Hiện tượng mà AI slop (rác nội dung do AI tạo ra hàng loạt, sáo rỗng, vô giá trị), và cách các nền tảng lớn đang phản ứng lại như một cơ thể sống chống virus.
Tóm tắt các điểm chính
Trong vòng 10 tuần, LinkedIn triển khai liền ba biện pháp chống rác AI. Các nền tảng lớn khác như Reddit, YouTube, TikTok, Pinterest, Meta, Spotify, Substack cũng đang làm điều tương tự.
Chi phí sản xuất nội dung giờ gần như bằng 0 nhờ AI, nên khâu khan hiếm không còn là "viết được bao nhiêu," mà là "có được chọn để hiển thị hay không."
Watermark (dấu ẩn nhận diện văn bản do AI viết) từ Anthropic không đáng lo với marketing như nhiều người nghĩ, vì có quá nhiều cách vô hiệu hóa nó.
Nội dung "không phải hàng hóa đại trà" (non-commodity) cần ba đặc điểm: độc đáo, cụ thể, và chân thực. Đây chính là công thức chống rác phổ quát.
Ba thứ mà mô hình AI không thể tạo ra theo yêu cầu: thông tin độc quyền, danh tính có thể quy trách nhiệm, và kênh sở hữu riêng.
1/ Các nền tảng nội dung phản ứng như thế nào?
LinkedIn đã nhận ra vấn đề. Chỉ trong 10 tuần, nền tảng này đã: triển khai hệ thống nhận diện rác và giới hạn phạm vi lan tỏa của nó ra ngoài mạng lưới gần của người đăng; bắt đầu thử nghiệm nút "Seems like AI Slop" để người dùng tự báo cáo bài viết và bình luận; và khai tử nút "Enhance Post, thay bằng một công cụ chỉ sửa lỗi ngữ pháp mà không viết lại giọng văn của người dùng. [1]
Một hệ miễn dịch sinh học làm ba việc: phát hiện mục tiêu, vô hiệu hóa nó, và ghi nhớ để lần sau phản ứng nhanh hơn. Các hệ thống chống rác cũng vận hành đúng ba bước đó: gắn cờ nội dung giá trị thấp, hạn chế độ lan tỏa, rồi đưa mọi trường hợp bắt được quay lại để huấn luyện mô hình tốt hơn. LinkedIn đang xây "kháng thể chống rác," và mọi nền tảng nội dung lớn khác cũng đang làm điều tương tự.
Substack đã triển khai việc sử dụng Pangram trên toàn bộ trang web để phát hiện việc sử dụng trí tuệ nhân tạo trong văn bản. [2]
YouTube đã ngừng kiếm tiền từ các video "lặp đi lặp lại, thiếu đầu tư và mang tính thao túng cảm xúc". Vào tháng 1 năm 2026, nền tảng này đã chấm dứt hoạt động của 11 kênh và xóa bỏ thêm 6 kênh khác, làm mất khoảng 4,7 tỷ lượt xem trọn đời, 35 triệu người đăng ký và khoảng 9,8 triệu đô la doanh thu hàng năm.
Reddit đã chọn cách anti-manipulation (chống thao túng) thay vì gắn nhãn (label). Tháng 7 năm 2026: Hệ thống phát hiện "nội dung bị thao túng và spam" dựa trên trí tuệ nhân tạo, tuyên bố chặn 23 triệu lượt xem spam và thu hồi khoảng 2 triệu phiếu bầu không xác thực mỗi ngày.
Pinterest : sử dụng AI detection (công nghệ nhận diện AI) để gắn nhãn nội dung, cùng với tính năng kiểm soát nguồn cấp dữ liệu cho phép người dùng giảm bớt nội dung "đã được AI chỉnh sửa" trong các danh mục cụ thể.
