Un tercio de la nueva web muestra signos de haber sido escrita por IA, según Pew
Pew Research escaneó aproximadamente medio millón de páginas web y encontró señales de autoría de IA en el 35 por ciento de las publicadas después del lanzamiento de ChatGPT. Los sitios comerciales obtienen puntuaciones diez veces más altas que las universidades y el gobierno.
Pew Research publicó un estudio el 20 de agosto que pone un número a algo que la mayoría de nosotros sólo hemos sospechado mientras leíamos. De las páginas web publicadas desde el lanzamiento de ChatGPT en noviembre de 2022, aproximadamente el 35 por ciento muestran signos significativos de haber sido escritas o editadas en gran medida por IA. En una muestra aleatoria simple de 10.000 páginas recopiladas en julio de 2026, la cifra fue de alrededor del 10 por ciento, pero esa muestra inevitablemente incluía páginas antiguas escritas antes de que existieran las herramientas de escritura de IA. Si se filtran, la proporción aumentará a más de un tercio.
El método importa aquí. Pew extrajo casi medio millón de páginas en inglés de Common Crawl, un archivo público gratuito de la web, que abarca aproximadamente cinco años y comenzó un par de años antes de que existiera ChatGPT. Luego los pasó por Open Pangram, un detector de texto de IA. El desglose por dominio es la parte más sorprendente: las direcciones .com mostraron una autoría de IA aproximadamente diez veces mayor que la tasa de las direcciones .edu y .gov, que alcanzaron alrededor del 1 por ciento. Los dominios .org se ubicaron en un 4,6 por ciento. Pew también rastreó los supuestos comentarios sobre los que a la gente le encanta discutir y encontró un uso creciente de guiones largos, comas Oxford y la construcción “no es X, es Y”.
Dos advertencias pertenecen justo al lado de ese número de titular. Primero, la detección no es una prueba. Pangram y todas las herramientas similares a veces señalan la escritura humana como hecha a máquina, especialmente la prosa formal o formulaica, por lo que la figura es direccionalmente útil más que exacta. En segundo lugar, “escrito con IA” cubre una gama enorme, desde una página de marketing generada al por mayor en un solo mensaje hasta un borrador humano que alguien ejecutó a través de un modelo de gramática. Son cosas muy diferentes y el estudio no puede separarlas claramente. Lo que el desglose del dominio sí sugiere es que la presión es comercial: las páginas que existen para clasificar en las búsquedas y vender algo están donde está el volumen, mientras que las universidades y los organismos públicos tienen muchas menos razones para producir texto.
Qué significa esto para ti: si buscas algo y todos los resultados principales parecen extrañamente intercambiables, no te lo estás imaginando. Trate las páginas de contenido genérico .com con más precaución que antes y apóyese más en fuentes con un nombre y un historial adjunto. Si usted mismo escribe para la web, la conclusión útil no es “nunca use IA”, sino que los indicadores son mensurables y los detectores están mejorando, por lo que hacer pasar una producción sin editar como propia es una apuesta cada vez menor. Y si tienes curiosidad acerca de tus propios hábitos, el hallazgo del tablero em es un buen recordatorio de que las peculiaridades del estilo viajan: las modelos las aprendieron de nosotros primero.
Fuentes
Fuentes: https://www.pewresearch.org/data-labs/2026/08/20/how-much-of-the-internet-is-written-with-ai/
Rich Sutton, pionero del aprendizaje por refuerzo, califica los datos sintéticos como un gran error
Sutton sostiene que no se puede aprender un mundo de complejidad infinita a partir de los datos que un modelo genera por sí mismo. Es un desafío directo a uno de los atajos favoritos de la industria.
