أمثلة على AI Slop في 2026: LinkedIn وTikTok وYouTube وFacebook وX وDeezer

مصطلح AI slop لا يعني ببساطة محتوى صُنع بالذكاء الاصطناعي. إنه مخرجات تستبدل الأدلة والحكم المهني بكمّ مصقول: Pangram صنّفت أكثر من 40% من منشورات LinkedIn التي تتجاوز 250 كلمة على أنها مولّدة بالكامل بالذكاء الاصطناعي، وأضافت LinkedIn في 30 يوليو 2026 خيار تقييم باسم "seems like AI slop".

ما هو AI slop؟ غياب الحكم المهني وليس مجرد استخدام الذكاء الاصطناعي

يبدأ AI slop حين تحلّ الأتمتة محلّ الجزء من النشر الذي يتطلب حكماً مهنياً. يستطيع النموذج مساعدة الكاتب على ترتيب حجّته أو تنقية جملته أو ترجمة فكرته من دون أن تتحول النتيجة إلى slop. يقع الفشل حين تكون المخرجات بلا مصدر ولا سياق محدد ولا تحقق، ولا أحد مستعد لتحمّل مسؤولية قرار النشر.

تعريف LinkedIn نفسه مفيد لأنه يتجنّب المعادلة الكسولة التي تساوي بين الذكاء الاصطناعي والرداءة. تصف المنصة الـ slop بأنه محتوى مولّد بالذكاء الاصطناعي بجهد منخفض قد يبدو مصقولاً بينما يفتقر إلى وجهة نظر خاصة وإلى جوهر. وتقول أيضاً إن استخدام الذكاء الاصطناعي لتحسين اللغة مقبول ما دام المنشور يمثل صوت العضو ووجهة نظره.

هذا التمييز مهم لمسؤول النمو في شركات B2B ولصاحب الوكالة ولصانع المحتوى. منشور خام مستخرج من مقابلات مع العملاء قد يكون قيّماً بعد تحرير بمساعدة الذكاء الاصطناعي. ومنشور لا تشوبه شائبة مركّب من عبارات قيادية عامة قد يهدر انتباه الجمهور حتى لو كتب إنسان كل كلمة فيه.

استخدم أربعة أسئلة:

1. المصدر: هل يبدأ النص من ملاحظة أو وثيقة أو مجموعة بيانات أو حدث أو تجربة يمكن تسميتها؟
2. الخصوصية: هل يؤدي تغيير الكاتب أو الشركة أو القطاع إلى انهيار الحجّة؟
3. التحقق: هل تصمد الادعاءات الواقعية أمام مراجعة مقابل الأدلة الأساسية؟
4. القرار التحريري: هل هناك قرار أو مفاضلة أو استنتاج يتحمّل أحدهم مسؤوليته؟

قد يدعم كاشف الذكاء الاصطناعي التحقيق، لكنه لا يستطيع الإجابة عن الأسئلة الأربعة كلها. الكشف يقدّر المصدر التقني. أما الحكم على الـ slop فيعتمد أيضاً على النية والأدلة والعناية التحريرية وما يريد الناشر من الجمهور أن يفعله.

ثمانية أمثلة على AI slop في لمحة

أوضح الأمثلة تمتد عبر النص والصورة والفيديو والصوت، لكنها تتشارك آلية واحدة: المخرجات تتوسع بينما تختفي المسؤولية.

النسب المئوية لا تقيس المجتمع نفسه، لذا لا ينبغي ترتيبها في مقارنة واحدة. Pangram أخذت عينة من نصوص شاهدها مستخدمو إضافتها، وKapwing صنّفت يدوياً خلاصات المنصات وفئاتها، وDeezer أبلغت عن الكتالوج الوارد إليها. القيمة في النمط الموثق، لا في جدول ترتيب زائف.

كيف اختيرت هذه الأمثلة

لا يدخل المثال هنا إلا إذا اجتاز أربعة شروط. يحتاج إلى قطعة محددة أو سلوك قابل للتكرار، وأدلة من منصة أو دراسة أصلية، وسبب واضح لضرر السلوك بالجمهور، وحدّ يبقي العمل المشروع بمساعدة الذكاء الاصطناعي خارج دائرة الاتهام.

هذا الشرط الأخير يزيح كثيراً من الغضب السهل. صورة بالذكاء الاصطناعي ليست slop تلقائياً. أغنية اصطناعية ليست slop تلقائياً. من يستخدم نموذجاً لترجمة حجّة أصلية لا ينتج slop تلقائياً. تكتسب التسمية معناها حين تصف تكراراً صناعياً أو مصدراً مخفياً أو إهمالاً في الوقائع أو انتحال هوية أو محتوى مبنياً أساساً للتلاعب بالتوزيع.

جرى التحقق من كل مصدر وكل ادعاء منصة أدناه مقابل صفحة حية في 1 أغسطس 2026. هذا التاريخ مهم. لا تزال التغطيات الأقدم تكرر أرقام Deezer عند 20,000 أو 75,000 مقطع يومياً؛ بينما يضع تحديث الشركة في 28 يوليو الرقم الحالي عند قرابة 90,000. هذه المراجعة تقارن أمثلة موثقة لا منتجات تجارية، ولا يُدّعى فيها أي اختبار عملي لمنتج.

