Na sto filmów w jednym z najpopularniejszych dziecięcych hashtagów na TikToku tylko trzy zrobił człowiek. Reszta to produkcja sztucznej inteligencji – od fałszywych lekcji liczenia po animacje z bohaterami, którzy nie powinni w nich występować. Tak wynika z nowego raportu firmy Kapwing, która prześwietliła ponad 10 tysięcy filmów na platformie.
Kapwing, kalifornijska firma zajmująca się edytorem wideo online, opublikowała 9 czerwca raport poświęcony skali treści generowanych przez AI na TikToku. Z danych zebranych w maju wynika, że 59 procent z pierwszych 500 filmów pokazanych nowo założonemu kontu na karcie „Dla Ciebie” to tak zwany AI slop, czyli niskiej jakości materiał generowany maszynowo. Dla porównania w tym samym teście na YouTube Shorts taki wskaźnik wyniósł 21 procent niemal trzy razy mniej.
Tak Kapwing liczył filmy
Metodologia była dwuczęściowa. W pierwszym etapie badacze założyli nowe, „czyste” konto na TikToku i ręcznie ocenili pierwszych 500 filmów z sekcji „Dla Ciebie”, zanim algorytm zdążył poznać ich preferencje. 294 z nich spełniało definicję AI slopu. W drugim etapie przeanalizowano 10 742 filmy w 20 popularnych kategoriach tematycznych, dobierając do każdej co najmniej trzy najpopularniejsze hashtagi.
AI slop Kapwing definiuje jako treści z wyraźnie sztucznie wygenerowaną grafiką, a także niskiej jakości kompilacje z automatycznie napisanymi skryptami i sztucznymi głosami. Ocena była ręczna, nie automatyczna – każdy film obejrzał i sklasyfikował człowiek z zespołu badawczego.
Najgorzej wypadają treści dla dzieci
W kategorii Kids Kapwing przeanalizował 2000 filmów, z czego 1147, czyli 57,4 procent, trafiło do koszyka AI slop. To najwyższy wynik ze wszystkich 20 zbadanych kategorii. Najbardziej zanieczyszczony okazał się hashtag #cartoonkids, gdzie sztuczna inteligencja wygenerowała 97 ze 100 sprawdzonych filmów. Podobnie wysoko uplasowały się #cartoons i #babysong, po 83 procent, oraz #forkids z wynikiem 79 procent.
Mówiąc prościej: dziecko wchodzące na popularny hashtag z bajkami trafia niemal wyłącznie na materiał, którego nikt nie wyreżyserował ani nie sprawdził pod kątem błędów. W jednym z przykładów opisanych w raporcie postacie z Ulicy Sezamkowej prowadzą lekcję liczenia, w której liczba przedstawionych ciasteczek nie zgadza się z liczbą wypowiadaną przez bohaterów.
Dana Suskind, profesor pediatrii na Uniwersytecie Chicagowskim, oceniła zjawisko w rozmowie z magazynem Mother Jones jako dezinformację skierowaną do najmłodszych na przemysłową skalę, ostrzegając przy tym przed ryzykiem dla rozwijającego się mózgu dziecka.
Nauka i zdrowie też nie są bezpieczne
Problem nie ogranicza się do bajek. W kategorii Nauka i Edukacja AI slop to 35 procent treści, w Zdrowiu 33,8 procent, a w Historii 33,5 procent. To obszary, w których błąd kosztuje najwięcej, bo użytkownik częściej traktuje taki materiał jako wiarygodne źródło wiedzy.
Zupełnie inaczej wygląda sytuacja w kategoriach budowanych wokół realnej obecności twórcy przed kamerą. Fitness, muzyka i moda mają wskaźnik AI slopu poniżej 2 procent każda.
TikTok nie zaprzecza wynikom
Firma nie opublikowała oficjalnego stanowiska wobec konkretnych liczb z raportu Kapwing. W listopadzie 2025 roku TikTok wprowadził jednak narzędzie pozwalające użytkownikom samodzielnie zwiększać lub zmniejszać ilość treści generowanych przez AI w swoim kanale, tłumacząc to tym, że część odbiorców świadomie lubi taki rodzaj materiału. Spółka zapowiedziała też fundusz edukacyjny o wartości 2 milionów dolarów na działania związane z edukacją medialną dotyczącą AI.
Kapwing argumentuje, że bierne ustawienie w preferencjach nie rozwiązuje problemu, skoro domyślne doświadczenie nowego użytkownika wciąż jest zdominowane przez treści maszynowe. Do listopada 2025 roku TikTok oznaczył jako wygenerowane przez AI już 1,3 miliarda filmów na platformie.
Kapwing jako firma działająca w branży montażu wideo ma komercyjny interes w podkreślaniu przewagi treści tworzonych przez ludzi. Sama metodologia, mimo przejrzystego opisu, opiera się na subiektywnej ocenie pojedynczych recenzentów, a nie na automatycznej detekcji. Dane pochodzą z jednego konta testowego i jednego miesiąca obserwacji, więc nie pokazują pełnego obrazu różnorodnych kanałów na całym TikToku.
