AI slop

AI slop คือคำเรียกเนื้อหาที่ generative-ai ผลิตออกมาในปริมาณมาก รวดเร็ว แต่คุณภาพต่ำและไม่มีใครรับผิดชอบ คำว่า slop ในภาษาอังกฤษแปลว่าเศษอาหารเหลวๆ ที่ใช้เลี้ยงหมู ซึ่งสื่อถึงของที่เทใส่รางได้ทีละมากๆ โดยไม่ต้องประณีต ตัวคำนี้เริ่มใช้กันในวงการมาตั้งแต่ราวปี 2024 แต่สิ่งที่เปลี่ยนไปในปี 2026 คือมันเลิกเป็นแค่คำบ่นในอินเทอร์เน็ต แล้วกลายเป็นปัญหาที่แพลตฟอร์มและธุรกิจต้องลงมือจัดการอย่างเป็นทางการ

หลักฐานที่ชัดที่สุดคือปลายเดือนกรกฎาคม 2026 LinkedIn เพิ่มตัวเลือกรายงานโพสต์ที่เขียนว่า "Seems like AI slop" ให้ผู้ใช้กดได้โดยตรง ท่ามกลางรายงานว่าราวหนึ่งในสี่ของโพสต์บนแพลตฟอร์มมาจาก AI ทั้งที่ระบบมีตัวคัดกรองเนื้อหาคุณภาพต่ำอยู่แล้ว การเปิดให้คนกดรายงานจึงเป็นการยอมรับว่าเครื่องจับเองยังไม่พอ ฝั่งงานวิชาการก็มีตัวเลขเหมือนกัน การศึกษาหนึ่งวัดเปเปอร์บน arXiv จำนวน 12,750 ชิ้นใน 10 สาขา ตั้งแต่มกราคม 2023 ถึงกรกฎาคม 2026 แล้วพบว่าสัดส่วนงานที่อ่านแล้วเหมือนเครื่องเขียนพุ่งจากราว 0.4% ก่อนยุค chatgpt ขึ้นไปอยู่ในช่วง 30 ถึง 40% โดยแยกตามสาขาแล้วต่างกันมาก วิทยาการคอมพิวเตอร์อยู่ที่ 65.0% ส่วนคณิตศาสตร์อยู่ที่ 0.7% ข้อควรระวังคือตัวเลขนี้มาจากเครื่องมือตรวจจับที่ผู้เขียนสร้างเอง และการตรวจว่าข้อความไหนเขียนด้วย AI ยังไม่มีวิธีที่แม่นยำสมบูรณ์ จึงควรอ่านเป็นแนวโน้มมากกว่าตัวเลขเป๊ะ

อีกด้านที่คนทำงานเจอตรงตัวคือ AI slop ในโค้ด ปี 2026 เกิดบริการรับแก้ codebase ที่ AI เขียนจนบวมขึ้นมาเป็นธุรกิจจริง ตัวอย่างหนึ่งคือบริการที่คิดค่าจ้างวิศวกรอาวุโสสามคนหนึ่งสัปดาห์ในราคา 10,000 ดอลลาร์ โดยคิดเงินตามผลที่ลดได้จริง ทีมนั้นอธิบายอาการไว้ว่า "You have an AI-generated codebase that works, but adding a feature now takes days and breaks two other things" และชี้สาเหตุว่าเมื่อโปรเจกต์โตขึ้น "the agent stops seeing the whole picture and starts duplicating code instead of finding it" ตัวอย่างเป้าหมายที่เขายกคือลดจาก 100,000 บรรทัดเหลือ 35,000 บรรทัดโดยฟังก์ชันการทำงานเท่าเดิม สิ่งที่ทั้งสองด้านนี้บอกตรงกันคือ AI ทำให้ต้นทุนการผลิตถูกลงมาก แต่ต้นทุนการตรวจและการดูแลของที่ผลิตออกมายังเท่าเดิม ผลคือคุณค่าย้ายไปอยู่ที่ฝั่งการกลั่นกรองแทน สำหรับคนทำคอนเทนต์และการตลาด นี่คือเหตุผลที่การเขียนด้วยน้ำเสียงจริงของแบรนด์เริ่มเป็นข้อได้เปรียบ ไม่ใช่แค่การผลิตให้ไว

ตัวอย่างจากบทสนทนาจริง

ฝ่ายการตลาด: "ทีมเราตั้งเป้าโพสต์วันละสามชิ้นโดยให้ AI ร่างให้ทั้งหมด ตัวเลข reach เดือนแรกขึ้นดีมากเลยค่ะ แต่เดือนนี้ engagement ตกลงเยอะ ไม่รู้ทำไม"

ที่ปรึกษา: "อาการนี้เจอกันทั้งวงการครับ LinkedIn เพิ่งเพิ่มปุ่มให้คนกดรายงานโพสต์ว่าดูเหมือน AI slop ตอนปลายเดือนกรกฎาคม แปลว่าคนอ่านเริ่มแยกออกแล้วและเริ่มรำคาญด้วย ผมแนะนำให้ลดเหลือสัปดาห์ละสองชิ้นแต่ให้คนในทีมเป็นคนเล่าเคสจริงที่เจอกับลูกค้า แล้วใช้ AI ช่วยเรียบเรียงแทน สิ่งที่หายากตอนนี้ไม่ใช่ปริมาณ แต่เป็นเนื้อหาที่มีคนรับผิดชอบอยู่ข้างหลังจริงๆ"

ระวังสับสนกับ

• hallucination : hallucination คือการที่โมเดลแต่งข้อมูลผิดขึ้นมา ซึ่งเป็นปัญหาความถูกต้อง ส่วน AI slop เป็นปัญหาคุณภาพและปริมาณ เนื้อหา slop อาจถูกต้องทุกอย่างแต่ยังจืด ยาวเกินจำเป็น และไม่มีคุณค่าอะไรใหม่
• misinformation : misinformation คือข้อมูลผิดที่แพร่ออกไปและอาจสร้างความเข้าใจผิดในสังคม ส่วน AI slop ส่วนใหญ่ไม่ได้ตั้งใจหลอกใคร มันแค่ถูกผลิตออกมาเพื่อเติมพื้นที่ให้ครบตามเป้า
• deletion-avoidance : deletion avoidance คือกลไกทางเทคนิคเฉพาะที่ทำให้โค้ดจาก AI บวมขึ้น ซึ่งเป็นสาเหตุหนึ่งของ AI slop ฝั่งโค้ด ส่วน AI slop เป็นคำกว้างที่ครอบทั้งข้อความ ภาพ วิดีโอ และโค้ด