للأدلة حدودها أيضاً. مجموعة بيانات Pangram الاجتماعية تتكون من منشورات فحصها أشخاص ثبّتوا إضافة المتصفح ووافقوا على المشاركة البحثية. ودراسات الخلاصات لدى Kapwing تستخدم حسابات جديدة وتصنيفاً يدوياً. تكشف هذه الطرق ما قد يصادفه المستخدم، لكن أياً منها ليس حصراً شاملاً لمنصة كاملة.

1. حكاية LinkedIn القيادية التي قد تنتمي لأي أحد

الحكاية القيادية العامة على LinkedIn هي أنظف مثال نصي على الـ slop لأن الشكل يبدو موثوقاً بينما لا يحمل المضمون أي معلومة تعريفية. البناء مألوف: لحظة عادية تنتج درساً كبيراً في الأعمال، تليها قائمة مرتبة، ثم خاتمة تطلب الموافقة. احذف اسم الكاتب وجهة عمله فلا يتغير شيء.

المشكلة ليست في الأسطر القصيرة ولا في الصقل ولا في أي عبارة بعينها. المشكلة غياب الاسم الحامل للمعنى. لا يوجد نوع عميل ولا حملة ولا قيد ميزانية ولا قرار منتج ولا وثيقة مصدر ولا افتراض فاشل ولا تعريف للنتيجة. لا يستطيع مسؤول التسويق استخدام الدرس لأن الكاتب أزال كل شرط يجعله صحيحاً أو خاطئاً.

تحليل Pangram لـ 1,002,627 منشوراً اجتماعياً يجعل الحجم مرئياً. عبر المنصات الخمس المدروسة، صُنّف 25.72% من العناصر التي تتجاوز 250 كلمة على أنها مولّدة بالكامل بالذكاء الاصطناعي. وكانت LinkedIn الأكثر تشبعاً: أكثر من 40% من منشوراتها الطويلة صُنّفت مولّدة بالكامل بالذكاء الاصطناعي، وقدّمت LinkedIn 62% من كل محتوى الذكاء الاصطناعي الذي رصدته Pangram رغم أنها تمثل نحو ثلث العناصر الممسوحة.

هذه الأرقام تصنيفات كاشف، لا اعترافات من الكتّاب. تعلن Pangram معدل إيجابيات خاطئة قدره 0.01% للنموذج المستخدم في الدراسة، لكن إحصاء المجتمع لا يثبت من كتب منشوراً بعينه. لهذا السبب يهم اختبار الأسئلة الأربعة أكثر من اقتناص علامات الترقيم.

وصلت LinkedIn إلى استنتاج تحريري مشابه من اتجاه مختلف. تقول إن أنظمتها تبحث عن محتوى عام أو مكرر حتى لو بدا السطح مصقولاً. وفي اختبارات أولية، تقول الشركة إنها حددت المحتوى العام بشكل صحيح في 94% من الحالات وحدّت من توزيعه خارج الشبكة المباشرة للكاتب.

السطح: منشور مهني طويل
الإشارة الموثقة: أكثر من 40% صُنّفت مولّدة بالكامل بالذكاء الاصطناعي في عينة Pangram
لماذا ينطبق الوصف: القالب يستبدل رؤية مهنية موثقة بعاطفة عامة
الاتهام الخاطئ الذي يجب تجنبه: كاتب يستخدم الذكاء الاصطناعي لتحرير تجربة محددة وقابلة للنسبة إليه

ما زال بوسع المنصة أن تحتضن كتابة مسؤولة بمساعدة الذكاء الاصطناعي:

بالنسبة لمسؤول نمو في شركة SaaS تعمل بنموذج B2B، الإصلاح ملموس: استبدل الدرس التحفيزي بشريحة العميل، والقرار محل النقاش، والأدلة التي جرى النظر فيها، والشرط الذي يقلب التوصية. قد يصبح المنشور أقل قابلية للاتفاق العام. لكنه يصبح جديراً بالقراءة.

2. بوت تعليقات LinkedIn الذي يعيد صياغة المنشور فقط

تعليق الصدى الآلي على LinkedIn هو الـ slop في أصغر وحدة مفيدة: يستهلك الانتباه ويضيف صفر معلومة. عبارة "هذا يوضح فعلاً أهمية التركيز على العميل" أسفل منشور عن التركيز على العميل ليست تفاعلاً. إنها إيصال يؤكد أن بوتاً، أو شخصاً يتصرف مثله، عالج الأسماء الواردة في النص.

تسمّي LinkedIn سلوكين صراحة في حملتها: تعليقات تُنشأ وتُنشر على نطاق واسع بمشاركة بشرية ضئيلة أو معدومة، وردود تكتفي بإعادة صياغة المنشور الأصلي. القاعدة أقوى من "تعليقات الذكاء الاصطناعي سيئة" لأنها تحدد موضع الفشل. الرد المفيد يغيّر الحوار بإضافة قيد أو مثال مضاد أو مصدر أو سؤال لم يجب عنه الكاتب.