TikTok yêu cầu AI labels (gắn nhãn AI), nhúng metadata watermark , ra mắt công tắc limit AI content (giới hạn nội dung AI) trên nguồn cấp dữ liệu vào tháng 11 năm 2025, và vào tháng 7 năm 2026 bắt đầu thử nghiệm tính năng phát hiện các tài khoản chuyên về spam AI.
Meta đã gắn nhãn AI info (nội dung do AI tạo) trên FB/IG/Bài đăng từ năm 2024, và sẽ mở rộng sang quảng cáo vào tháng 6 năm 2026. Chỉ có nhãn, không có bộ lọc phía người dùng.
Spotify đã tấn công vào nguồn cung: hơn 75 triệu bài hát spam đã bị xóa, chính sách chống mạo danh, bộ lọc spam và công khai thông tin về AI dựa trên DDEX trong credits.
Nội dung tổng hợp rẻ mạt đang tràn ngập các nền tảng, và hệ miễn dịch của chúng đang phản ứng lại: dán nhãn, cho phép báo cáo, bộ lọc, ngừng kiếm tiền, phát hiện spam, và loại bỏ từ phía nguồn cung.
Hệ thống phòng thủ của LinkedIn đạt độ chính xác 94%. Để hiểu con số này tệ đến mức nào, hãy so với bộ lọc spam của Gmail: nếu Gmail vận hành với cùng tỷ lệ sai sót như LinkedIn, cứ 17 email hợp lệ sẽ có 1 email bị chặn nhầm thành spam. Nói cách khác, độ chính xác của LinkedIn tệ hơn Gmail khoảng 60 lần.
2/ Vì sao khâu khan hiếm bây giờ không còn là "viết được bao nhiêu"?
Chi phí sản xuất nội dung sụp xuống gần bằng 0, và điều đó dồn toàn bộ áp lực sang khâu phân phối, vì khâu này đang dần chuyển sang quyền kiểm soát của máy móc và thuật toán. Vậy nên tài sản khan hiếm thực sự bây giờ không phải là khả năng viết ra thật nhiều nội dung, mà là được chọn để hiển thị. Hiệu quả sản xuất nội dung trở nên vô nghĩa nếu nội dung đó không đến được đúng người cần đọc nó.
Cùng thời điểm các nền tảng đang bảo vệ chính dòng nội dung (feed) của họ, thì lớp quyết định AI trích dẫn nguồn nào khi trả lời câu hỏi cũng đang làm điều tương tự, chỉ là ở một tầng cao hơn. Google tung bản cập nhật chống spam vào tháng 6/2026, nhắm vào tình trạng lạm dụng sản xuất nội dung hàng loạt. Wikipedia đi xa nhất: xóa nhanh các bài nghi ngờ do LLM viết từ tháng 8/2025, rồi cấm hẳn việc dùng LLM để viết hoặc viết lại nội dung bài viết từ tháng 3/2026. Google hạ thứ hạng, Reddit phát hiện, Wikipedia cấm thẳng.
Vậy tại sao chính LinkedIn, Reddit, YouTube (những cỗ máy sản xuất rác lớn nhất) lại không bị chính công cụ tìm kiếm và LLM trừng phạt?
Ba lý do:
Thứ nhất, thực ra chúng có bị, nhưng theo cách nhắm mục tiêu chính xác hơn. Các trang được dịch máy tự động của Reddit (dạng URL có ?tl=) từng chiếm 6,14% tổng lượt trích dẫn Reddit trên ChatGPT vào tháng 4/2026, nhưng đến đầu tháng 6 chỉ còn 0,30%, trong khi tổng lượt trích dẫn Reddit nói chung lại tăng lên trong cùng giai đoạn đó. Nghĩa là bộ lọc nhắm đúng vào loại nội dung dịch máy kém chất lượng, chứ không cấm cả domain Reddit.
Thứ hai, chúng ta không biết chính xác LLM lọc bỏ những gì khi huấn luyện mô hình, so với khi truy xuất thông tin theo thời gian thực.
