AI slop הוא בעיה של תהליך

שני מילונים קבעו את אוצר המילים בשנה שעברה. בנובמבר בחר המילון האוסטרלי Macquarie Dictionary ב־AI slop כמילת השנה שלו, והגדיר אותה כתוכן באיכות נמוכה שנוצר בבינה מלאכותית גנרטיבית, לעיתים קרובות עם שגיאות, ושאף אחד לא ביקש. בדצמבר בחרו העורכים של מילון Webster בארצות הברית פשוט ב־slop: "תוכן דיגיטלי באיכות נמוכה שמופק בדרך כלל בכמויות באמצעות בינה מלאכותית". הנשיא שלהם, גרג בארלו, אמר ל־Associated Press: "זו כמעט מילה מתריסה כשמדובר בבינה מלאכותית".

המפתח סיימון וויליסון הציע במאי 2024 את המבחן הפשוט ביותר: "אם זה נוצר בלי מחשבה ונדחף למישהו שלא ביקש את זה, slop הוא המונח המושלם לזה".

עבור חברה, המילה מתארת שיפוט שלקוחות עושים היום בתוך שנייה. הקריאה שלנו היא שה־slop אינו תכונה של הכלי. הוא מה שיוצא מתהליך בלי רפרנסים, בלי כללים ובלי מישהו שאומר לא. וזה הופך אותו לבר תיקון.

איך slop נראה בעבודה

ה־slop הוא לא רק הסרטון המוזר בפיד. חוקרים ב־BetterUp Labs וב־Stanford Social Media Lab נתנו לגרסה המשרדית שם ב־Harvard Business Review: workslop, עבודה שנעשתה עם בינה מלאכותית ונראית טוב אבל חסרה תוכן של ממש. בסקר שלהם בקרב 1,150 עובדי משרד במשרה מלאה בארצות הברית, 40 אחוזים קיבלו עבודה כזאת בחודש הקודם, וכל מקרה דרש כשעתיים של טיפול.

לשיווק יש גרסה משלו: הפוסט שיכול להיות של כל חברה, התמונה עם האור המבריק המוכר, הטקסט שלא אומר כלום בשלוש פסקאות. כל אחד מהם עולה מעט לייצר, ומי שמשלם הוא הקורא.

למה זה קורה

ארבע סיבות חוזרות שוב ושוב.

הראשונה היא ברירת המחדל. צוות ה־AI היישומי של Anthropic הסביר בנובמבר האחרון למה המודל של החברה עצמה, כשהוא נשאר בלי כיוון, מפיק שוב ושוב את אותם עיצובים בטוחים: הוא דוגם מהמרכז הסביר ביותר של מה שראה. הם קוראים לזה התכנסות התפלגותית (distributional convergence), ומציינים שמשתמשים מכנים את התוצאה האסתטיקה של AI slop. מחקר בכתב העת Patterns מצא את אותו הדבר בתמונות. חוקרים נתנו למודל תמונה ולמודל כיתוב להזין זה את זה במשך 100 סבבים, 700 פעמים, וכל הרצה נסחפה לכמה מוטיבים גנריים שהם כינו מוזיקת מעליות ויזואלית. הם חושדים שהמרכיב החסר הוא הלחץ המתקן של אינטראקציה אנושית.

השנייה היא הרפרנס החסר. פרומפט מתאר, רפרנס מראה. בלי תמונות אמיתיות של המוצר ושל האור, המודל ממלא את הפערים בממוצע שלו.

השלישית היא הכלל החסר. המודל לא יודע שהמותג שלכם אף פעם לא משתמש בגרדיאנטים, אף פעם לא קורא לשום דבר פתרון ותמיד מראה את המוצר האמיתי. אם הכללים האלה לא כתובים במקום שבו המכונה קוראת אותם, מבחינת המכונה הם לא קיימים.

הרביעית היא הבדיקה החסרה. וויליסון ניסח את זה בבוטות: "לשתף עם אנשים אחרים תוכן שנוצר באופן מלאכותי ולא נבדק זה חוסר נימוס".

הקהל מרגיש, גם כשהוא לא יודע לזהות

הראיה החזקה ביותר השנה מגיעה מניסוי של Ipsos ושל Newhouse School באוניברסיטת סירקיוז, שפורסם במאי. הם הציגו 20 מודעות ל־3,000 צרכנים אמריקאים: עשר שנוצרו בידי אנשים עבור מותגים כמו Febreze, H&M ו־Chewy, ועשר שנוצרו כולן בבינה מלאכותית מאותו בריף, ושימשו בדיוק כפי שנוצרו. רק 25 אחוזים ממי שראו מודעת AI היו בטוחים לפחות במידה מסוימת שהיא נוצרה בבינה מלאכותית. ובכל זאת, המודעות האנושיות היו חזקות ב־14 אחוזים במדד של Ipsos להשפעה על מכירות בטווח הקצר, וב־17 אחוזים בהשפעה על המותג בטווח הארוך. המחברים סיכמו את זה בשורה אחת: אמין זה לא אותו דבר כמו משכנע.