في 30 يوليو 2026، أطلقت LinkedIn خيار التقييم "seems like AI slop". ويذكر التحديث نفسه أن المنصة تحظر مئات الآلاف من محاولات التعليق الآلي يومياً، وأنها حظرت ملايين محاولات الأتمتة الأخرى خلال الشهرين السابقين. وصار تقييم المستخدمين إشارة إضافية للمصنّفات التي يمكنها الحد من المحتوى المقترح منخفض الجودة.

كما تتخلى LinkedIn عن ميزة "enhance your post" التي كانت تعيد كتابة كلمات العضو، وتستبدلها بتدقيق لغوي يهدف إلى الحفاظ على الصوت. هذا التغيير في المنتج يرسم الخط بدقة: المساعدة يجب أن تحسّن التعبير لا أن تصنع وجهة النظر.

السطح: التعليقات وصياغة المنشورات
الإشارة الموثقة: حظر مئات الآلاف من محاولات التعليق الآلي يومياً
لماذا ينطبق الوصف: يزيّف المشاركة بالتكرار بدل الإسهام
الاتهام الخاطئ الذي يجب تجنبه: رد مسوّد يعيد العضو كتابته حول سؤال أو مثال حقيقي

قاعدة العمل بسيطة. إذا أمكن توليد التعليق دون قراءة أدلة المنشور، فلا تنشره. اعتراض مدروس من مشترٍ حقيقي يساوي أكثر من صفحة كاملة من المديح الآلي.

3. مقال X المركّب من قالب مألوف

تُظهر بيانات Pangram الخاصة بمنصة X كيف يختبئ الـ slop الطويل داخل هيئة مقال: 23.9% من مقالات X في العينة صُنّفت مولّدة بالكامل بالذكاء الاصطناعي، و22.9% أخرى مختلطة أو بمساعدة الذكاء الاصطناعي، و53.2% مكتوبة بالكامل بيد بشرية.

مثال الـ slop ليس مجرد سلسلة تغريدات صيغت بنموذج. إنه مقال وصلت بنيته قبل فكرته: مقدمة درامية، ومبادئ مرقّمة مألوفة، وأمثلة مجردة، ودرس عام في الختام. يعطي انطباعاً بالعمق لأنه يشغل مساحة أكبر.

الطول يفاقم المشكلة لأنه يتيح للتكرار أن يتنكر في هيئة شرح. وجدت Pangram أن المواد الأطول أكثر احتمالاً لأن تكون مولّدة بالكامل بالذكاء الاصطناعي في أربع من المنصات الخمس المدروسة. وكانت Substack الاستثناء، وهو تحذير مفيد من إدانة كل منشور طويل.

بالنسبة لمسؤول النمو، الاختبار العملي هو قابلية التبديل. استبدل فئة المنتج والجمهور. إذا نجت التوصيات دون تعديل، فالمقال لم يكسب خصوصيته. المقال المفيد على X عن الاستحواذ المدفوع يسمّي نافذة الإسناد وحدث التحويل وشريحة الجمهور والمفاضلة التي أجراها المسؤول. عبارة "ركّز على القيمة" ليست قراراً تشغيلياً.

السطح: مقال على X أو سلسلة موسّعة
الإشارة الموثقة: 23.9% مولّد بالكامل بالذكاء الاصطناعي إضافة إلى 22.9% مختلط أو بمساعدة في عينة Pangram
لماذا ينطبق الوصف: بنية القالب تصنع مظهر التحليل بلا نقطة قابلة للدحض
الاتهام الخاطئ الذي يجب تجنبه: تحرير بمساعدة الذكاء الاصطناعي لحجّة موثقة بقيود مسمّاة

ينقلب القرار حين تنهار البنية من دون أدلة الكاتب. هذا انهيار جيد. إنه يثبت أن المقال يخص شخصاً بعينه.

4. مزارع التفاعل حول Shrimp Jesus على Facebook

تتحول صور Shrimp Jesus على Facebook إلى slop حين تُستخدم الطرافة الاصطناعية مخزوناً لتنمية الصفحات أو لجلب زيارات مزارع المحتوى أو لبيع منتجات غير موجودة. الصورة العبثية نفسها قد تكون مضحكة. لكن المنظومة المحيطة بها هي الدرس.

فحصت دراسة Stanford Internet Observatory عدد 120 صفحة على Facebook نشرت كل منها 50 صورة مولّدة بالذكاء الاصطناعي على الأقل. وعملت بعض الصفحات في مجموعات منسقة. وحصدت صورها مجتمعة مئات الملايين من التفاعلات، وكان أحد منشورات صور الذكاء الاصطناعي ضمن أكثر 20 محتوى مشاهدة على Facebook في الربع الثالث من 2023 بـ 40 مليون مشاهدة.

جاءت Shrimp Jesus من صفحة كانت قد أرسلت سابقاً زيارات إلى مزرعة محتوى تعتمد على العناوين المضللة. واستخدمت صفحات أخرى مدروسة صوراً اصطناعية لمنازل أو أشغال يدوية أو أعمال فنية يُزعم أن أطفالاً صنعوها. ووثّق الباحثون صفحات تدفع المستخدمين إلى نطاقات منخفضة الجودة، أو تحاول بيع منتجات لا يبدو أنها موجودة، أو تدير صفحات مسروقة، أو تتلاعب بالناس في التعليقات.

