbbe di eliminare proprio ciò che funziona.
Si tratta ancora di una leva di secondo ordine. La copertura è guidata dal tuo pubblico, non dalla formulazione delle frasi. Correggere i passaggi penalizzanti fa recuperare qualche punto percentuale, ma non ti porta in un'altra categoria.
La scoperta: la penalizzazione è apparsa nel 2026
LinkedIn ha iniziato a contrastare i contenuti dal tono artificiale (AI-feeling) all'inizio del 2026. I nostri dati mostrano esattamente l'impronta che ci si aspetterebbe se ciò fosse reale: il costo in termini di copertura (reach) per la formulazione AI era assente prima del 2026 e appare dopo di esso.
Un fattore di confondimento deve essere chiarito prima di tutto, perché è la fonte dei numeri spaventosi relativi al fatto che "i post AI ottengono molto meno coinvolgimento". Mettendo in fila un insieme di post in base a quanto sembrano scritti dall'IA, quelli IA ottengono davvero molti meno 'mi piace', ma tale divario è dovuto principalmente al pubblico, non alla scrittura.
I creator più grandi scrivono con una voce più personale e meno preimpostata; i principianti che cercano una formula virale scrivono in quella più standardizzata. Per misurare la scrittura in sé, è necessario mantenere costante l'autore e confrontare i post dal tono artificiale di ciascuna persona con i propri post dal tono umano. Questo è ciò che fa ogni singolo numero in questo studio, permettendoci così di isolare la forma.
Abbiamo eseguito la versione più pulita possibile di questo test: un esperimento naturale che divide i dati al 1° gennaio 2026 e confronta ciascun post solo con gli altri post dello stesso autore nello stesso periodo, in modo che né la dimensione del pubblico né la sua crescita possano influire sul confronto.
Lo abbiamo eseguito sull'intera coorte idonea, non su un campione: 56.005 post in inglese di 2.201 autori pubblicati nel 2026.

Copertura del 5% più standardizzato (rispetto alla norma dell'autore) | 2025 | 2026 |
Inglese | -2.5% | -3.4% |
Il gradiente racconta la stessa storia. In inglese, la correlazione tra il punteggio AI e la copertura era -0.005 nel 2025, statisticamente indistinguibile da zero (il suo intervallo di confidenza includeva ancora numeri positivi), e -0.028 nel 2026, chiaramente negativa.
Qualunque sia l'esatto meccanismo (un cambio di algoritmo, la stanchezza dei lettori verso la scrittura standardizzata o entrambi), la tempistica coincide con la mossa del 2026 di LinkedIn e l'effetto sulla copertura è ora reale. Per quanto riguarda ciò che la piattaforma stessa ha dichiarato sui contenuti IA, consulta il nostro articolo separato sul se LinkedIn penalizza i contenuti IA.
Due segnali esterni al nostro database indicano la stessa direzione. Il nostro benchmark di maggio 2026 su 18.784 post mostra che le impression medie sono diminuite a doppia cifra mese su mese nella maggior parte dei segmenti di follower, in modo più marcato per gli account di medie dimensioni (quelli da 25.000 a 50.000 follower hanno perso dal 25% al 43%). E i creator che monitorano il feed su larga scala stanno individuando la causa:
Pierre Hérubel, che gestisce un account con 170.000 follower e un'agenzia che pubblica oltre 500 post B2B al mese, lo definisce la "Trappola del fango IA" (AI Slop Trap) e propone un test rapido: "un'IA competente potrebbe generare qualcosa di valido al 90% rispetto a questo in 30 secondi, dato il mio argomento?" Questa è la versione in linguaggio semplice di ciò che il nostro sistema di valutazione misura qui sotto.
Quali formule ti costano davvero portata
Tenere costante l'autore ci permette di chiederci, al netto di tutto il resto, cosa fa ogni schema di scrittura. I "segnali di IA" si dividono in due gruppi che puntano in direzioni opposte. Una parte dell'impalcatura da modello costa portata; alcune abitudini che la gente crede siano segnali di IA in realtà aiutano.
