Un tercio de las páginas web posteriores a ChatGPT muestra señales de autoría de IA

Un estudio de Pew Research estima que 35% de las páginas web en inglés publicadas después del lanzamiento de ChatGPT muestra señales significativas de autoría o edición mediante IA, aunque los detectores pueden cometer errores.
***

• Pew Research analizó casi medio millón de páginas web en inglés recopiladas por Common Crawl durante aproximadamente cinco años.
• En una muestra de páginas posteriores a noviembre de 2022, el 35% mostró señales significativas de autoría de IA.
• Las URL .com registraron una tasa de señales de IA aproximadamente diez veces superior a la de los dominios .edu y .gov.

Más de un tercio de las páginas web publicadas después del lanzamiento de ChatGPT muestra señales de haber sido escrita o fuertemente editada por inteligencia artificial, según un estudio de Pew Research divulgado el 20 de agosto de 2026. El análisis ofrece una fotografía del contenido que circula en internet, en un momento en que también crece la actividad automatizada que rastrea, produce y reorganiza información digital.

El informe no intenta determinar quién visita cada página, sino identificar indicios sobre cómo fueron creados sus textos. Esa distinción resulta relevante porque el ecosistema digital parece avanzar hacia un escenario en el que bots generan contenido que posteriormente otros sistemas automatizados leen, clasifican y utilizan como referencia.

Un salto visible después de ChatGPT

Para elaborar su investigación, Pew recurrió al archivo web Common Crawl y reunió casi medio millón de páginas en inglés publicadas durante aproximadamente los cinco años más recientes. La muestra comenzó un par de años antes de noviembre de 2022, fecha del lanzamiento de ChatGPT, con el objetivo de comparar la presencia de señales de IA antes y después de la expansión de las herramientas generativas.

El organismo utilizó la tecnología de Open Pangram para estimar cuántas páginas probablemente fueron escritas o editadas de manera sustancial por sistemas de inteligencia artificial. La metodología no identifica necesariamente la herramienta utilizada ni prueba por sí sola que un modelo haya redactado cada frase, pero permite observar tendencias a gran escala dentro de un conjunto amplio de documentos.

En una muestra aleatoria de 10.000 páginas recopiladas en julio de 2026, aproximadamente 10% presentó señales significativas de autoría de IA. Pew advirtió que ese resultado incluye páginas antiguas, algunas publicadas antes de que existieran las herramientas modernas de escritura generativa y que, por esa razón, no pudieron haber sido creadas con ellas.

Cuando los investigadores retiraron las páginas más antiguas y se concentraron en las publicadas después del lanzamiento de ChatGPT, la proporción subió a 35%. El cambio sugiere que la adopción de sistemas generativos no se limita a experimentos aislados, sino que ya forma parte del proceso editorial de una porción considerable de los contenidos web recientes.

Los dominios comerciales concentran más señales

La distribución varía de forma marcada según la extensión del dominio. Las páginas con dominio .com mostraron señales de autoría de IA a una tasa aproximadamente diez veces mayor que las direcciones .edu y .gov, cuyos resultados rondaron 1% en ambos casos.

Los dominios .org registraron una proporción de 4,6%, también por debajo de la observada en los sitios comerciales. La diferencia apunta a que el uso de herramientas generativas podría estar más extendido en páginas orientadas a negocios, publicación masiva o producción frecuente de contenido, aunque el estudio no establece por sí mismo las razones detrás de cada variación.

El contraste entre extensiones no significa que todos los sitios .com utilicen IA ni que los dominios educativos o gubernamentales estén completamente al margen de esa tecnología. Se trata de promedios derivados del conjunto analizado, por lo que describen una tendencia agregada y no permiten atribuir la autoría de una página específica sin una revisión adicional.

La expansión del contenido automatizado también plantea preguntas sobre la calidad y la trazabilidad de la información disponible en internet. Para lectores, investigadores y sistemas de búsqueda, distinguir entre una redacción humana, una edición asistida y una generación casi completa puede resultar cada vez más difícil cuando las páginas no revelan cómo fueron producidas.

