Perché gli umanizzatori generici falliscono su LinkedIn

La maggior parte degli umanizzatori sul mercato è stata creata per un lavoro diverso: superare il punteggio di rilevamento dell'IA su un saggio o una pagina di marketing. Parafrasano frase per frase e rimescolano il vocabolario per abbassare una percentuale.

Su LinkedIn questo sforzo è mal indirizzato, perché il feed non esegue un rilevatore contro il tuo post; premia i post per cui le persone si fermano e seppellisce quelli che sembrano identici a ogni altro post basato su modelli nello scroll.

E il vocabolario che inseguono è già estinto. Su 129.000 post in inglese del 2026, leverage appare 3.479 volte e unlock 1.923, mentre delve si attesta a 65, tapestry a 20 e "in the realm of" a 5 (l'analisi completa si trova in le parole IA da evitare sono già morte).

Il segnale rivelatore si è spostato dal vocabolario alla struttura. Quando abbiamo misurato cosa riduce la copertura nel 2026, confrontando ogni autore con i propri post in modo che la dimensione del pubblico non potesse falsare i dati, i colpevoli erano quattro formati preimpostati, non le parole.

Questo è lo studio sulla copertura su 287.120 post, e l'effetto era statisticamente assente prima del 2026. Si allinea con la mossa della stessa LinkedIn di inizio 2026 contro i contenuti generici (94% di rilevamento, distribuzione ridotta per quelli generici).

C'è un motivo per cui il segnale rivelatore è diventato strutturale. Più l'IA migliorava nell'imitare i migliori creatori studiati da tutti, più ogni bozza convergeva sugli stessi pochi formati, così la struttura che un tempo contraddistingueva un post brillante ora viene percepita come generata artificialmente.

Pierre Hérubel, che gestisce un account con 170.000 follower, la definisce la "Trappola della melma IA". Un umanizzatore che si limita a cercare sinonimi lascia intatte tutte e quattro le strutture. Cambia la vernice, non la cornice.