Nei nostri dati in inglese, confrontando ogni autore con i suoi stessi post, la cornice del consiglio generico ("the best leaders always...") è in testa con -6,7 % e l'apertura "here's what" con -4,3 %, mentre la cornice della sincerità autentica aiuta con +4,6 %:

Le formule che vale la pena togliere sono l'impalcatura da modello, l'apertura e la formula che segnalano "ho letto questo stesso post cento volte". Quelle da conservare sono le abitudini umane: la vulnerabilità, un poscritto, una domanda finale. Un "punteggio IA" senza sfumature ti direbbe di cancellare le cose che funzionano, ed è esattamente per questo che è lo strumento di editing sbagliato.
Le quattro formulazioni che costano portata: un cheat-sheet
Ecco i quattro passaggi, partendo dall'inglese, ciascuno con un esempio parafrasato tratto da veri post del 2026 nel nostro corpus e la riscrittura che ne recupera la portata. Ognuno rimanda alla sua scomposizione completa.
1. La cornice del consiglio generico: "Smetti di fare X, inizia a fare Y" / "la chiave è". Circa il -6,7% all'interno di un autore nei nostri dati in lingua inglese, il killer della portata più affidabile in assoluto dei quattro. Suona come "Smetti di rincorrere i like, inizia a risolvere i problemi" o "Smetti di pianificare troppo, inizia a dare potere." La simmetria nega-e-prescrivi si percepisce come un modello preimpostato non appena si legge.
Riscrivilo come l'azione specifica e concreta per l'argomento: invece di "smetti di descrivere lo strumento, inizia a fare tuo il risultato", di' come appare effettivamente per il tuo lettore il fatto di fare proprio il risultato. (Vedi come individuare un post di LinkedIn scritto dall'IA.)
2. L'apertura "ecco cosa / ecco come". Circa il -4,3% nei nostri dati in lingua inglese. Suona come "Ecco cosa nessuno ti dice quando gestisci un team di vendita" o "Ecco cosa ha cambiato tutto per i team con cui lavoro." L'annuncio non aggiunge nulla; ritarda solo la sostanza. Apri direttamente sulla sostanza ed elimina del tutto la cornice del "ecco cosa".
3. Il ponte "Il risultato?". Circa il -4,8% nei nostri dati in lingua inglese. Suona come "Cuciono flussi di lavoro da cinque app diverse. Il risultato? Chi è in prima linea si perde" o "Le aziende lo portano internamente troppo presto. Il risultato? Sottoperformano." La drammatica domanda di una sola parola è pura impalcatura. Concatena la conseguenza direttamente: "...quindi chi è in prima linea si perde."
4. La formula di contrasto "non è X, è Y". Circa il -4,9% all'interno di un autore nei nostri dati in lingua inglese. Suona come "Questa non è una domanda di branding, è una domanda di sistema" o "Questo non è un problema di assunzioni, è un problema di processo." Esponi il punto direttamente ("Questa è una domanda di sistema") senza il perno del nega-e-riquadra.
La prova più forte: stesso autore, due regimi
I numeri aggregati neutralizzano l'effetto del pubblico su migliaia di autori. Il modo più netto per vedere l'effetto è zoomare su un autore alla volta e confrontare i suoi post segnalati con quelli puliti. Il pubblico è costante per costruzione, il creatore è la stessa persona che scrive sullo stesso tipo di argomento, e il divario rimane ancora.
Creatore (anonimizzato) | Post | Post segnalati | Post puliti | Divario |
Un fondatore SaaS | 15 | -1.0% | +39.7% | 41 pp |
Un reclutatore | 15 | -18.1% | +18.1% | 36 pp |
Un consulente B2B | 14 | -2.0% | +19.8% | 22 pp |
Un coach | 18 | -7.8% | +10.3% | 18 pp |
Per il fondatore SaaS, i post basati sulla formula di contrasto (una riga del tipo "questa non è una domanda di branding, è una domanda di sistema") si sono posizionati all'incirca sulla loro media, mentre i loro post puliti sono andati quasi il 40% al di sopra.