Una web cada vez más automatizada

El estudio apareció poco después de que Cloudflare informara que el tráfico web generado por bots había superado al tráfico humano. La empresa había estimado que ese hito llegaría más adelante, pero sus datos indicaron que la actividad automatizada alcanzó el punto de inflexión antes de lo previsto.

Ambos fenómenos describen dimensiones distintas del mismo cambio tecnológico. Mientras los datos de Cloudflare se enfocan en quién o qué navega por la web, la investigación de Pew observa qué tipo de páginas son consultadas, y el resultado combina una mayor presencia de bots con una creciente cantidad de textos producidos o editados por otros sistemas automatizados.

La interacción entre esas dos tendencias puede modificar el funcionamiento de los mercados de información digital. Los bots rastrean páginas para alimentar buscadores, bases de datos y modelos de inteligencia artificial, mientras los editores pueden utilizar sistemas generativos para producir nuevos textos que luego vuelven a entrar en ese circuito de recopilación automática.

Ese ciclo no demuestra que el contenido generado por IA sea necesariamente falso o inútil, pero sí aumenta la importancia de la supervisión editorial. La procedencia, la verificación de datos y la identificación de material repetitivo se vuelven criterios centrales para evaluar la confiabilidad de una web con un volumen creciente de producción automatizada.

Limitaciones de los detectores de IA

Pew reconoció que el análisis no es perfecto porque Open Pangram, al igual que otras herramientas de detección, puede clasificar como generado por IA un texto que en realidad fue escrito por una persona. Las señales lingüísticas no constituyen una prueba definitiva de autoría y pueden aparecer en textos humanos que emplean estructuras previsibles o estilos muy uniformes.

A pesar de esa limitación, el organismo consideró que los resultados probablemente son correctos al menos en términos direccionales cuando se observan a escala. En otras palabras, aunque algunas páginas puedan estar mal clasificadas, el crecimiento general detectado después de noviembre de 2022 ofrece una indicación útil sobre la expansión del uso de estas herramientas.

El riesgo de falsos positivos exige cautela al utilizar estos sistemas para sancionar autores, rechazar investigaciones o cuestionar la legitimidad de una publicación. Una señal estadística puede orientar una revisión humana, pero no debería reemplazarla cuando están en juego reputaciones, decisiones académicas o responsabilidades editoriales.

La dificultad aumenta porque la frontera entre escritura humana y asistencia algorítmica no siempre es clara. Un texto puede combinar ideas de una persona, correcciones de estilo realizadas por un modelo y párrafos generados automáticamente, una mezcla que los detectores intentan inferir a partir del lenguaje sin observar directamente el proceso de producción.

Rastros lingüísticos que se multiplican

Además de las puntuaciones de Open Pangram, Pew identificó un aumento de otros supuestos indicios asociados con la autoría de IA. Entre ellos aparecen un uso más frecuente de guiones largos, las comas de Oxford y construcciones como “no es X, es Y”, patrones que se volvieron más visibles con el avance de los asistentes de escritura.

Ninguno de esos elementos puede funcionar como una huella exclusiva de un sistema generativo. Los guiones largos y las comas de Oxford pertenecen a estilos editoriales legítimos, mientras que la estructura de contraste puede aparecer naturalmente en textos humanos; su valor surge cuando se observan junto con otras señales y dentro de grandes conjuntos de documentos.

El hallazgo refleja cómo las herramientas de IA pueden influir no solo en las ideas de un texto, sino también en sus ritmos, elecciones de puntuación y fórmulas retóricas. Con el tiempo, esos patrones pueden difundirse entre autores humanos que adoptan recomendaciones de modelos, lo que vuelve todavía más compleja la tarea de separar una redacción asistida de una totalmente automatizada.

La conclusión central del estudio no es que toda la web nueva haya sido escrita por máquinas, sino que la autoría y la edición mediante IA ya aparecen en una proporción significativa de las páginas posteriores al lanzamiento de ChatGPT. Para los usuarios, la consecuencia más inmediata será exigir mayor transparencia sobre los procesos de creación y mantener una lectura crítica frente a una internet donde los bots producen y consumen cada vez más información.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín