Un terzo dei contenuti web post-ChatGPT mostra segni di autorialità IA

Uno studio rivoluzionario di Pew Research ha rivelato un cambiamento massiccio nel panorama digitale, scoprendo che una parte significativa dei nuovi contenuti web viene generata dall'intelligenza artificiale. Man mano che i Large Language Models (LLM) vengono integrati nei flussi di lavoro dei contenuti, il confine tra il testo generato dall'uomo e quello generato dalla macchina si sta rapidamente sfumando.

L'impennata dei contenuti generati dall'IA

Per quantificare l'impatto dell'IA generativa su Internet, Pew Research ha analizzato quasi 500.000 pagine web in lingua inglese utilizzando l'archivio web Common Crawl. Impiegando la tecnologia di rilevamento di Open Pangram, lo studio ha cercato di distinguere tra testi scritti da esseri umani e testi assistiti dall'IA.

Sebbene un campione casuale di 10.000 pagine di luglio 2026 abbia mostrato un tasso di autorialità IA del 10%, questa cifra è stata falsata dall'inclusione di contenuti datati pubblicati prima del boom dell'IA generativa. Tuttavia, quando i ricercatori hanno filtrato il dataset per includere solo le pagine pubblicate dopo il lancio di ChatGPT nel novembre 2022, i numeri sono aumentati drasticamente. Lo studio ha rilevato che oltre un terzo (35%) di tutte le pagine web pubblicate in questa recente era mostra segni significativi di essere state scritte o "sostanzialmente modificate" dall'IA.

Disparità tra i domini e il "loop dei bot"

La proliferazione di contenuti IA non è uniforme in tutto il web. Lo studio ha evidenziato un netto contrasto tra i diversi domini di primo livello (TLD), suggerendo che gli interessi commerciali stiano guidando l'adozione più aggressiva degli strumenti di scrittura IA.

Secondo i dati, gli URL con dominio .com mostrano un tasso di autorialità IA circa 10 volte superiore rispetto ai siti accademici o governativi. Nello specifico, i domini .edu e .gov hanno mostrato un tasso di autorialità IA di appena l'1%, mentre i domini .org si sono attestati al 4,6%. Questa tendenza punta verso un web commercializzato in cui la velocità e la scala — spesso ottenute attraverso gli LLM — hanno la priorità rispetto alla tradizionale supervisione editoriale.

Questa impennata di contenuti IA arriva insieme a un traguardo preoccupante riportato da Cloudflare: il traffico dei bot ha ufficialmente superato il traffico web umano. Ciò crea un potenziale loop di feedback della "dead internet" (internet morta), in cui i bot navigano e estraggono sempre più spesso contenuti che sono stati a loro volta scritti da altri bot.

Segnali linguistici e sfide nel rilevamento

Lo studio ha inoltre identificato specifici modelli linguistici che fungono da "segnali rivelatori" (tells) per i testi generati dall'IA. Man mano che gli LLM sono diventati più sofisticati, le loro impronte stilistiche sono diventate più prevedibili. I ricercatori hanno notato una maggiore prevalenza di specifiche strutture sintattiche, come:

• Uso esteso di trattini lunghi (em dash) e virgole seriali (Oxford commas).
• Modelli di fraseggio ritmico come "Non è X, è Y".
• Tendenze stilistiche specifiche ottimizzate per la leggibilità ma prive di sfumature umane.

Sebbene lo studio riconosca che gli strumenti di rilevamento dell'IA come Pangram non siano infallibili e possano soffrire di falsi positivi, la scala dei dati suggerisce che questi risultati siano indicativamente accurati. Per sviluppatori e fondatori, ciò evidenzia una sfida critica: man mano che il web si satura di dati sintetici, mantenere la qualità dei set di addestramento per i modelli futuri diventa sempre più difficile.

Punti chiave

• Spostamento massiccio nella creazione di contenuti: Il 35% delle pagine web pubblicate dal lancio di ChatGPT mostra chiari segni di autorialità IA o di un pesante editing tramite IA.
• Dominio commerciale: I domini .com sono i principali motori dei contenuti IA, superando i domini .edu e .gov di un fattore 10.
• L'ecosistema dei bot: L'aumento dei contenuti scritti dall'IA coincide con il superamento del traffico umano da parte del traffico dei bot, segnalando uno spostamento verso un ecosistema web dominato dalle macchine.