Thứ ba, mức độ tương tác có thể đóng vai trò như một bộ lọc thô. Nghiên cứu của Semrush trên 89.000 URL LinkedIn được trích dẫn cho thấy các bài được trích dẫn đều có mức tương tác kha khá: phần lớn dao động 15-25 reaction, khoảng 75% tác giả được trích dẫn đăng bài thường xuyên (5 bài trở lên trong 4 tuần), và gần một nửa có trên 2.000 người theo dõi.
3/ Watermark của Anthropic có đáng lo với marketing không?
Ngày 11/8, Anthropic công bố gắn watermark (dấu hiệu ẩn có thể đọc bằng máy) vào mọi văn bản và file do Claude tạo ra, áp dụng ở cấp độ mô hình trên toàn cầu, xuyên suốt API, ứng dụng Claude, Claude Code, và cả khi truy cập qua AWS, Google Cloud, Microsoft Foundry. [3]
Việc gắn watermark của Anthropic thực chất là phiên bản "ngăn chặn từ gốc" của cùng một phản ứng miễn dịch mà các nền tảng nội dung đang làm: thay vì để LinkedIn, YouTube, hay Reddit phải tự suy đoán một bài viết có phải do AI tạo ra hay không sau khi nó đã lên feed, Claude có thể khiến văn bản do nó tạo ra dễ nhận diện ngay từ nguồn.
Tôi không lo ngại nhiều về tác động của watermark lên marketing, vì bốn lý do:
Watermark chỉ chứng minh một mô hình AI có liên quan tới văn bản đó, nhưng không cho biết liên quan ở mức độ nào. Nó không phải là chỉ số đo chất lượng.
Công cụ phát hiện cần một lượng văn bản tối thiểu mới hoạt động được. Các benchmark đã công bố cho thấy ngưỡng tốt nhất rơi vào khoảng 100 token, còn chính công cụ SynthID của Google cũng chỉ đánh giá trên đoạn văn dài tối đa 200 token. Trong khi đó, một comment LinkedIn chỉ dài 20-50 token, tức nằm dưới ngưỡng có thể phát hiện được.
Việc chỉnh sửa, diễn đạt lại, dịch sang ngôn ngữ khác, ghép văn bản đó với văn bản khác, hoặc nối nhiều mô hình lại với nhau đều có thể làm yếu hoặc xóa hẳn watermark.
Nếu Anthropic công khai công cụ phát hiện watermark, nó sẽ dẫn đến trò mèo vờn chuột: kẻ xấu tìm cách phá watermark, Anthropic lại phải liên tục gia cố. Một nghiên cứu trình bày tại ICML 2025 cho thấy kiểu tấn công bằng cách diễn đạt lại đạt tỷ lệ thành công gần 100% khi phá 7 phương pháp watermark hiện đại nhất, với chi phí chỉ 0,88 USD cho mỗi triệu token.
Nguồn: https://ai.google.dev/responsible/docs/safeguards/synthid
Còn một "cửa thoát" nữa: các mô hình mã nguồn mở. Watermark được áp vào ngay tại bước lấy mẫu (sampling) khi mô hình tạo output, nên nếu bạn tự chạy mô hình trên hạ tầng của mình, sẽ chẳng có gì để mà gỡ bỏ. Nếu nội dung có watermark bắt đầu bị các nền tảng trừng phạt, rác sẽ đơn giản chuyển sang được tạo ra từ những mô hình không hề gắn watermark.
Một chi tiết thú vị: Gemini của Google đã áp dụng watermark SynthID từ tháng 8/2023, nhưng không hề gây ra làn sóng phản đối nào. Phản ứng của cộng đồng mạng trước thông báo của Anthropic nói lên khá nhiều điều về vị thế của Google trong mảng AI.
