Pew Research: Tras el surgimiento de ChatGPT, más del 30% del nuevo contenido en páginas web en inglés lo genera la IA
Según un estudio sobre contenido web publicado la semana pasada por el Pew Research Center, desde que ChatGPT se lanzó en noviembre de 2022 y se popularizó la creación de contenido mediante IA, la proporción de páginas web en inglés generadas por IA en internet ha aumentado hasta el 35%, marcando un cambio estructural en el ecosistema del contenido web en inglés.
El equipo de investigación, apoyándose en el archivo de la red Common Crawl, recopiló cerca de 490.000 muestras de páginas web en inglés. Mediante un modelo profesional de detección de IA, Open Pangram, realizó un análisis sistemático y obtuvo datos relevantes para el sector.
Los datos muestran que, a julio de 2026, el 10% del contenido en páginas web en inglés de toda la red presenta indicios de creación mediante IA. Si se mide solo el porcentaje de las nuevas páginas publicadas después del lanzamiento de ChatGPT, esta cifra se dispara directamente al 35%.
Desde la distribución por dominios, el contenido generado por IA muestra una situación extremadamente desigual. En particular, el porcentaje de indicios de creación de IA en el dominio comercial .com es 10 veces el de los dominios .edu y .gov, y es aproximadamente el doble que el de los sitios benéficos .org.
Al retroceder hasta 2021, las características de creación de contenido en distintos tipos de dominios eran básicamente similares. Las diferencias significativas que surgieron en cinco años reflejan directamente la tendencia de penetración del contenido de IA en la red.
El estudio también desglosó los rasgos exclusivos del texto de IA. Según los datos estadísticos, los guiones largos (se duplicó la frecuencia), la coma de Oxford (+63%), las palabras de alta frecuencia (“delve” “interplay”) y las estructuras de oraciones paralelas con negación; desde 2023, estas características han registrado aumentos sustanciales.
Esta tendencia también es evidente en otros escenarios: estudios previos ya lo habían respaldado; este año, alrededor del 9% de los artículos en los principales periódicos de Estados Unidos han sido detectados con indicios de generación por IA.
El Pew Research Center también señala las limitaciones de este estudio. Los resultados de detección solo indican la presencia de indicios de creación por IA, pero no pueden distinguir entre dos formas: generación completamente automatizada por IA y creación asistida por humanos. Además, el propio modelo de detección tiene cierta probabilidad de error.
Aun así, con la iteración de la tecnología de IA, empresas líderes como Anthropic están desarrollando técnicas de huella textual a nivel de modelo. En el futuro, la precisión para identificar textos generados por IA aumentará significativamente y la dificultad de detección seguirá disminuyendo.
En conjunto, la IA ya se ha filtrado profundamente en la producción de contenido de la red global. Los escenarios comerciales se han convertido en el principal campo de aplicación y, finalmente, el modelo tradicional de creación de contenido liderado por humanos se verá reescrito por completo.
#网络内容生态
Según un estudio sobre contenido web publicado la semana pasada por el Pew Research Center, desde que ChatGPT se lanzó en noviembre de 2022 y se popularizó la creación de contenido mediante IA, la proporción de páginas web en inglés generadas por IA en internet ha aumentado hasta el 35%, marcando un cambio estructural en el ecosistema del contenido web en inglés.
El equipo de investigación, apoyándose en el archivo de la red Common Crawl, recopiló cerca de 490.000 muestras de páginas web en inglés. Mediante un modelo profesional de detección de IA, Open Pangram, realizó un análisis sistemático y obtuvo datos relevantes para el sector.
Los datos muestran que, a julio de 2026, el 10% del contenido en páginas web en inglés de toda la red presenta indicios de creación mediante IA. Si se mide solo el porcentaje de las nuevas páginas publicadas después del lanzamiento de ChatGPT, esta cifra se dispara directamente al 35%.
Desde la distribución por dominios, el contenido generado por IA muestra una situación extremadamente desigual. En particular, el porcentaje de indicios de creación de IA en el dominio comercial .com es 10 veces el de los dominios .edu y .gov, y es aproximadamente el doble que el de los sitios benéficos .org.
Al retroceder hasta 2021, las características de creación de contenido en distintos tipos de dominios eran básicamente similares. Las diferencias significativas que surgieron en cinco años reflejan directamente la tendencia de penetración del contenido de IA en la red.
El estudio también desglosó los rasgos exclusivos del texto de IA. Según los datos estadísticos, los guiones largos (se duplicó la frecuencia), la coma de Oxford (+63%), las palabras de alta frecuencia (“delve” “interplay”) y las estructuras de oraciones paralelas con negación; desde 2023, estas características han registrado aumentos sustanciales.
Esta tendencia también es evidente en otros escenarios: estudios previos ya lo habían respaldado; este año, alrededor del 9% de los artículos en los principales periódicos de Estados Unidos han sido detectados con indicios de generación por IA.
El Pew Research Center también señala las limitaciones de este estudio. Los resultados de detección solo indican la presencia de indicios de creación por IA, pero no pueden distinguir entre dos formas: generación completamente automatizada por IA y creación asistida por humanos. Además, el propio modelo de detección tiene cierta probabilidad de error.
Aun así, con la iteración de la tecnología de IA, empresas líderes como Anthropic están desarrollando técnicas de huella textual a nivel de modelo. En el futuro, la precisión para identificar textos generados por IA aumentará significativamente y la dificultad de detección seguirá disminuyendo.
En conjunto, la IA ya se ha filtrado profundamente en la producción de contenido de la red global. Los escenarios comerciales se han convertido en el principal campo de aplicación y, finalmente, el modelo tradicional de creación de contenido liderado por humanos se verá reescrito por completo.
#网络内容生态
