LinkedIn añade una capa de recomendación con IA a su feed

Siècle Digital informó el 10 de noviembre de 2026 de que LinkedIn incorpora un sistema de recomendación basado en IA diseñado para mostrar publicaciones que encajen mejor con lo que los usuarios esperan ver. El mismo medio señala que la red profesional lleva varios meses ajustando su funcionamiento, en un contexto en el que el contenido generado por IA no deja de multiplicarse en la plataforma y parte de la audiencia critica lo que se denomina vagamente "AI slop". Más allá de eso, el anuncio, tal como se ha publicado, no especifica cómo ordena las publicaciones el sistema de recomendación, qué señales tiene en cuenta ni qué cambia para creadores y páginas.

Qué establece el anuncio y qué deja abierto

Lo establecido es poco: una capa de recomendación construida sobre IA, un objetivo declarado de ajustar mejor el contenido a las expectativas del usuario y un trasfondo de volumen creciente de publicaciones generadas por máquinas. Lo que sigue sin saberse importa más para quien publica en LinkedIn: si la distribución pondera ahora de otra forma los patrones de interacción, si el sistema penaliza activamente el contenido considerado sintético, si el alcance de páginas y perfiles personales se ve afectado y con qué calendario se despliega. No hay cifras de alcance, ni lista de factores de ranking, ni descripción de cómo puede un creador influir en la visibilidad. Mientras LinkedIn no publique ese detalle, cualquier táctica presentada como "alineada con el nuevo algoritmo" es especulación.

El contexto: el volumen supera la atención

Desde hace años, el cuello de botella práctico en la mayoría de las plataformas sociales es la oferta, no la demanda: el coste de publicar se ha desplomado mientras la atención disponible para leer, ver o hacer clic no se ha movido. Cuando generar una publicación aceptable lleva segundos, los feeds se llenan más rápido de lo que se pueden ajustar los sistemas de ranking, y la primera reacción del usuario suele ser pasar de largo o salir. Los sistemas de recomendación son la respuesta estándar. La experiencia del sector sugiere que estos sistemas aprenden del comportamiento y no de las preferencias declaradas, lo que significa que lo que un equipo hace realmente ante las publicaciones pesa más que lo que dice querer.

La crítica reportada al contenido generado por IA añade una segunda capa. Las plataformas rara vez prohíben de plano un tipo de contenido; tienden a reponderarlo de forma discreta mediante el ranking. Un feed optimizado para la satisfacción suele premiar el material que provoca una reacción que el lector valora, no el que simplemente ocupa espacio.

Qué puede comprobar un equipo esta semana

La mayor parte del trabajo útil aquí es medición e higiene, no adivinar pesos.

• Compara el alcance y la interacción por publicación de los últimos 60 días con el periodo anterior, y separa las publicaciones con un punto de vista claro de los reposteos o resúmenes genéricos.
• Revisa si los comentarios en tus propias publicaciones vienen de cuentas que parecen automatizadas; un feed que premia la conversación real convierte un recuento de comentarios inflado en una señal más débil.
• Audita la relación entre publicaciones publicadas y publicaciones que generaron visitas al perfil, mensajes o leads. El volumen sin acción posterior es el patrón con más probabilidad de verse descontado.
• Pregunta a un puñado de clientes o prospectos qué recuerdan de tus últimas diez publicaciones. El recuerdo es un indicador tosco pero honesto de si el contenido justificaba la distribución.

El sistema que LinkedIn ha descrito sigue siendo, según lo publicado, una caja negra. La decisión defendible es publicar material que un humano elegiría leer y medir si la distribución sigue traduciéndose en tráfico y conversaciones en lugar de quedarse en impresiones.