Cốt lõi của nỗi sợ watermark chính là luận điểm quan trọng nhất tôi muốn nói: đừng đánh đồng "do AI tạo ra" với "dở." Rác nội dung thực ra đã tồn tại từ trước khi có AI: công việc làm ẩu hoặc tự động hóa kém chất lượng, ngôn ngữ luật và tài chính khô cứng, thông cáo báo chí, hay mọi bài viết SEO mở đầu bằng câu "trong bối cảnh số hóa ngày nay" - nghe quan không :)). Vấn đề cốt lõi vẫn luôn là chất lượng. Nỗi lo chỉ thực sự có căn cứ ở chỗ: chất lượng giờ đã trở thành một bộ lọc tuy còn mờ nhạt nhưng lại mang tính quyết định cho việc nội dung có được phân phối hay không.
4/ Vì sao chi phí sản xuất rẻ hơn không bù đắp được thiệt hại phân phối?
Lời khuyên "tránh viết nội dung chung chung" không hề mới, chỉ là bị phần lớn mọi người bỏ ngoài tai. Nhưng AI đang làm tăng tốc độ lan truyền của rác nhanh hơn tốc độ mà bộ lọc có thể dọn dẹp.
Sản xuất nội dung không còn là điểm nghẽn nữa. Được cấp quyền để phân phối mới là điểm nghẽn thực sự.
Điều rút ra được từ 24 tháng qua là: lợi ích về sản xuất mà AI mang lại không bù đắp nổi thiệt hại về phân phối. Có thể lập luận rằng: AI Overviews làm giảm trung bình 50% lượt click, nhưng có thể tăng gấp đôi sản lượng nội dung để bù lại. Vấn đề là việc tăng sản lượng đó lại phải đánh đổi bằng chất lượng, và điều này có thể gây tổn hại vĩnh viễn cho toàn bộ khả năng được phân phối của bạn. Một bài viết hay bài đăng nào đó có "mùi" AI có thể làm mất đi sự tin tưởng mong manh với độc giả đến mức không thể vãn hồi.
Chi phí thực tế cho doanh nghiệp là bao nhiêu?
Một nghiên cứu của Copenhagen Business School (đăng trên tạp chí Electronic Markets) chạy hai thí nghiệm (325 và 371 người tham gia) với nội dung Instagram được dán nhãn "do con người tạo," "AI hỗ trợ chỉnh sửa," hoặc "do AI tạo hoàn toàn." Kết quả: việc dán nhãn AI-generated hoặc AI-enhanced làm giảm khoảng một nửa mức độ tương tác về cảm xúc lẫn hành vi, hiệu ứng này mạnh nhất với nội dung mang tính cảm xúc, và yếu nhất với nội dung mang tính lý tính hoặc thuần thông tin. [4]
Nguồn: [4]
Dữ liệu thực tế trên TikTok (1 triệu bài đăng) cho thấy việc công khai gắn nhãn AI khiến tương tác giảm khoảng 7%, vì người xem ngầm cho rằng nội dung đó ít công sức hơn. Con số này khá nhẹ nhàng theo tôi. [5]
Pangram quét hơn 1 triệu bài viết trong khoảng tháng 4 đến tháng 6/2026 và phát hiện 40.5% bài đăng dài trên LinkedIn và 23% comment là do AI tạo hoàn toàn, tỷ lệ cao nhất trong số mọi nền tảng được xét. [6]
Nguồn: [6]
5/ Nội dung "hàng hóa đại trà" (Commodity Content) là gì và tại sao nó chính là gốc rễ của rác?
Đơn giản là nó không tạo thêm được giá trị gì. Điều đó gợi nhớ đến khái niệm Information Gain và Commodity Content (nội dung hàng hóa) mà tôi từng viết vào đầu năm ngoái.
Nội dung có thể được xem như một sản phẩm (digital product), như vậy nội dung là một loại hàng hóa được trưng bày trên một sạp hàng. Khi nội dung của bạn dễ bị sao chép, bạn sẽ gặp vấn đề. Nhưng khi nội dung mang tính độc đáo và khác biệt, đó sẽ là một lợi thế kinh doanh vững chắc.