I post del reclutatore con "Il risultato?" si sono attestati al 18% al di sotto della loro stessa linea di base, mentre i loro post più puliti sono saliti del 18% al di sopra, un'oscillazione di 36 punti all'interno di un unico account. Tra i vari casi di studio, i post che contengono una delle quattro frasi killer si posizionano da 18 a 41 punti al di sotto dei post puliti dello stesso autore.
Questo dato è correlazionale a livello di singolo autore (l'argomento e il formato variano da post a post, quindi non è una prova di per sé), ma punta nella stessa direzione della stima controllata e rende concreto il meccanismo: quando un creatore forte ricorre al template, quel post specifico ha prestazioni inferiori rispetto alla sua norma.
Cosa AIUTA la copertura: non eliminarli
Il motivo per cui un mero "rilevatore di IA" è lo strumento di editing sbagliato è che tre delle abitudini che segnala come "tipiche di LinkedIn" in realtà aumentano la copertura. Si tratta di pratiche di engagement, non di IA da cui non potete liberarvi, ed eliminarle vi farà perdere questo vantaggio:
Sincerità autentica e vulnerabilità: +4,6% all'interno di un autore. Un'ammissione reale e non filtrata ("Questo mese ho raggiunto 40.000 euro di fatturato, e stamattina mi sono reso conto di non avere nessuno con cui festeggiare") aumenta la copertura, non la riduce. Conservatela.
Una domanda di chiusura: neutrale sulla copertura, e attira commenti. Terminare con la domanda che il lettore ha evitato ("Sono sulla strada giusta?") invita al commento che alimenta la copertura.
Il P.S. / la firma con CTA: positivo per la copertura. Una chiusura chiara come "ecco dove andare adesso" aiuta; non viene percepita come una sottomissione all'IA.
Se una fase di editing vi chiede di appiattire questi elementi in nome del sembrare meno una macchina, ignoratela. Eliminate le quattro formule stereotipate sopra menzionate; lasciate in pace le tre umane.
Volete la velocità dell'IA senza i pattern che vi penalizzano? Questo è lo scopo per cui è stato creato il generatore di post IA di MagicPost.
Scrive la bozza partendo dalle vostre idee, poi il suo umanizzatore riscrive l'impalcatura predefinita che questo studio segnala come penalizzante (l'incipit "ecco come", la formula di contrasto, la cornice di consigli generici) mantenendo la vostra voce e le abitudini che generano effettivamente engagement. Otterrete la bozza in pochi secondi senza finire nella parte della curva che ora perde copertura.
Cosa significa e cosa non significa questo
Cosa significa. A partire dal 2026, affidarsi a frasi fatte generate dall'IA ha un costo reale e misurabile in termini di copertura, e possiamo identificare le espressioni che lo comportano. Per chiunque inizi ogni post con "ecco come" o faccia ricorso alla formula del contrasto, correggere questo aspetto garantisce una fetta significativa di copertura. I pattern da correggere sono specifici e pochi.
Cosa non significa. Non significa che la scrittura tramite IA faccia crollare la tua copertura (la spaventosa cifra di "molto meno coinvolgimento" era dovuta principalmente al divario di pubblico, non alla scrittura).
Non significa che la scelta delle parole sia la leva principale: la copertura è dominata dal tuo pubblico e dal tuo argomento, e la scelta delle parole è un tweak di secondo ordine che fa recuperare qualche punto percentuale in extremis. E poiché si tratta di dati osservazionali, parte del costo potrebbe risiedere nello sforzo piuttosto che nella forma, dato che un post costruito su una formula pura spesso ha un'idea di fondo più debole.
Mantenendo costante l'autore e isolando ciascun pattern, la spiegazione legata alla scelta delle parole risulta la più probabile, ma non dimostra una relazione di causa-effetto.
