Van trucjes naar betekenis: hoe LinkedIn dankzij AI écht leert begrijpen wat je zegt

Zit je vaker op LinkedIn, dan heb je het waarschijnlijk gemerkt:

posts scoren anders, de feed voelt anders, en het lijkt alsof het platform beter “snapt” wat een goed bericht is.

Dat is geen gevoel, dat klopt.

LinkedIn’s algoritme is de afgelopen maanden fundamenteel veranderd.

En de reden is simpel: AI.

Of beter gezegd: LLM’s, Large Language Models, dezelfde technologie achter ChatGPT, Gemini en Claude.

Van klikdata naar context

Tot voor kort keek LinkedIn vooral naar kwantitatieve signalen.

Het algoritme bepaalde je bereik aan de hand van gedrag:

hoe lang iemand bleef hangen (dwell time), hoeveel likes je kreeg, en of er een link in je post stond.

Dat werkte, maar het was ook voorspelbaar.

Slimme gebruikers wisten precies welke “trucjes” effect hadden:

geen externe link, wel een carrousel, drie hashtags, 10 regels, enzovoort.

Allemaal manieren om het algoritme te pleasen.

Maar met de komst van AI is LinkedIn van tellen naar begrijpen gegaan.

De opkomst van semantische ranking

LinkedIn’s nieuwe generatie algoritmes (meervoud!) maakt gebruik van technologie die lijkt op wat ook onder ChatGPT draait: transformer-gebaseerde taalmodellen.

Onderzoekers van LinkedIn zelf publiceerden recent papers over LiGR (“From Features to Transformers: Redefining Ranking for Scalable Impact”) en LiPost (“Improved Content Understanding With Multi-task Contrastive Learning”): systemen die niet langer alleen naar clicks kijken, maar de inhoud en intentie van een post analyseren.

• Ze begrijpen de betekenis van wat je schrijft.

• Ze herkennen of iets een salespitch, reflectie of discussie is.

• En ze wegen mee of reacties inhoudelijk zijn, of vooral loze “mooi gezegd!”-comments.

Dat is een enorme stap richting semantische relevantie. Oftewel: de feed draait steeds meer om inhoud die ertoe doet.

En visuals?

Steeds vaker duikt de vraag op of LinkedIn ook afbeeldingen en visuals analyseert.

Er is nog geen directe bevestiging van LinkedIn zelf, maar de richting is duidelijk.

• De technologie bestaat al: multimodale AI-modellen kunnen tekst én beeld samen begrijpen.

• LinkedIn gebruikt al transformer-architecturen die eenvoudig zijn uit te breiden naar beeld.

• En in de academische wereld verschijnen onderzoeken die dit soort analyse koppelen aan platformdata.

Een voorbeeld is de studie “Decoding Personality Signals in LinkedIn Profile Pictures” (ScienceDirect, 2025), waarin onderzoekers persoonlijkheidskenmerken koppelen aan profielfoto’s.

Het is dus niet vergezocht dat LinkedIn op termijn visuals ook inhoudelijk zal “lezen”. Niet alleen wat erop staat, maar ook wat het zegt.

Of dat al live is, weet niemand. Maar technisch gezien is het slechts een kleine stap.

Semantiek + statistiek = slimmer algoritme

Belangrijk: de oude signalen (engagement, dwell time, interactie) tellen nog steeds mee.

Maar ze worden nu gewogen in context.

Zie het als een duet tussen statistiek en semantiek:

• Statistiek zegt: “veel mensen lezen dit.”

• Semantiek zegt: “omdat het relevant is voor deze doelgroep.”

Het algoritme leert dus niet alleen wat mensen lezen, maar waarom.

Wat betekent dit voor jou (en je content)?

De conclusie is eigenlijk ouderwets marketingadvies: waarde en relevantie winnen.

• Richt je op inhoud met intentie. Geen clickbait, maar echte context.

• Gebruik visuals die je verhaal versterken, niet alleen de aandacht trekken.

• Schrijf voor mensen, niet voor het algoritme. Ironisch genoeg is dat nu wat het algoritme beloont.

• En onthoud: één kwalitatieve interactie is waardevoller dan tien oppervlakkige likes.

In andere woorden:

“Er zijn niet echt shortcuts. Het komt steeds meer aan op waarde, relevantie en nut. Simpel, maar niet makkelijk.”

De balans tussen inhoud en aandacht

LinkedIn’s doel blijft hetzelfde: jou zo lang mogelijk op het platform houden.

En hoewel de feed dus slimmer is geworden, blijft ook de menselijke neiging bestaan om te blijven hangen bij drama, emotie of ophef.

De uitdaging voor ons als makers?

Niet bespelen, maar begrijpen, zodat wat je deelt zowel door mensen als door machines herkend wordt als waardevol.

💡 Kortom:

Het algoritme van LinkedIn leest niet alleen meer mee, het begrijpt mee.

En dat maakt de toekomst van content een stuk menselijker, juist omdat AI meeluistert.