Un tercio del contenido web tras la llegada de ChatGPT muestra signos de autoría por IA
Un estudio innovador de Pew Research ha revelado un cambio masivo en el panorama digital, descubriendo que una parte significativa del nuevo contenido web está siendo generada por inteligencia artificial. A medida que los modelos de lenguaje de gran tamaño (LLM) se integran en los flujos de trabajo de contenido, la frontera entre el texto generado por humanos y por máquinas se está desdibujando rápidamente.
El auge del contenido generado por IA
Para cuantificar el impacto de la IA generativa en internet, Pew Research analizó casi 500.000 páginas web en inglés utilizando el archivo web Common Crawl. Mediante el empleo de la tecnología de detección de Open Pangram, el estudio buscó diferenciar entre el texto de autoría humana y el texto asistido por IA.
Aunque una muestra aleatoria de 10.000 páginas de julio de 2026 mostró una tasa de autoría por IA del 10%, esta cifra se vio sesgada por la inclusión de contenido heredado publicado antes del auge de la IA generativa. Sin embargo, cuando los investigadores filtraron el conjunto de datos para incluir solo las páginas publicadas después del lanzamiento de ChatGPT en noviembre de 2022, las cifras se dispararon. El estudio encontró que más de un tercio (35%) de todas las páginas web publicadas en esta era reciente muestran signos significativos de haber sido escritas o "sustancialmente editadas" por IA.
Disparidades de dominio y el "bucle de bots"
La proliferación de contenido de IA no es uniforme en toda la web. El estudio destacó un marcado contraste entre los diferentes dominios de nivel superior (TLD), lo que sugiere que los intereses comerciales están impulsando la adopción más agresiva de las herramientas de escritura por IA.
Según los datos, las URL con dominio .com presentan una tasa de autoría por IA aproximadamente 10 veces mayor que los sitios académicos o gubernamentales. Específicamente, los dominios .edu y .gov mostraron una tasa de autoría por IA de apenas el 1%, mientras que los dominios .org se situaron en el 4,6%. Esta tendencia apunta hacia una web comercializada donde la velocidad y la escala —a menudo logradas a través de los LLM— se priorizan sobre la supervisión editorial tradicional.
Este aumento del contenido de IA llega junto con un hito preocupante reportado por Cloudflare: el tráfico de bots ha superado oficialmente al tráfico web humano. Esto crea un posible bucle de retroalimentación de "internet muerto", donde los bots navegan y extraen cada vez más contenido que fue escrito, a su vez, por otros bots.
Indicios lingüísticos y desafíos de detección
El estudio también identificó patrones lingüísticos específicos que sirven como "indicios" de texto generado por IA. A medida que los LLM se han vuelto más sofisticados, sus huellas estilísticas se han vuelto más predecibles. Los investigadores notaron una mayor prevalencia de estructuras sintácticas específicas, tales como:
- Uso extensivo de rayas (em dashes) y comas de Oxford.
- Patrones de fraseo rítmico como "No es X, es Y".
- Tendencias estilísticas específicas optimizadas para la legibilidad, pero que carecen de matices humanos.
Si bien el estudio reconoce que las herramientas de detección de IA como Pangram no son infalibles y pueden presentar falsos positivos, la escala de los datos sugiere que estos hallazgos indican una tendencia clara. Para desarrolladores y fundadores, esto resalta un desafío crítico: a medida que la web se satura con datos sintéticos, mantener la calidad de los conjuntos de entrenamiento para futuros modelos se vuelve cada vez más difícil.
Conclusiones clave
- Cambio masivo en la creación de contenido: El 35% de las páginas web publicadas desde el lanzamiento de ChatGPT muestran signos claros de autoría por IA o una edición intensiva por IA.
- Dominio comercial: Los dominios .com son los principales impulsores del contenido de IA, superando a los dominios .edu y .gov por un factor de 10.
- El ecosistema de bots: El aumento del contenido escrito por IA coincide con el hecho de que el tráfico de bots supere al tráfico humano, lo que señala un cambio hacia un ecosistema web dominado por máquinas.