هذه حالة slop أوضح من عبارة "الصورة تبدو غريبة". الإنتاج رخيص وقابل للتكرار. المصدر مبهم. التفاعل هو المنتج. والوجهة اللاحقة، لا الصورة نفسها، هي التي تقدّم الدافع الاقتصادي غالباً.

كما يوضح ذلك لماذا يفشل الحكم الجمالي وحده. فالقشريات الدينية السريالية فانتازيا واضحة لكثير من المشاهدين. أما قطعة أثاث معقولة أو شغل يدوي لطفل فقد يخدع الناس تحديداً لأنه يبدو عادياً. المصدر والنية أهم من وجود يد مشوّهة في الصورة.

وتشير قواعد الأصالة الحالية لدى Facebook إلى الحد نفسه. تقول المنصة إن ردة فعل أو مقطعاً مدمجاً أو تغيير تعليق أو إطاراً أو تعديل سرعة لا يصير أصيلاً لمجرد أن أحداً لمسه. العتبة هي تحليل أو سرد جديد ذو معنى، وإعادة الاستخدام المتكررة منخفضة القيمة قد تكلّف التوصية والتحقيق المادي.

السطح: صفحات صور الذكاء الاصطناعي وReels
الإشارة الموثقة: 120 صفحة مدروسة، في كل منها 50 صورة ذكاء اصطناعي على الأقل، حققت مئات الملايين من التفاعلات
لماذا ينطبق الوصف: الكمّ المنسق يحوّل الطرافة الاصطناعية إلى زيارات أو مبيعات أو تلاعب بالتفاعل
الاتهام الخاطئ الذي يجب تجنبه: فن بالذكاء الاصطناعي معلن بوضوح ومنشور كعمل إبداعي مقصود

بالنسبة لعلامة تجارية تبيع مباشرة للمستهلك، الدرس ليس تجنّب صور الذكاء الاصطناعي. الدرس هو الاحتفاظ بموجز عمل قابل للتتبع، والإفصاح عن الاستخدام الاصطناعي الجوهري عند الحاجة، ومراجعة كل تفصيلة منتج ظاهرة، ورفض أي مادة وظيفتها الوحيدة إثارة تفاعل مشوّش.

5. فيديوهات الأطفال على TikTok التي لا تجيد العدّ

كرتون عدّ البسكويت على TikTok هو slop لأن شخصية أطفال مألوفة تغلّف درساً يفشل في مهمته الأساسية: الأرقام المعروضة لا تطابق حبات البسكويت.

راجعت Kapwing يدوياً 10,742 فيديو على TikTok عبر 20 فئة، ببيانات محدّثة حتى مايو 2026. وفي اختبار منفصل بحساب جديد، صنّفت 294 من أول 500 فيديو في خلاصة For You على أنها slop، أي 59%. وكانت عينة الأطفال مشبعة تقريباً بالقدر نفسه: 1,147 من 2,000 فيديو، أي 57.4%.

وكانت الفئة الفرعية الأشد هي #cartoonkids. صنّفت Kapwing عدد 97 من 100 فيديو مميّز راجعته على أنها slop. مثال العدّ استولى على شخصية يعرفها الأطفال مسبقاً، ثم قرن إشارة الثقة تلك بحساب مهمل وإنتاج اصطناعي مقلق.

هذا المزيج أسوأ من خلل بصري غير ضار. لا يستطيع الطفل الفصل بثقة بين الشخصية المعروفة والأغنية الواثقة والدرس المعطوب. يستعير الفيديو سلطة الشخصية بينما لا يبدو أن أحداً يتحمّل مسؤولية الادعاء التعليمي.

السطح: فيديو قصير للأطفال
الإشارة الموثقة: 97 من 100 فيديو ضمن #cartoonkids صُنّفت slop
لماذا ينطبق الوصف: الإنتاج الآلي يستخدم شخصيات موثوقة لتمرير درس غير مراجَع
الاتهام الخاطئ الذي يجب تجنبه: رسوم متحركة مراجَعة تستخدم أدوات ذكاء اصطناعي لكن درسها مكتوب ومُتحقق منه بيد بشرية

الحكم التشغيلي صارم: المحتوى الموجّه للأطفال يحتاج سقف تحقق أعلى لا أرخص. إذا لم يستطع أحد اعتماد الدرس، فالمادة ليست جاهزة للتوزيع.

6. العلم الزائف على TikTok بسرد واثق ووقائع معطوبة

مقطع العلم الزائف الاصطناعي على TikTok هو slop حين يحوّل مقدّم مصقول ورسوم سريعة نصاً غير مراجَع إلى خبرة ظاهرية. وثّقت Kapwing فيديو عن "أكل الليمون" بحروف مكتوبة بشكل خاطئ ومشوّه، إلى جانب محتوى تاريخي بالذكاء الاصطناعي انتُقد بسبب أخطاء وقائعية.