Hàng hóa đại trà cạnh tranh chủ yếu bằng giá và chi phí. Là một doanh nghiệp, bạn phải cân nhắc chi phí tạo ra sản phẩm so với lợi nhuận nó mang lại. Liệu bạn có ở vị thế mạnh khi cạnh tranh với lợi thế tối thiểu để giành một miếng bánh nhỏ trong lượt xem quảng cáo?
Đến hiện tại, Danny Sullivan Google đã chia sẻ một slide quan trọng giúp phân biệt nội dung "Commodity Content" và "non - Commodity Content" Theo lời ông, nội dung không phải hàng hóa đại trà cần ba đặc điểm:
Độc đáo: Mang đến một góc nhìn, thông tin hoặc nội dung mà người khác thiếu hoặc không dễ dàng sao chép được.
Cụ thể: Nói về một trường hợp, tình huống hoặc sự vật cụ thể, chứ không phải các quy tắc chung, các bước hoặc thông tin chung chung.
Xác thực: Thể hiện kiến thức hoặc kinh nghiệm trực tiếp.
Ba đặc điểm này chạm đúng vào cốt lõi của toàn bộ câu chuyện về rác. Đây chính là công thức chống AI Slop mang tính phổ quát. Hãy nhìn xem góc nhìn của Laura Lorenzetti (Phó Chủ tịch LinkedIn) về rác AI giống với Google đến mức nào. Bà mô tả:
This includes technology systems built in partnership with our editorial team that have been trained to recognize signals of AI slop and learn over time by identifying content that adds perspective, context, or expertise and content that feels generic or repetitive, even if it appears polished on the surface.
Dịch:
Hệ thống công nghệ được xây dựng cùng đội ngũ biên tập của LinkedIn được huấn luyện để nhận diện tín hiệu rác AI, học dần theo thời gian bằng cách phân biệt nội dung mang góc nhìn, bối cảnh, hoặc chuyên môn thật sự, với nội dung nghe chung chung hoặc lặp lại, dù bề ngoài có vẻ trau chuốt.
CEO Reddit Steve Huffman cũng nói tương tự trong buổi báo cáo kết quả kinh doanh quý 2 gần đây:
As AI makes information more abundant, the challenge is no longer finding content; it’s finding context, personal opinion, and first-hand accounts. Everything online feels flat, polished, generated, or sponsored, so consumers are overwhelmed and increasingly skeptical,” Reddit CEO Steve Huffman said.
Dịch:
Khi AI khiến thông tin trở nên dư thừa, thách thức không còn là tìm ra nội dung, mà là tìm ra bối cảnh, quan điểm cá nhân, và những câu chuyện tận mắt. Mọi thứ trên mạng giờ đây có cảm giác phẳng lặng, được đánh bóng, được tạo ra hàng loạt, hoặc được tài trợ, khiến người tiêu dùng cảm thấy quá tải và ngày càng hoài nghi.
Ba tổ chức khác nhau (LinkedIn, Google, Reddit) đều đi đến cùng một kết luận:
Nội dung chung chung không có giá trị.
Điều này có mới không? Không hề! Cái mới nằm ở tính nhị nguyên (bị chặn hẳn thay vì chỉ bị giảm nhẹ) và hiệu quả về chi phí để phát hiện nó. Trước đây, nội dung chung chung vẫn có thể kiếm được chút traffic dư thừa cho đến vài năm trước. Bây giờ, Google thậm chí không thèm lập chỉ mục cho nó, còn LinkedIn thì hạ thứ hạng hiển thị thẳng tay. Thuật toán Panda của Google (ra mắt năm 2011) từng phải dựa vào các chỉ số gián tiếp như link, lượt click, thời gian dừng lại trên trang, hành vi bật lại kết quả tìm kiếm, đơn giản vì việc đánh giá trực tiếp xem một tài liệu có chứa một ý tưởng hay hay không là điều bất khả thi về mặt kinh tế vào thời điểm đó. Bây giờ, một LLM có thể đánh giá điều đó nhanh chóng và với chi phí thấp.
