Een derde van de webcontent na ChatGPT vertoont tekenen van AI-auteurschap

Een baanbrekend onderzoek van Pew Research heeft een enorme verschuiving in het digitale landschap onthuld, waarbij naar voren komt dat een aanzienlijk deel van de nieuwe webcontent wordt gegenereerd door kunstmatige intelligentie. Nu Large Language Models (LLM's) steeds meer worden geïntegreerd in content-workflows, vervaagt de grens tussen door mensen en door machines gegenereerde tekst in sneltreinvaart.

De opkomst van door AI gegenereerde content

Om de impact van generatieve AI op het internet te kwantificeren, analyseerde Pew Research bijna 500.000 Engelstalige webpagina's met behulp van het Common Crawl-webarchief. Door gebruik te maken van de detectietechnologie van Open Pangram, probeerde het onderzoek onderscheid te maken tussen door mensen geschreven tekst en door AI ondersteunde tekst.

Hoewel een willekeurige steekproef van 10.000 pagina's uit juli 2026 een AI-auteurschapspercentage van 10% liet zien, werd dit cijfer vertekend door de aanwezigheid van oudere content die werd gepubliceerd vóór de boom van generatieve AI. Echter, toen onderzoekers de dataset filterden om alleen pagina's op te nemen die na de lancering van ChatGPT in november 2022 zijn gepubliceerd, schoten de cijfers omhoog. Het onderzoek wees uit dat meer dan een derde (35%) van alle webpagina's die in dit recente tijdperk zijn gepubliceerd, duidelijke tekenen vertoont van te zijn geschreven of "substantieel bewerkt" door AI.

Verschillen tussen domeinen en de "bot-loop"

De proliferatie van AI-content is niet gelijkmatig verdeeld over het web. Het onderzoek benadrukte een scherp contrast tussen verschillende top-level domeinen (TLD's), wat suggereert dat commerciële belangen de meest agressieve adoptie van AI-schrijfgereedschappen aanjagen.

Volgens de gegevens vertonen URL's met een .com-domein een AI-auteurschapspercentage dat ongeveer 10 keer hoger ligt dan dat van academische of overheidswebsites. Specifiek lieten .edu- en .gov-domeinen een percentage van slechts 1% zien, terwijl .org-domeinen op 4,6% uitkwamen. Deze trend wijst op een gecommercialiseerd web waar snelheid en schaal — vaak bereikt via LLM's — prioriteit krijgen boven traditioneel redactioneel toezicht.

Deze golf van AI-content gaat gepaard met een verontrustende mijlpaal die door Cloudflare is gerapporteerd: botverkeer heeft het menselijke webverkeer officieel ingehaald. Dit creëert een potentiële "dead internet"-feedbackloop, waarbij bots steeds vaker content browsen en scrapen die zelf door andere bots is geschreven.

Taalkundige kenmerken en detectie-uitdagingen

Het onderzoek identificeerde ook specifieke taalkundige patronen die dienen als "tells" (aanwijzingen) voor door AI gegenereerde tekst. Nu LLM's geavanceerder zijn geworden, zijn hun stilistische vingerafdrukken voorspelbaarder geworden. Onderzoekers merkten een toenemende prevalentie op van specifieke syntactische structuren, zoals:

• Uitgebreid gebruik van gedachtestreepjes en Oxford-komma's.
• Ritmische zinsbouwpatronen zoals "Het is niet X, het is Y."
• Specifieke stilistische neigingen die zijn geoptimaliseerd voor leesbaarheid, maar die menselijke nuance missen.

Hoewel het onderzoek erkent dat AI-detectietools zoals Pangram niet onfeilbaar zijn en last kunnen hebben van fout-positieven, suggereert de omvang van de gegevens dat deze bevindingen de juiste richting op wijzen. Voor ontwikkelaars en oprichters onderstreept dit een kritieke uitdaging: naarmate het web verzadigd raakt met synthetische data, wordt het steeds moeilijker om de kwaliteit van trainingssets voor toekomstige modellen te waarborgen.

Belangrijkste conclusies

• Massale verschuiving in contentcreatie: 35% van de webpagina's die sinds de lancering van ChatGPT zijn gepubliceerd, vertoont duidelijke tekenen van AI-auteurschap of zware AI-bewerking.
• Commerciële dominantie: .com-domeinen zijn de belangrijkste drijvers van AI-content en overtreffen .edu- en .gov-domeinen met een factor 10.
• Het bot-ecosysteem: De stijging van door AI geschreven content valt samen met het feit dat botverkeer het menselijke verkeer inhaalt, wat wijst op een verschuiving naar een door machines gedomineerd web-ecosysteem.