معدلات الفئات توضح لماذا ليست هذه دعابة بصرية معزولة. في عينة Kapwing، صُنّف 35.0% من فيديوهات العلوم والتعليم و33.8% من فيديوهات الصحة و33.5% من فيديوهات التاريخ على أنها slop. وهذه موضوعات قد تسافر فيها تفصيلة مختلقة بثقة أبعد من تصحيحها.

ما زال بوسع الذكاء الاصطناعي أن يكون مفيداً هنا. يمكن للمعلّم استخدام الرسوم لعرض عملية بيولوجية يصعب تصويرها. ويمكن لمتحف إعادة بناء مشهد مع الإشارة إلى مواضع عدم اليقين. الفارق الحاسم هو ما إذا راجع شخص مؤهل النص، وما إذا كانت المصادر ظاهرة، وما إذا كانت الادعاءات البصرية تطابق السرد.

السطح: فيديو قصير في العلوم والصحة والتاريخ
الإشارة الموثقة: معدلات slop في الفئات بلغت 35.0% و33.8% و33.5% على الترتيب
لماذا ينطبق الوصف: العرض يستعير ثقة الخبير بينما تبقى الوقائع والملصقات بلا مراجعة
الاتهام الخاطئ الذي يجب تجنبه: تعليم موثّق راجعه خبراء ويستخدم عناصر بصرية اصطناعية بشفافية

على العلامة التجارية للخدمات المحلية تطبيق القاعدة نفسها على المحتوى الإرشادي. صورة رمزية بالذكاء الاصطناعي تشرح خدمة قد تكون فعّالة. أما صورة رمزية تخترع لوائح أو نتائج طبية أو حدوداً تقنية فهي مسؤولية قانونية بوجه ودود.

7. قنوات YouTube التي تكرر فرضية اصطناعية واحدة مئات المرات

أوضح أنماط الـ slop على YouTube هو القناة التي تحوّل فرضية اصطناعية واحدة إلى مئات الفيديوهات المتبادلة، ثم تعامل زمن المشاهدة كدليل على القيمة الإبداعية.

سجّلت عينة Kapwing بالحساب الجديد 104 فيديوهات مولّدة بالذكاء الاصطناعي ضمن أول 500 من Shorts، أي 21%، و165 فيديو من نوع brainrot، أي 33%. كما وثّقت دراستها الأوسع في أكتوبر 2025 قنوات مبنية على فرضيات مكررة. فقناة Cuentos Facinantes كان لديها 5.95 مليون مشترك و1.28 مليار مشاهدة بينما تنشر فيديوهات منخفضة الجودة بطابع Dragon Ball. وقناة Bandar Apna Dost تجاوزت 500 فيديو معظمها تنويعات على قرد واقعي في مواقف بشرية، وبلغت 2.07 مليار مشاهدة.

أرقام الجمهور لا تنقذ العمل من وصف الـ slop. إنها تفسّر الحافز. فما إن تحصل فرضية قابلة للتكرار على توزيع، حتى يجعل التوليد إنتاج النسخة التالية رخيصاً قبل أن يسأل أحد إن كانت تضيف شيئاً.

أولويات YouTube الرسمية لعام 2026 لا تحظر الفيديو المصنوع بالذكاء الاصطناعي. تقول الشركة إنها توسّع الأنظمة المستخدمة ضد الرسائل المزعجة والعناوين المضللة لتقليل محتوى الذكاء الاصطناعي المكرر ومنخفض الجودة. التكرار والجودة، لا نسبة الذكاء الاصطناعي، هما الهدف المعلن.

هذه الصياغة مهمة أيضاً للادعاء المتكرر بكثرة بأن YouTube أزالت 16 قناة ذكاء اصطناعي تمثل 35 مليون مشترك و4.7 مليار مشاهدة. قارنت التغطيات اللاحقة حالة القنوات بقائمة سابقة من Kapwing، لكن YouTube لم تنسب علناً كل عملية إزالة إلى التوليد بالذكاء الاصطناعي. الصياغة الأمينة هي أن القنوات المدرجة أُزيلت أو أُفرغت لاحقاً، لا أن YouTube أعلنت حملة تطهير واحدة بهذه الأرقام السببية.

السطح: Shorts والقنوات الاصطناعية عالية الإنتاج
الإشارة الموثقة: 104 من 500 من Shorts في خلاصة جديدة كانت مولّدة بالذكاء الاصطناعي في عينة Kapwing
لماذا ينطبق الوصف: مئات التنويعات تستغل فرضية ناجحة بلا إسهام إبداعي جديد ذي معنى
الاتهام الخاطئ الذي يجب تجنبه: صيغة يقودها صانع محتوى وتستخدم إنتاجاً بالذكاء الاصطناعي لكنها تضيف نصاً وحكماً وتنويعاً أصيلاً في كل مرة

قاعدة القرار لصاحب القناة صريحة. إذا كان الفيديو التالي موجوداً لأن السابق حقق مشاهدات، ولا يستطيع أحد تسمية الفكرة الجديدة، فهو مخزون لا عمل تحريري.