Sự kiện tại thời điểm hiện tại - Google vừa chính thức cập nhật thuật toán Spam tháng 8-2026
Bằng chứng khoa học: rác có một "hình dạng" nhận diện được
Một nghiên cứu tại hội nghị COLM 2026, thực hiện bởi Đại học Maryland và Google DeepMind, chạy 61.608 câu chuyện qua một bộ phân loại bị cố tình tước bỏ hoàn toàn mọi tín hiệu về văn phong, chỉ được phép đánh giá dựa trên cấu trúc. Bộ phân loại đó vẫn giữ được hơn 97% độ chính xác so với các mô hình được phép nhìn cả cách chọn từ lẫn nhịp điệu câu văn.
Phát hiện chính: rác có một khuôn mẫu cấu trúc đặc trưng, có thể nhận diện được mà không cần xem đến văn phong. [7]
Nguồn: [7]
Còn nhiều điểm tương đồng nữa giữa nghiên cứu COLM này và hiện tượng rác: AI nêu thẳng các bài học đạo lý trong 77% câu chuyện, so với chỉ 52% ở người viết. 79% câu chuyện do AI viết không có bất kỳ tình tiết phụ nào, so với 57% ở người viết. Giải thích quá mức và sự "gọn gàng một chiều, thiếu rẽ nhánh" chính xác là biểu hiện của rác AI.
6/ Vậy làm sao để nội dung không trở thành rác trong mắt AI?
Bài toán nằm ở việc sở hữu điều mà một mô hình AI không thể tạo ra theo yêu cầu.
Thông tin độc quyền. Dữ liệu của riêng bạn, thí nghiệm của riêng bạn, cuộc trò chuyện với khách hàng của riêng bạn. Nếu một mô hình có thể tự tạo ra được thứ đó, theo định nghĩa, nó là hàng hóa đại trà.
Danh tính có thể quy trách nhiệm. Một tác giả có tên tuổi, có bề dày hoạt động, và trên LinkedIn là một tài khoản đã được xác minh. Bài đăng của Lorenzetti (Phó Chủ tịch LinkedIn) có một chi tiết đáng chú ý: giờ đây bạn có thể lọc feed để chỉ xem nội dung từ hơn 100 triệu thành viên đã xác minh danh tính trên LinkedIn. Việc xác minh chính là một dạng kháng thể.
Kênh sở hữu riêng. Email, cộng đồng, mối quan hệ trực tiếp. Đây là nơi mà bộ lọc không hề đứng chắn giữa bạn và người đọc.
Phép thử áp dụng cho cả ba yếu tố này đều giống nhau: liệu người khác có tốn kém để giả mạo được điều đó hay không?
Hy vọng rằn các bộ lọc hoạt động thật hiệu quả. Nếu mỗi nội dung rác bị chặn lại là một không gian được trả lại cho ai đó thực sự có điều gì đáng nói. Chỉ cần đảm bảo rằng khi dòng nội dung cuối cùng được dọn sạch, chính bạn là nguồn mà cỗ máy quyết định giữ lại.
Nguồn trích dẫn:
1. https://www.linkedin.com/pulse/keeping-conversations-real-linkedin-laura-lorenzetti-9821e/
2. https://techcrunch.com/2026/07/22/substacks-new-tool-tells-you-whos-been-writing-their-newsletters-with-ai/
3. https://techcrunch.com/2026/08/11/anthropic-says-it-will-watermark-text-generated-by-its-ai-models/
4. https://link.springer.com/article/10.1007/s12525-026-00883-2
5. https://academic.oup.com/jcr/advance-article/doi/10.1093/jcr/ucag013/8672493
6. https://www.pangram.com/blog/ai-in-your-feed
7. https://arxiv.org/pdf/2604.03136