In ogni caso, la mossa da fare è la stessa: abbandonare l'intelaiatura dei modelli preconfezionati, reinserire un punto di vista reale, e il costo svanirà di conseguenza. (Per i pattern stessi, vedi come individuare un post di LinkedIn scritto dall'IA; per capire da dove provengano, scrittura IA su LinkedIn: lo stato dell'arte.)
Da dove provengono questi dati sulla copertura dell'IA
Tutto ciò che si trova qui è frutto della ricerca proprietaria di MagicPost, riproducibile dallo script sottostante. L'analisi copre i nostri post in inglese su LinkedIn (testo e immagini, da 40 a 400 parole, visualizzazioni stabili): 143.515 post di 3.000 autori per i costi dei dispositivi per modello, e l'intera coorte inglese idonea per la tempistica, 56.005 post nel 2026 e 253.284 nel 2025.
La copertura (reach) è il `ln(visualizzazioni)` centrato sulla media di ciascun autore, pertanto la dimensione del pubblico viene esclusa per costruzione. La scoperta del 2026 utilizza un esperimento naturale che taglia al 1° gennaio 2026 e ricentra ogni post all'interno del proprio autore e periodo, in modo che né il pubblico né la sua crescita trapelino oltre il taglio.
Gli effetti per singolo modello derivano da un'unica regressione di tutte le famiglie di dispositivi insieme, con controlli per lunghezza, formato e anzianità del post, e intervalli di confidenza da ricampionamento bootstrap a livello di autore. Il valutatore IA è il nostro `ai_likelihood_v2` proprietario, validato rispetto a un campione di 800 post giudicato da LLM con una correlazione di rango pari a 0,82.
Onesta avvertenza: si tratta di una correlazione intra-autore, non di un esperimento; rimuove il fattore di confondimento del pubblico ma non un fattore di confondimento legato allo sforzo residuo. Dati aggiornati a giugno 2026, rinfrescati con i dati storici.
Domande Frequenti
I post scritti dall'AI ottengono meno engagement su LinkedIn?
A partire dal 2026, sì, anche se meno di quanto suggeriscano i numeri spaventosi. Misurati ingenuamente, i post che sembrano scritti dall'intelligenza artificiale sembrano ottenere un coinvolgimento molto inferiore, ma la maggior parte di questo divario è dovuta alle dimensioni del pubblico, non alla scrittura.
Confrontando ciascun autore con se stesso, il costo in termini di copertura per la formulazione tramite IA era statisticamente pari a zero in inglese nel 2025 e appare chiaramente nel 2026: i post più strutturati secondo modelli predefiniti ora perdono circa il 3% - 4% della loro copertura rispetto allo stile normale dello stesso autore, e ogni giro di parole costoso si attesta tra il 4% e il 7% circa al di sotto.
È cambiato qualcosa nel 2026?
Sì, e questo è il titolo principale. Nei post in inglese pubblicati da gennaio 2026 (con audience neutralizzata), il legame tra la formulazione tramite intelligenza artificiale e la copertura è chiaramente negativo, laddove nel 2025 era indistinguibile da zero.
La tempistica coincide con la mossa di LinkedIn all'inizio del 2026 contro i contenuti dall'aspetto artificiale. Che la causa sia l'algoritmo, la fatica del lettore o entrambi, il costo in termini di copertura è ora misurabile laddove prima non lo era.
Quali fraseggi da AI costano più copertura?
Impalcature preformattate, non qualsiasi abitudine che "suoni da IA". Nei nostri dati in lingua inglese, le formule più costose sono la struttura del consiglio generico ("Smetti di fare X, inizia a fare Y", circa -6.7%), la formula di contrasto "non è X, è Y" (-4.9%), il ponte di collegamento "Il risultato?" (-4.8%) e l'apertura "ecco cosa / ecco come" (-4.3%), ciascuna misurata all'interno del profilo di un singolo autore.