8. موسيقى اصطناعية تُرفع كمخزون لا كأغانٍ

يُظهر الكتالوج الوارد إلى Deezer الطرف الصناعي من AI slop: قرابة 90,000 مقطع مولّد بالذكاء الاصطناعي يصل يومياً، ويشكّل أكثر من 50% من إجمالي التسليم اليومي في أوقات الذروة.

هذا هو الرقم الحالي من تحديث Deezer في 28 يوليو 2026. أما الإجابات الأقدم التي تذكر 20,000 أو 75,000 مقطع فقد صارت قديمة. وتقول Deezer أيضاً إن كاشفها المجاني يعمل بـ 27 لغة عبر 20 منصة بث شائعة، وهو ما يوضح حجم البنية التحتية التي صار طوفان الكتالوج يتطلبها.

الكمّ وحده لا يجعل كل مقطع اصطناعي slop. يستطيع الموسيقي استخدام الأدوات التوليدية عن قصد والإفصاح عنها وصنع عمل بنية فنية. حالة الـ slop هي التقديم الجماعي: أغانٍ شبه مكررة، أو نسبة مضللة، أو تلاعب بالبحث، أو مقاطع تُنتج كمخزون عوائد لا كموسيقى اختار أحدهم صنعها.

تسمّي Spotify هذا السلوك مباشرة. تقول الشركة إنها أزالت أكثر من 75 مليون مقطع مزعج خلال 12 شهراً سبقت تحديث سياستها في سبتمبر 2025.

تشمل أمثلة Spotify الرفع الجماعي والنسخ المكررة وحيل SEO والمقاطع القصيرة اصطناعياً وانتحال الأصوات دون إذن. قد توجد هذه الأساليب بلا ذكاء اصطناعي، لكن التوليد يخفّض الكلفة ويرفع الكمّ. ومرة أخرى، الآلية أكثر فائدة من تصنيف المادة.

السطح: كتالوجات البث
الإشارة الموثقة: قرابة 90,000 مقطع مولّد بالذكاء الاصطناعي يومياً على Deezer؛ و75 مليون مقطع مزعج أزالتها Spotify خلال فترة 12 شهراً سابقة
لماذا ينطبق الوصف: الأتمتة تحوّل الأغاني إلى مخزون بالجملة للاكتشاف أو العوائد أو إساءة استخدام الهوية
الاتهام الخاطئ الذي يجب تجنبه: موسيقى مقصودة ومعلنة بمساعدة الذكاء الاصطناعي بإذن وبإدارة فنية

بالنسبة لعلامة تجارية تطلب تأليف موسيقى، الموجز الآمن يسمّي مالك الحقوق والاستخدام المسموح للنموذج وأذونات الصوت والشبه والملفات المصدرية والمعتمِد البشري النهائي. عبارة "مولّد بالذكاء الاصطناعي" ليست استراتيجية حقوق.

من يسمّي ماذا slop: دليل القرار

التصنيف المفيد ليس إنسان مقابل ذكاء اصطناعي. إنه مساعدة ذات مسؤول، أو عمل ضعيف، أو slop صناعي، أو خداع.

سمّه عملاً مفيداً بمساعدة الذكاء الاصطناعي حين يكون المصدر مسمّى والسياق محدداً والادعاءات الواقعية متحققاً منها وشخص يتحمّل الموقف النهائي. ربما صاغ النموذج معظم الجمل. تبقى القيمة آتية من الأدلة والقرار.

سمّه محتوى ضعيفاً حين يملك الكاتب مصدراً حقيقياً لكنه يخفق في شرح أهميته. هذا يستحق تحريراً لا اتهاماً. يستطيع مسوّق جديد كتابة منشور عام بلا ذكاء اصطناعي، ولا ينبغي أن تصير درجة الكاشف حكماً علنياً.

سمّه slop حين تفشل عدة فحوص قرار ويكافئ نظام النشر الكمّ رغم ذلك. الحكايات العامة على LinkedIn وتعليقات الصدى ومقاطع Shorts الاصطناعية المكررة والرفع الجماعي للموسيقى تنتمي كلها إلى هذا النمط لأسباب مختلفة.

سمّه رسائل مزعجة خادعة حين يخفي المحتوى مصدره أو ينتحل شخصية أو يرسل المستخدمين إلى مزرعة محتوى أو يروّج لمنتج غير موجود أو يتلاعب بالتفاعل. هذه لم تعد مجرد مشكلة جودة تحريرية.

هذا هو المسار العملي:

1. 1

   سمّ المصدر

   دوّن المقابلة أو الوثيقة أو الملاحظة أو مجموعة البيانات أو الحدث الذي جاء منه المحتوى. عبارة "اقترح نموذج الموضوع" ليست مصدراً.

2. 2

   جرّب اختبار الاستبدال

   استبدل الكاتب والشركة والمنتج والجمهور. إذا استمرت الحجّة كما هي، فهي أعمّ من أن تُنشر.

3. 3

   دقّق الادعاءات

   علّم كل جملة واقعية واربطها بدليل. احذف الادعاءات التي لا يمكن التحقق منها أو صنّفها رأياً.

