Pesquisa Pew: Após o lançamento do ChatGPT, mais de 30% do novo conteúdo em páginas da web em inglês passou a ser gerado por IA
De acordo com um estudo sobre conteúdo web publicado na semana passada pelo Pew Research Center, desde que o ChatGPT foi lançado em novembro de 2022 e a criação de conteúdo por IA se popularizou, a parcela de páginas da web em inglês geradas por IA na internet subiu para 35%, indicando que o ecossistema do conteúdo das páginas em inglês passou por uma mudança estrutural.
A equipe de pesquisa, apoiada no arquivo de rede do Common Crawl, coletou cerca de 490 mil amostras de páginas da web em inglês e realizou uma análise sistemática por meio de um modelo profissional de detecção de IA chamado Open Pangram, chegando a dados altamente relevantes para o setor.
Os dados mostram que, até julho de 2026, 10% do conteúdo nas páginas da web de todo o mundo apresenta indícios de criação por IA. Se considerar apenas as novas páginas publicadas após o lançamento do ChatGPT, essa proporção salta diretamente para 35%.
Em termos de distribuição por domínio, o conteúdo de IA apresenta um desequilíbrio extremo na distribuição. Entre eles, a proporção de indícios de criação por IA no domínio comercial .com é 10 vezes maior do que nos domínios .edu e .gov e cerca de duas vezes maior do que em sites sem fins lucrativos .org.
Voltando a 2021, as características de criação de conteúdo de diferentes tipos de domínios eram basicamente semelhantes. As diferenças marcantes observadas ao longo de cinco anos refletem diretamente a tendência de penetração do conteúdo de IA na rede.
A pesquisa também detalhou as características exclusivas do texto gerado por IA. Segundo dados estatísticos, elementos como travessões (dobro da frequência), vírgulas de Oxford (+63%), palavras de alta frequência ("delve""interplay") e estruturas de frases paralelas com negação — todas essas características vêm crescendo significativamente desde 2023.
Essa tendência é igualmente evidente em outros cenários. Pesquisas anteriores já apontaram que, neste ano, cerca de 9% dos artigos nos principais jornais dos EUA foram detectados com indícios de geração por IA.
O Pew Research Center também apresentou as limitações do estudo. Os resultados de detecção indicam apenas que o conteúdo possui indícios de criação por IA, não permitindo diferenciar entre conteúdo totalmente gerado por IA e conteúdo com IA assistindo a criação humana. Além disso, o próprio modelo de detecção também pode apresentar uma taxa de erro.
Ainda assim, com a evolução da tecnologia de IA, empresas de ponta como a Anthropic estão desenvolvendo técnicas de impressão digital de texto em nível de modelo. No futuro, a precisão na identificação de textos de IA deve aumentar significativamente, e a dificuldade de reconhecimento tende a diminuir continuamente.
No geral, a IA já se infiltrou profundamente na produção de conteúdo online em todo o mundo. Os cenários comerciais se tornaram o principal campo de aplicação, e o tradicional modelo de criação de conteúdo liderado por humanos acabará sendo totalmente reescrito.
#网络内容生态
De acordo com um estudo sobre conteúdo web publicado na semana passada pelo Pew Research Center, desde que o ChatGPT foi lançado em novembro de 2022 e a criação de conteúdo por IA se popularizou, a parcela de páginas da web em inglês geradas por IA na internet subiu para 35%, indicando que o ecossistema do conteúdo das páginas em inglês passou por uma mudança estrutural.
A equipe de pesquisa, apoiada no arquivo de rede do Common Crawl, coletou cerca de 490 mil amostras de páginas da web em inglês e realizou uma análise sistemática por meio de um modelo profissional de detecção de IA chamado Open Pangram, chegando a dados altamente relevantes para o setor.
Os dados mostram que, até julho de 2026, 10% do conteúdo nas páginas da web de todo o mundo apresenta indícios de criação por IA. Se considerar apenas as novas páginas publicadas após o lançamento do ChatGPT, essa proporção salta diretamente para 35%.
Em termos de distribuição por domínio, o conteúdo de IA apresenta um desequilíbrio extremo na distribuição. Entre eles, a proporção de indícios de criação por IA no domínio comercial .com é 10 vezes maior do que nos domínios .edu e .gov e cerca de duas vezes maior do que em sites sem fins lucrativos .org.
Voltando a 2021, as características de criação de conteúdo de diferentes tipos de domínios eram basicamente semelhantes. As diferenças marcantes observadas ao longo de cinco anos refletem diretamente a tendência de penetração do conteúdo de IA na rede.
A pesquisa também detalhou as características exclusivas do texto gerado por IA. Segundo dados estatísticos, elementos como travessões (dobro da frequência), vírgulas de Oxford (+63%), palavras de alta frequência ("delve""interplay") e estruturas de frases paralelas com negação — todas essas características vêm crescendo significativamente desde 2023.
Essa tendência é igualmente evidente em outros cenários. Pesquisas anteriores já apontaram que, neste ano, cerca de 9% dos artigos nos principais jornais dos EUA foram detectados com indícios de geração por IA.
O Pew Research Center também apresentou as limitações do estudo. Os resultados de detecção indicam apenas que o conteúdo possui indícios de criação por IA, não permitindo diferenciar entre conteúdo totalmente gerado por IA e conteúdo com IA assistindo a criação humana. Além disso, o próprio modelo de detecção também pode apresentar uma taxa de erro.
Ainda assim, com a evolução da tecnologia de IA, empresas de ponta como a Anthropic estão desenvolvendo técnicas de impressão digital de texto em nível de modelo. No futuro, a precisão na identificação de textos de IA deve aumentar significativamente, e a dificuldade de reconhecimento tende a diminuir continuamente.
No geral, a IA já se infiltrou profundamente na produção de conteúdo online em todo o mundo. Os cenários comerciais se tornaram o principal campo de aplicação, e o tradicional modelo de criação de conteúdo liderado por humanos acabará sendo totalmente reescrito.
#网络内容生态
