LinkedIn 長文四成似全 AI 寫：點解職場平台特別多罐頭文？

LinkedIn 點解成為罐頭文重災區？

最近碌 LinkedIn，成日都見到同一款文：頭兩句講人生低谷，中間列三個「領悟」，結尾問你同唔同意。句句完整，但睇完又好似冇接收到任何新資料。TechNews 科技新報報道，AI 偵測公司 Pangram 分析 1,002,627 篇來自 LinkedIn、X、Reddit、Medium 同 Substack 嘅內容，結果指 LinkedIn 有 41% 長文俾系統判斷為全 AI 生成。

呢個結果其實幾符合平台玩法。LinkedIn 上面一篇文可以同時用嚟求職、搵客、建立專業形象同增加曝光，要長期維持出文頻率，自然會有壓力。AI 最啱處理呢類任務：畀幾粒重點，幾秒就砌到一篇語氣穩陣、格式齊全嘅長文。問題係大家都用相近模型同 prompt，最後連失敗經歷都講到似公司季度報告，個人品牌反而愈寫愈冇個人味。

LinkedIn 嘅 41%，同 X 嘅近半唔係同一回事

標題見到「近半內容非真人撰寫」好易會錯意。研究將超過 250 字嘅內容定為長文，所以結果唔涵蓋平台上大量短帖、相片說明同普通回覆。X 嘅數字亦用咗另一個口徑：全 AI 生成佔 23.9%，人寫再由 AI 協助或混合生成佔 22.9%，兩類加埋先係約 46.8%。LinkedIn 個 41% 講緊全 AI 分類，兩個百分比唔適合直接鬥高低。

樣本來源亦要睇清楚。Pangram 經自家 Chrome extension，收集自願安裝用戶喺 2026 年 4 月底至 6 月期間見到嘅內容。咁樣量到嘅係一批用戶實際收到咩帖文，唔代表五個平台全部內容；肯裝 AI detector extension 嘅人，其使用習慣亦可能同一般用戶有差別。再加上 Pangram本身有售 AI 偵測產品，研究結論同公司業務方向一致，解讀時要保留呢層利益關係。

五個平台，其實有五套寫文誘因

LinkedIn 鼓勵人持續展示專業形象，最容易出現四平八穩嘅職場長文；X 節奏快、追熱門話題，AI 好適合大量改寫同延伸短帖。Medium 靠搜尋流量同文章數量搵曝光，批量內容有直接回報。Reddit 重視社群語境、舊帖脈絡同留言互動，太工整、冇細節嘅答案較易俾用戶質疑。Substack 就靠作者同訂戶建立長期關係，讀者會認住把聲，寫得太模板化較容易流失付費支持。

呢啲差異解釋到點解同一套生成工具，去到唔同平台會有唔同效果。身份同工作履歷綁得最實嘅 LinkedIn，理論上應該最着重本人觀點；偏偏發文又直接關乎曝光同生意，令人更有動機交俾 AI 代寫。當平台獎勵穩定產量，生成工具自然會將個人經驗加工成最安全、最易複製嘅格式。

AI detector 只係線索，唔係作者身份證明

Pangram 呢類工具會從文字模式估計來源，輸出仍然係分類結果，冇辦法還原作者究竟由空白頁開始叫 AI 寫、只用工具執文法，抑或自己逐句寫。獨立研究亦指出，detector 會有 false positive 同 false negative；文章類型、篇幅、改寫程度，甚至作者係咪以英文做第二語言，都可能影響判斷。人寫再用 AI 潤飾嘅混合文字尤其難分，單一分數唔應該用嚟公開指控作者。

招聘者睇 candidate 帖文，或者客戶揀 freelancer，可以先檢查內容有冇可核實細節：項目做過咩取捨、數字由邊度嚟、失敗原因係咩、留言追問時答唔答到落去。大量空泛形容詞、每段節奏完全一樣、故事冇時間人物同具體限制，都可以係警號，但仍然只係警號。真係涉及聘用或誠信判斷，最好要求對方解釋工作過程或提供原始材料，唔好拎 detector 截圖直接判案。

LinkedIn 自己都開始壓低通用內容

LinkedIn 今年公布會減少重複、低資訊量同引人互動嘅內容，亦會處理自動留言及欠缺真人參與嘅大規模回覆。官方其後再講明，系統會辨認內容有冇觀點、背景同專業資料；似由 AI 生成兼內容空泛嘅帖文，較難傳到作者現有人脈圈以外。換句話講，用 AI 狂砌「專業感」長文，長遠未必再換到同樣曝光。

對打工仔、招聘者、freelancer 同內容工作者嚟講，AI 幫手起稿本身冇咩神秘，關鍵係交稿前有冇加入自己先答到嘅資料。平台愈多順滑但空洞嘅文字，具體經驗、可追問細節同清楚來源就愈值錢。之後要觀察嘅係 LinkedIn 壓低通用 AI 內容後，資訊質素有冇真係改善，定係罐頭文只會換一套更識避 detector 嘅寫法。

參考來源

• TechNews 科技新報 — 社群長文淪 AI 廢文製造機，研究揭 LinkedIn、X 平台近半內容非真人撰寫 — original report
• AI writing is now a problem everywhere on social media — 補充 Pangram 研究數字、250 字門檻同 LinkedIn 回應
• Keeping conversations real on LinkedIn — LinkedIn 官方交代點樣辨認同壓低通用、欠缺觀點嘅 AI 內容
• How LinkedIn Is Improving the Feed to Show More Relevant, Authentic Professional Content — LinkedIn 官方講解減少重複內容、互動誘餌同自動留言嘅做法
• Artificial Writing and Automated Detection — 獨立研究解釋 AI detector 嘅 false positive、false negative 同實際使用取捨
• GPT detectors are biased against non-native English writers — 研究 detector 對非英語母語作者可能出現嘅誤判偏差

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。