41% van de LinkedIn-posts is niet door een mens geschreven

Jarenlang was 'het internet verandert in door AI gegenereerd slib' een gevoel, geen getal. In 2026 kregen we eindelijk cijfers, uit twee onafhankelijke studies die echte feeds maten in plaats van te gokken. De kop: tot 41% van de lange LinkedIn-posts is niet door een mens geschreven. En LinkedIn is zelfs niet het slechtste platform.

Dit zegt de data, wat de platforms eraan doen en waarom geen van hun maatregelen jouw feed beschermt.

De studie die mat wat mensen echt zagen

In juli 2026 berichtte 404 Media over een studie van Pangram, een bedrijf dat AI-detectie levert. Het interessante is de methode: in plaats van openbare pagina's te scrapen gebruikte Pangram een Chrome-extensie die twee maanden lang passief ongeveer een miljoen posts scande die echte gebruikers daadwerkelijk in hun feed zagen.

Dat verschil is belangrijk. Scrapen vertelt wat er bestaat; feedscans vertellen wat het algoritme serveert. Dit is een meting van blootstelling, niet van aanbod.

De resultaten voor tekstplatforms:

Twee kanttekeningen die deze cijfers zorgwekkender maken, niet minder. Ten eerste claimt Pangram een percentage valse positieven van ongeveer 1 op 10.000; dit is dus geen overijverige detector die de teller opblaast. Ten tweede noemt Pangram de cijfers uitdrukkelijk een ondergrens: de detector markeert alleen wat hij zeker weet.

Video is erger: 59% van een verse TikTok-feed

Tekst is maar de helft van het verhaal. In juni 2026 voerde videotoolbedrijf Kapwing een ander experiment uit: maak een gloednieuw account zonder geschiedenis en noteer wat het algoritme een blanco gebruiker voorschotelt.

Op TikTok was 59% van de video's voor een vers account AI-slop. Op YouTube Shorts was dat 21%: beter, maar nog steeds één op de vijf.

De opzet met een vers account is de kern. Dit is het standaarddieet, wat een platform je voorschotelt voordat het iets van je smaak weet. Ben je een nieuwe gebruiker, een incidentele kijker of een kind met een nieuw apparaat, dan is dit je feed.

Kinderen krijgen het zwaarst te verduren

Het meest verontrustende getal uit de Kapwing-studie: de categorie kindercontent werd het hardst getroffen, met 57% AI-slop. De hashtag #CartoonKids scoorde 97/100 op hun AI-schaal, in feite een volledig synthetisch kanaal gericht op kinderen.

Dat komt overeen met wat we beschreven in onze gids over het blokkeren van AI-gegenereerde YouTube-kanalen: kindercontent is het economisch logische doelwit van contentboerderijen. Kinderen slaan video's van lage kwaliteit niet over, melden ze niet en kijken op autoplay. Maximale kijktijd, minimale controle.

Heeft een kind bij jou thuis een feed, dan is statistisch gezien het grootste deel daarvan nooit door een mens aangeraakt. Daarom is ouderlijk toezicht bij ons gratis en geen betaalde upsell.

Wat de platforms doen

Eerlijk is eerlijk: 2026 is het jaar waarin platforms ophielden te doen alsof dit niet gebeurde. De reacties tot nu toe:

• YouTube verplaatste zijn AI-labels naar een zichtbaardere plek onder de speler, voegde een overlaylabel toe op Shorts en begon content automatisch te labelen met C2PA- en SynthID-herkomstmetadata. In januari 2026 beëindigde het 16 kanalen met samen 35 miljoen abonnees wegens niet-authentieke content.
• LinkedIn haalde stilletjes zijn AI-schrijfassistent van de postknop, dezelfde functie die de vloedgolf mee op gang bracht.
• Reddit zegt dagelijks 23 miljoen spamweergaven te blokkeren en voerde een 'people are best'-merkcampagne rond menselijke authenticiteit.

Let op de ironie van die middelste regel: platforms besteedden 2023 tot 2025 aan het uitbrengen van AI-generatieknoppen en besteden 2026 aan AI-detectielabels voor het resultaat.

Waarom labels en opschoonacties je feed niet repareren

Elke platformreactie hierboven heeft één eigenschap gemeen: ze is reactief.

1. Labels annoteren; ze filteren niet. Een 'gemaakt met AI'-badge onder de speler verlaagt niet hoe vaak het algoritme de video aanbeveelt. Je besteedt er nog steeds aandacht aan; het label zegt achteraf dat dat niet had gehoeven.
2. Labels hangen af van medewerking. Labelen op basis van melding gaat ervan uit dat slopboerderijen zichzelf aangeven. Labelen op basis van herkomst (C2PA/SynthID) werkt alleen als de metadata herencodering overleeft, en die weghalen is triviaal.
3. Opschoonacties lopen achter. De 16 beëindigde kanalen van YouTube hadden al 35 miljoen abonnees verzameld. De handhaving kwam na jaren van blootstelling, en de beheerders registreren zich gewoon opnieuw.
4. Elk platform verdedigt alleen zijn eigen terrein. YouTube-labels helpen je niet op LinkedIn; Reddits spamblokkade raakt je X-feed niet. Slopoperaties werken platformoverstijgend; moderatie niet.

Platforms optimaliseren voor engagement en, zoals de cijfers van Pangram laten zien, AI-slop is engagement. Verwachten dat de aanbevelingsmotor zichzelf uithongert is geen strategie.

Het proactieve alternatief: cureren voordat het je bereikt

De structurele oplossing is het omgekeerde van labelen: annoteer slop niet nadat het geladen is, maar stop bekende slopbronnen voordat ze verschijnen.

Daarop is Blokari gebouwd:

• Door de community samengestelde blokkeerlijsten. Menselijke curatoren onderhouden lijsten van bekende AI-slopkanalen en -accounts, dezelfde industriële boerderijen die deze studies maten. Abonneer je één keer; de lijst wordt bijgewerkt als er nieuwe boerderijen opduiken.
• Platformoverstijgend ontworpen. Dezelfde extensie filtert YouTube, LinkedIn, X en Reddit, precies zoals slopoperaties echt werken. Onze gids voor het filteren van je LinkedIn-feed gaat specifiek over dat 41%-probleem.
• Je eigen regels erbovenop. Een persoonlijke blokkeerlijst voor alles wat de samengestelde lijsten nog niet hebben gevangen, en een whitelist zodat een echte maker nooit per ongeluk wordt verborgen.
• Gratis ouderlijk toezicht. Gezien het cijfer van 57% in de kindercategorie is dit de minst optionele functie die we leveren, en hij is gratis in elk abonnement.

Er is ook een langetermijnvoordeel. Aanbevelingsalgoritmen leren van waar jij op reageert. Als slop niet meer verschijnt, voed je het niet meer met klikken en kijktijd, en drijven je aanbevelingen terug naar mensen. Je verbergt niet alleen content; je traint je feed.

De conclusie

De data van 2026 verving een gevoel door een meting: 41% van de lange LinkedIn-posts, een kwart van de X-artikelen volledig door machines geschreven, 59% van een verse TikTok-feed, 97/100 bij een kinderhashtag. En dit zijn ondergrenzen, gemeten in feeds die mensen echt zagen.

Platforms blijven labelen en opschonen, reactief, één platform tegelijk, nadat de blootstelling al heeft plaatsgevonden. De enige feedverdediging die werkt vóór de blootstelling is curatie die jij beheert. Kies je bronnen, blokkeer de boerderijen en laat mensen weer in je feed toe.

Veelgestelde vragen