4. 4

   ابحث عن القرار

   اذكر ما اختاره الكاتب أو رفضه أو ما الذي سيغيّره تحت شرط مسمّى. القرار يجعل وجهة النظر ذات مسؤول.

5. 5

   افحص دافع الإنتاج

   اسأل إن كانت هذه المادة موجودة لمساعدة جمهور بعينه أم لمجرد إبقاء آلة النشر ممتلئة. إذا كان الإيقاع هو السبب الوحيد، فتوقف.

خذ مسودة افتراضية على LinkedIn لشركة B2B: "الذكاء الاصطناعي يغيّر التهيئة. الشركات التي تتبنى التخصيص ستفوز". لا تجتاز أي اختبار مفيد. لا مصدر ولا شريحة ولا سير عمل ولا نتيجة ولا قرار.

الإصلاح ليس بإضافة علامات ترقيم طريفة. قدّم مقابلة المصدر، وحدّد أي لحظة في التهيئة تفشل، وسمّ شريحة العميل، وحدّد الأدلة التي يثق بها الفريق، واذكر الخيار الذي يجري اتخاذه. يستطيع الذكاء الاصطناعي المساعدة في تحويل هذه المدخلات إلى منشور نظيف. لكنه لا يستطيع توفير صدقها.

وهذه أيضاً هي العدسة الصحيحة لاختيار أدوات كتابة المحتوى الإعلاني بالذكاء الاصطناعي. سرعة الصياغة لا تهم إلا بعد أن يملك الفريق فكرة تستحق الصياغة. ولبرمجيات التوزيع الحد نفسه: أدوات إدارة وسائل التواصل الاجتماعي بالذكاء الاصطناعي تستطيع جدولة المادة الجيدة وتكييفها، لكن طابوراً أكبر لا يحسّن مصدراً ضعيفاً.

الاختصارات التي يجب تجنبها

أربعة اختصارات مسمّاة تجعل الـ slop أصعب في التشخيص وأسهل في الإنتاج.

الكاشف بوصفه حكماً

الكاشف بوصفه حكماً يعني معاملة درجة النموذج كدليل ضد كاتب بعينه. مجموعة بيانات Pangram مفيدة على مستوى المجتمع، ومعدل الإيجابيات الخاطئة المعلن منخفض، لكن المصنّف يظل يقدّر نسبة النص إلى كاتبه. هو لا يعرف إن كان مصدر ما قد تم التحقق منه، ولا إن كان ادعاء ما أصيلاً، ولا إن كان الكاتب استخدم الذكاء الاصطناعي للترجمة فقط.

شرطة الشرطة الطويلة

شرطة الشرطة الطويلة تعامل علامات الترقيم أو الأسطر القصيرة أو الرموز التعبيرية أو انتقالاً مألوفاً كإدانة. سمات الأسلوب قرائن في أحسن الأحوال. البشر يقلدون الصيغ الشائعة، والنماذج تقلد الكتابة البشرية. النص ذو المصدر القوي لا يصير slop بسبب شرطة؛ والنص العام لا يصير مفيداً لأن أداة "أنسنة" حذفت واحدة.

غسيل النصوص بأدوات الأنسنة

غسيل النصوص بأدوات الأنسنة يأخذ مخرجات مولّدة وعامة ويضيف إليها تنويعاً لغرض وحيد هو التهرب من الكشف. يغيّر السطح ويبقي المصدر الغائب والاستدلال الضعيف وانعدام المسؤولية. وإذا كان الهدف خداع كاشف بدل مساعدة قارئ، فسير العمل قد فشل بالفعل.

الحظر الشامل للذكاء الاصطناعي

الحظر الشامل للذكاء الاصطناعي يخلط بين الأداة وسلوك النشر. LinkedIn تسمح بتحسين اللغة بالذكاء الاصطناعي. وYouTube تترك مساحة صريحة لطيف واسع من العمل الإبداعي. وSpotify تؤطر المشكلة حول الرسائل المزعجة والانتحال والخداع. السياسة المفيدة تضبط المصدر والمراجعة والموافقة والحجم.

تحرير مضاد للـ slop من خمس مراحل لفرق التسويق

أسرع سير عمل مضاد للـ slop يزيل المادة العامة قبل أن تصل إلى التصميم أو الجدولة أو الاعتماد.

1. 1

   استعد المصدر

   ضع المدخل الأساسي في أعلى المسودة: ملاحظة مكالمة، أو سجل منتج، أو سؤال عميل، أو نتيجة حملة، أو صفحة سياسة، أو وثيقة بحثية. وإذا لم يوجد مصدر، فأعد الفكرة إلى البحث.

2. 2

   أدخل القيود

   سمّ الجمهور والقناة ونافذة القرار وحالة المنتج والاستثناء. القيود تحوّل النصيحة العامة إلى توصية تشغيلية.

3. 3

   تحقق من كل ادعاء

   ظلّل الأرقام والتواريخ والقدرات والعبارات السببية والأحداث المسمّاة. وأكّد كلاً منها مقابل المصدر المستخدم في النص. تحديث Deezer هو النموذج: استخدم قرابة 90,000 لا رقماً قديماً منسوخاً من مقال أقدم.

