Pew: más de un tercio de las páginas web posteriores a ChatGPT muestran señales de autoría por IA

El informe, publicado el jueves, corrobora otros estudios que rastrean cuánto del contenido más reciente de la web ahora es generado o editado por IA. Llega poco después de que el proveedor de infraestructura de internet Cloudflare informara que el tráfico web de bots había superado al tráfico web humano, un hito que Cloudflare dijo haber alcanzado antes de lo esperado. Mientras Cloudflare midió quién navega, Pew midió qué se navega, y encontró que buena parte de eso son bots leyendo páginas escritas por otros bots.

Para elaborar el informe, Pew usó el archivo web Common Crawl para recopilar casi medio millón de páginas web en inglés que abarcan aproximadamente los últimos cinco años, comenzando un par de años antes del lanzamiento de ChatGPT en noviembre de 2022, y luego usó la tecnología de detección de Open Pangram para señalar páginas probablemente escritas o editadas intensamente por IA. En una muestra aleatoria de 10.000 páginas recopiladas en julio de 2026, alrededor del 10% mostró señales significativas de autoría por IA, pero Pew señaló que una muestra aleatoria como esta inevitablemente incluye páginas más antiguas publicadas antes de que existieran las herramientas de escritura con IA.

Al filtrar esas páginas anteriores a ChatGPT y observar solo las publicadas después de su lanzamiento, Pew encontró señales de autoría por IA en más de un tercio (35%) de la muestra. La tasa varió marcadamente según el tipo de dominio: las páginas .com mostraron señales de autoría por IA a una tasa alrededor de 10 veces mayor que las páginas .edu o .gov, ambas cercanas al 1%. Los dominios .org se ubicaron en un punto intermedio, con una tasa de autoría por IA del 4,6%.

Pew advirtió que las herramientas de detección de IA como Pangram pueden clasificar erróneamente páginas escritas por humanos como generadas por IA, por lo que las cifras no son precisas, aunque dijo que los datos son probablemente al menos direccionalmente correctos a esta escala. El estudio también encontró que otras supuestas señales de escritura por IA, incluidos los guiones largos, las comas de Oxford y frases como “no es X, es Y”, se han vuelto más comunes a lo largo de los años estudiados.

Por qué importa

Una web en la que más de un tercio de las páginas nuevas llevan la huella de la IA complica todo lo que depende de que el texto web refleje el juicio humano, desde los rankings de búsqueda hasta los datos de entrenamiento de la próxima generación de modelos de IA.