Tre pattern spesso scambiati per indizi di scrittura AI in realtà aumentano la copertura e dovrebbero essere mantenuti: la cornice di genuina sincerità, il saluto nei P.S. e la domanda finale.
Questo dimostra che l'AI danneggia i tuoi post?
Non si tratta di una prova, ma di una correlazione forte e specifica che appare di recente nel 2026. Mantenere costante ciascun autore consente di escludere le dimensioni del pubblico, mentre isolare ogni singolo pattern mostra quali formulazioni comportino una perdita di visibilità.
Ciò che non si può separare del tutto è l'impegno: i post costruiti su formule pure hanno spesso alla base idee più deboli. La soluzione pratica è comunque la stessa: abbandonare la struttura preimpostata, mantenere il proprio reale punto di vista e la copertura si riprenderà marginalmente.
> Gestisci l'intera tua presenza su LinkedIn in un unico posto. Con MagicPost puoi scrivere, programmare e analizzare ogni post in un unico spazio di lavoro, così da mantenere la tua voce d'autore, correggere le poche espressioni che oggi penalizzano la copertura e monitorare l'effetto di ogni modifica sui tuoi dati nel tempo.
11 pattern per individuare un post di LinkedIn scritto dall'intelligenza artificiale nel 2026
Abbiamo analizzato 46.000 post LinkedIn per trovare gli 11 schemi che fanno leggere un post come IA nel 2026, con esempi reali dei migliori creator e come correggere ognuno.
LinkedIn penalizza i contenuti IA? Cosa dicono i dati (2026)
LinkedIn penalizza i contenuti IA? Non proprio. Penalizza la distribuzione dei post generici, non l'IA. Abbiamo analizzato 46.000 post top e il 97% risulta umano. Scopri di più qui.
Scrittura con AI su LinkedIn nel 2026: i campanelli d'allarme e la loro origine
L'IA ha dato a LinkedIn uno stile della casa. Ecco i pattern che nel 2026 si leggono ormai come IA, e la verità scomoda su da dove sono nati davvero.
"Non è X, è Y": la formula di intelligenza artificiale più segnalata su LinkedIn
"It's not X, it's Y" è la formula IA più segnalata su LinkedIn. La usano tutti i migliori creator, perché è diventata una spia e quanta portata costa ormai nel 2026 (around -9% in French).
L'uso della lineetta (Em Dash) lavorativa è un segno di IA su LinkedIn? (Dati 2026)
Il trattino lungo è un segno di IA su LinkedIn? Sì. Il suo uso è salito da meno del 2% dei post a oltre il 15% con ChatGPT. I dati, e cosa usare al suo posto.
"Ecco come" ed "ecco cosa": gli incipit generati dall'IA che penalizzano la visibilità
«"Here's how"» è il passaggio di consegne con IA più comune di LinkedIn. È passato da meno del 3 % dei post a oltre il 16 % con ChatGPT. Perché si legge come IA e come variarlo.
Parole generate dall'IA da evitare su LinkedIn (129.000 post, 2026)
Le famose parole IA da evitare (delve, tapestry) sono già morte su LinkedIn. Abbiamo analizzato 129.000 post. I veri tell sono passati dal vocabolario alla struttura.
How the LinkedIn Algorithm Works in 2026 (1.2M Posts)
How the LinkedIn algorithm works in 2026, measured on 1.2M posts: the levers ranked, from post length (+147%) to AI-sounding text (-57%).
The Best LinkedIn Post Format in 2026 (1.2M Posts)
The best LinkedIn post format in 2026, measured on 1.2M posts: image and carousel lead at 34 median likes, video is rising, polls are last. Full data.
Quanto dovrebbe essere lungo un post su LinkedIn?
Scopri qual è la lunghezza ideale di un post su LinkedIn per ottenere maggiore visibilità e impressioni. Scopri consigli per ottimizzare la portata e aumentare l'engagement.