4. 4

   أضف الحكم

   اكتب الجملة التي يتجنبها نموذج عام: من ينبغي أن يتحرك، ومن ينبغي أن ينتظر، وما الذي يجب رفضه، وأي دليل سيغيّر القرار.

5. 5

   خفّض الإيقاع قبل الجودة

   إذا لم يستطع الفريق إتمام المراحل الأربع الأولى بمعدل إنتاجه الحالي، فانشر أقل. المزيد من المخزون الضعيف يخلق ديون مراجعة وإرهاق جمهور ومخاطر منصة.

بالنسبة لصاحب وكالة، يحسّن هذا السير أيضاً عمليات الاعتماد. يستطيع العميل مناقشة المصدر أو القيد أو القرار بدل الجدل حول ما إذا كان النص "يبدو بشرياً". وهذا يحوّل خلافاً في الذوق إلى نقاش تحريري.

وبالنسبة لفريق نمو داخلي، أضف الأسئلة الأربعة إلى الموجز قبل أن يفتح أحد أي نموذج. عندها يحتوي موجّه الصياغة على المادة التي تجعل المخرجات محددة. يصير الذكاء الاصطناعي طبقة إنتاج حول الحكم المهني لا بديلاً عنه.

الأسئلة الشائعة

ما الذي يُعدّ AI slop؟

AI slop هو محتوى منخفض الجهد تحلّ فيه الأتمتة محل الأدلة الأصلية أو الحكم المهني أو التحقق أو المسؤولية، وغالباً لتمكين حجم نشر أكبر. استخدام الذكاء الاصطناعي وحده لا ينطبق عليه الوصف. المقال الموثق بعناية قد يكون بمساعدة الذكاء الاصطناعي؛ والمقال العام قد يكون slop حتى لو كتبه إنسان.

كيف تعرف أن شيئاً ما هو AI slop؟

افحص أربعة أمور: مصدر مسمّى، وسياق ينهار لو تغيّر الكاتب أو القطاع، وادعاءات واقعية متحقق منها، وقرار تحريري له مسؤول. غياب عدة عناصر منها مع التحسين للكمّ أو الوصول أو التحقيق المادي إشارة أقوى من أي عادة في الترقيم.

هل هناك كلمات مميزة لـ AI slop؟

لا كلمة تثبت استخدام الذكاء الاصطناعي أو الـ slop. المصطلحات الرائجة والانتقالات المتوقعة والتنسيق المفرط والقوائم المتناظرة قد تجعل الكتابة العامة تبدو آلية، لكنها إشارات ضعيفة. الأدلة والخصوصية والمصدر هي الاختبارات الموثوقة.

هل يمكن إعطاء مثال واضح على AI slop؟

فيديو TikTok الموثق عن عدّ البسكويت واضح: استخدم شخصية أطفال مألوفة ودرساً اصطناعياً مصقولاً، لكن الأرقام المعروضة لم تطابق حبات البسكويت. المشكلة لم تكن الرسوم بالذكاء الاصطناعي وحدها. كانت تغليفاً تعليمياً واثقاً بلا تحقق أساسي.

هل أضافت LinkedIn طريقة للإبلاغ عن AI slop؟

نعم. أطلقت LinkedIn خيار التقييم "seems like AI slop" في 30 يوليو 2026. كما تتخلى عن "enhance your post" لصالح تدقيق لغوي يهدف إلى الحفاظ على صوت العضو، مع استخدام مصنّفات للحد من المحتوى المقترح العام.

هل حذفت YouTube عدد 16 قناة AI slop بـ 4.7 مليار مشاهدة؟

الأرقام مصدرها تغطيات لاحقة قارنت القنوات بقائمة سابقة من Kapwing. التزمت YouTube علناً بتقليل محتوى الذكاء الاصطناعي المكرر ومنخفض الجودة، لكنها لم تنسب علناً كل عملية إزالة قناة في ذلك العدّ إلى الذكاء الاصطناعي. تعامل مع الرقم كمقارنة منقولة لا كإعلان سببي رسمي.

كم حجم الموسيقى المولّدة بالذكاء الاصطناعي التي تُرفع يومياً؟

يقول تحديث Deezer في 28 يوليو 2026 إن الخدمة تتلقى قرابة 90,000 مقطع مولّد بالذكاء الاصطناعي كل يوم، بما يتجاوز نصف إجمالي التسليم اليومي في أوقات الذروة. هذا رقم وارد لمنصة واحدة، لا تقدير لصناعة الموسيقى كلها.

هل كل محتوى مولّد بالذكاء الاصطناعي هو slop؟

لا. الفن المعلن بالذكاء الاصطناعي، والرسوم المتحركة المراجَعة من خبراء، والكتابة المترجمة، والتحرير بمساعدة النماذج، والموسيقى الاصطناعية المقصودة، كلها قد تكون مشروعة. يصف الـ slop انهيار العناية والمسؤولية، خصوصاً حين يُستخدم التوليد الرخيص للتكرار أو الخداع أو الانتحال أو التلاعب بالتوزيع.