Una de cada tres páginas web en inglés publicadas después del lanzamiento de ChatGPT muestra indicios de haber sido escrita o editada sustancialmente con inteligencia artificial, de acuerdo con un nuevo análisis del Pew Research Center.
El estudio encontró que, en julio de 2026, la presencia de IA alcanzaba 35 por ciento entre las páginas con fecha de publicación posterior al 30 de noviembre de 2022. Al incluir también el contenido antiguo disponible en internet, la proporción se redujo a 10 por ciento, equivalente a una de cada diez páginas examinadas.
Para estimar el avance del contenido sintético, los investigadores analizaron 490 mil páginas web en inglés obtenidas del archivo público Common Crawl. La muestra reunió 10 mil páginas de cada uno de los 49 rastreos realizados entre enero de 2021 y julio de 2026, según el informe del Pew Research Center.
Los textos fueron procesados con Open Pangram, un modelo que busca diferencias estadísticas en el vocabulario y la estructura de las oraciones. Pew consideró que una página mostraba señales significativas cuando el detector encontraba indicios relevantes de autoría o edición mediante IA.
La presencia de este contenido no se distribuye de manera uniforme luego de que cerca de 10 por ciento de las páginas con dominio .com mostró señales de IA en las muestras de 2026, frente a 4.6 por ciento de los sitios .org y alrededor de uno por ciento en las páginas .edu y .gov.
El crecimiento del contenido generado por máquinas también ha dejado marcas en el lenguaje, después de que desde 2023, el uso de la raya larga prácticamente se duplicó en las páginas estudiadas, mientras que la coma de Oxford aumentó 63 por ciento.
Palabras en inglés utilizadas con frecuencia por los modelos de IA, como delve, interplay y testament, aparecieron más del doble de veces. También casi se triplicó el llamado paralelismo negativo, presente en construcciones como “no es solo X, es Y”, aunque su uso todavía es poco común.
Sin embargo, estas características no demuestran por sí solas que un texto haya sido producido por una máquina, pues los seres humanos también emplean esas palabras y signos de puntuación, mientras que los detectores pueden clasificar erróneamente documentos humanos como contenido de IA y viceversa.
Para comprobar la consistencia de sus resultados, Pew comparó Open Pangram con el modelo comercial Pangram 3.3 en una muestra de 62 mil 370 páginas. Ambos sistemas coincidieron en 96 por ciento de los casos, aunque los investigadores advirtieron que ninguna clasificación individual debe considerarse una prueba definitiva sobre la autoría de una página.
El cálculo sobre las páginas publicadas después de ChatGPT también tiene una limitación importante.
Solamente entre 10 y 15 por ciento de los sitios examinados incluía una fecha reconocible en su código, por lo que la cifra de 35 por ciento representa el contenido fechado y no necesariamente toda la web publicada durante ese periodo.
Pese a estas reservas, los resultados muestran una tendencia sostenida desde finales de 2022, y en menos de cuatro años, los textos producidos o modificados con inteligencia artificial pasaron de ser una rareza a ocupar una parte considerable del contenido nuevo de internet.
Te puede interesar: Siete de cada 10 jóvenes creen que la IA eliminará empleos
WeEvolveIT