AI Slop
AI Slop es contenido de baja calidad, producido en masa generado por sistemas de IA—caracterizado por frases genéricas, errores factuales y falta de perspectiva original—que inunda sitios web, redes sociales y resultados de búsqueda a escala.
AI slop se refiere al creciente volumen de contenido de bajo esfuerzo, a menudo no confiable, producido a escala usando herramientas de IA generativa y publicado sin edición humana significativa o verificación. El término entró en uso común alrededor de 2024 cuando generadores de imágenes, modelos de lenguaje grandes y tuberías de publicación automatizadas hicieron trivialmente barato producir texto, imágenes y video en volumen. Las características incluyen estructuras de oraciones repetitivas, afirmaciones cubiertas o huecas, hechos alucinados e imágenes visualmente plausibles pero anatómicamente incorrectas.
El mecanismo es principalmente económico: publicar grandes cantidades de material generado por IA es barato y requiere habilidad mínima, haciéndolo atractivo para granjas de optimización de motores de búsqueda, operaciones de noticias falsas, spam de redes sociales y contenido de relleno. A diferencia de la desinformación dirigida, la mayoría de AI slop no es deliberadamente engañoso—es indiferente a la exactitud o calidad. Los lectores que se encuentran con él pueden no obstante absorber información falsa o desarrollar expectativas reducidas del contenido en línea en general.
AI slop presenta varios daños interconectados. Degrada la relación señal-ruido en motores de búsqueda y feeds sociales, haciendo fuentes autorizadas más difíciles de encontrar. Contribuye al colapso del modelo cuando sistemas de IA son posteriormente entrenados en datos web contaminados. Y socava la confianza en trabajo legítimo asistido por IA, ya que las audiencias cada vez tratan cualquier contenido asociado con IA con sospecha.
Para 2025, plataformas principales incluyendo Google, Reddit y LinkedIn habían implementado políticas y ajustes algorítmicos destinados a suprimir AI slop, con resultados mixtos. Detectarlo automáticamente sigue siendo difícil porque contenido generado por IA de alta y baja calidad ocupan un espectro, y detectores de IA basados en clasificador sufren tasas de falsos positivos significativas. Se espera que el problema se intensifique cuando los costos de generación continúen cayendo.