Pew rileva che un terzo del nuovo web mostra segni di essere stato scritto dall'intelligenza artificiale
Pew Research ha scansionato circa mezzo milione di pagine web e ha trovato segnali di paternità dell’intelligenza artificiale nel 35% di quelle pubblicate dopo il lancio di ChatGPT. I siti commerciali ottengono punteggi dieci volte superiori a quelli delle università e del governo.
Pew Research ha pubblicato il 20 agosto uno studio che dà un numero a qualcosa che la maggior parte di noi ha solo sospettato leggendo. Delle pagine web pubblicate dal lancio di ChatGPT nel novembre 2022, circa il 35% mostra segni significativi di essere state scritte o pesantemente modificate dall’intelligenza artificiale. In un campione casuale di 10.000 pagine raccolto nel luglio 2026, la cifra era di circa il 10%, ma quel campione includeva inevitabilmente vecchie pagine scritte prima che esistessero gli strumenti di scrittura basati sull’intelligenza artificiale. Filtrandoli, la quota salirà a più di un terzo.
Qui conta il metodo. Pew ha estratto quasi mezzo milione di pagine in lingua inglese da Common Crawl, un archivio pubblico gratuito del web, coprendo circa cinque anni e iniziando un paio di anni prima che ChatGPT esistesse. Li ha poi sottoposti a Open Pangram, un rilevatore di testo basato su intelligenza artificiale. La suddivisione per dominio è la parte più sorprendente: gli indirizzi .com hanno mostrato un tasso di paternità dell’IA circa dieci volte superiore a quello degli indirizzi .edu e .gov, che si attestano entrambi intorno all’1%. I domini .org si attestano al 4,6%. Pew ha anche monitorato i presunti racconti su cui le persone amano discutere e ha scoperto l’uso crescente di trattini, virgole di Oxford e la costruzione “non è X, è Y”.
Due avvertenze appartengono proprio accanto a quel numero del titolo. Innanzitutto, il rilevamento non è una prova. Pangram e ogni strumento simile a volte contrassegnano la scrittura umana come prosa fatta a macchina, in particolare formale o stereotipata, quindi la cifra è utile direzionalmente piuttosto che esatta. In secondo luogo, “scritto con l’intelligenza artificiale” copre una gamma enorme, da una pagina di marketing generata all’ingrosso in un unico prompt a una bozza umana che qualcuno ha eseguito attraverso un modello grammaticale. Queste sono cose molto diverse e lo studio non può separarle nettamente. Ciò che la suddivisione dei domini suggerisce è che la pressione è commerciale: le pagine che esistono per posizionarsi nei risultati di ricerca e vendere qualcosa sono dove si trova il volume, mentre le università e gli enti pubblici hanno molte meno ragioni per sfornare testo.
Che cosa significa per te: se cerchi qualcosa e i risultati migliori ti sembrano tutti stranamente intercambiabili, non te lo stai immaginando. Tratta le pagine di contenuto .com generiche con più cautela rispetto al passato e affidati maggiormente alle fonti con un nome e un track record allegato. Se scrivi tu stesso per il web, la conclusione utile non è “non usare mai l’intelligenza artificiale”, ma che i risultati sono misurabili e i rilevatori stanno migliorando, quindi spacciare l’output non modificato per il tuo è una scommessa sempre più ristretta. E se sei curioso di conoscere le tue abitudini, la scoperta del trattino è un buon modo per ricordarti che le manie di stile viaggiano: le modelle le hanno imparate per prime da noi.
Fonti
Fonti: https://www.pewresearch.org/data-labs/2026/08/20/how-much-of-the-internet-is-written-with-ai/
Il pioniere dell'apprendimento per rinforzo Rich Sutton definisce i dati sintetici un grosso errore
Sutton sostiene che un mondo di infinita complessità non può essere appreso dai dati che un modello genera da solo. È una sfida diretta a una delle scorciatoie preferite del settore.