גם העמדות המוצהרות מצביעות לאותו כיוון. בסקר מיוני של The Harris Poll יחד עם 4As ו־Infillion, 73 אחוזים מהצרכנים אמרו שהם יסמכו פחות על מודעה שהם חושדים שנוצרה בבינה מלאכותית, ו־63 אחוזים אמרו שהם ייטו פחות לקנות ממותג שמשתמש במודעות שנוצרו ב־AI.

סקר עולמי בקרב 22,000 צרכנים ב־22 שווקים, שהזמינה חברת אימות המודעות DoubleVerify ופורסם ביולי, מוסיף את הניואנס החשוב. 42 אחוזים אמרו שפרסום AI באיכות נמוכה או מוזר ומטריד יפגע בדעתם על מותג, ו־40 אחוזים ראו בעין חיובית מודעות AI מלוטשות ומקצועיות. המנכ״ל של החברה, מארק זגורסקי, סיכם: "הבינה המלאכותית עצמה היא לא מה שקובע את המעורבות. איכות התוצר קובעת".

הפלטפורמות מגיבות

הפלטפורמות עברו מסובלנות לכללים. במכתב שלו לשנת 2026 הקדיש מנכ״ל YouTube, ניל מוהאן, פרק לניהול AI slop, ואמר ש־YouTube נשענת על המערכות שבהן היא משתמשת נגד ספאם ופיתיונות קליקים כדי לצמצם את התפוצה של תוכן חוזר ובאיכות נמוכה. ביולי, כך דיווח TechCrunch, פירטה YouTube מה כבר לא יכול להרוויח כסף מפרסומות: סרטונים גנריים, חוזרים או מבוססי תבנית, תוכן שנועד לגרום מצוקה, ופרסונות AI שדנות בנושאים רגישים כמו בריאות וכספים.

Pinterest הוסיפה באוקטובר 2025 הגדרות שמאפשרות לראות פחות תמונות AI בקטגוריות שבהן הן נערמות: יופי, אמנות, אופנה ועיצוב הבית. Deezer אמרה ביולי שרצועות שנוצרו כולן בבינה מלאכותית עברו בשיא שלהן ביוני את מחצית כל המוזיקה החדשה שמגיעה אליה מדי יום, אבל היוו רק 1 עד 3 אחוזים מההשמעות. היא מרחיקה אותן מההמלצות האלגוריתמיות ומרשימות ההשמעה של העורכים שלה.

הכיוון זהה בכל מקום. מה שנוצר עם AI מותר. מה שנוצר בכמויות, בלי אכפתיות, נדחק למטה.

איך אנחנו מרחיקים אותו

אנחנו מייצרים תמונות, סרטונים ופוסטים עם בינה מלאכותית בכל יום, אז נאלצנו לענות על זה בפועל, עם צעד לכל סיבה.

סגנונות נעולים. ב־Reel, כל סגנון נבנה מרפרנסים אמיתיים, עם אור, עדשה וסט שנבחרים כמו שצלם היה בוחר, ונבדק עד שהלקוח מאשר אותו. כל תמונה וכל קליפ הולכים לפי המתכון הזה, כך שהתמונה המאה נראית כמו הראשונה.

כללי המותג במוח. Studio קולט פעם אחת את ה־DNA של המותג, את הקול, את המיצוב ואת כללי הכתיבה, ונועל אותם. Twin שומר את הכללים של החברה ואת הדרך שבה היא כותבת במוח ה־AI שלה, כך שכל עוזר עובד בתוכם במקום לנחש.

אנשים ברעיונות ובבחירות, ובדיקה לפני שמשהו יוצא. ב־Reel, רעיונות, רפרנסים וסגנונות מוסכמים לפני שמשהו נוצר, כל תוצאה נבדקת לפני שהלקוח רואה אותה, ואדם בוחר כל תמונה וכל קליפ שנכנסים לשימוש. ב־Tempo, כל רעיון נבדק לפני שהוא מתוזמן, ואדם מאשר כל פוסט.

אנחנו רוצים שהבינה המלאכותית תייצר, תבדוק ותאיץ כמה שיותר מהעבודה. הרעיונות, הבחירות והאחריות למה שיוצא נשארים אצל אנשים, כי שם נקבעת האיכות ושם השם שלנו מונח על הכף.

מה חברה יכולה לעשות

התחילו מארבע הסיבות. אספו עשרים תמונות אמיתיות שאתם גאים בהן והשתמשו בהן כרפרנסים. כתבו את כללי המותג שלכם במקום שבו כל כלי יכול לקרוא אותם: הצבעים, המילים שאתם משתמשים בהן ואלה שלעולם לא, איך המוצר חייב להיראות תמיד. מנו את האדם שבוחר, ותנו לו את הזכות לומר לא לרוב מה שהמכונה מייצרת. שימו בדיקה בין המחולל לבין הציבור, בכל פעם.

לייצר slop זה זול. להיות מזוהים איתו זה יקר. הפתרון הוא לא פחות בינה מלאכותית. הוא יותר שיקול דעת סביבה.