La IA ya escribe el 35% de contenido en Internet desde la llegada de ChatGPT

Hace menos de cuatro años, cuando OpenAI lanzó ChatGPT al mercado en noviembre de 2022, nadie podía prever la velocidad con la que la inteligencia artificial inundaría Internet. Hoy, según un estudio del Pew Research Center, aproximadamente una de cada tres páginas web publicadas contiene texto generado por máquinas, no por personas. Es una transformación sin precedentes en la historia de la comunicación digital.

El Pew Research Center, institución estadounidense sin fines de lucro, realizó un análisis exhaustivo utilizando Common Crawl, un repositorio que ha rastreado durante casi dos décadas más de 300.000 millones de páginas web. Los investigadores recopilaron casi medio millón de páginas en inglés durante los últimos cinco años —es decir, comenzando antes de que ChatGPT existiera— y las analizaron con una herramienta de detección llamada Open Pangram. El resultado fue contundente: el 10% de las páginas mostraba indicios significativos de autoría por inteligencia artificial en los años previos a ChatGPT, pero esa cifra se aceleró dramáticamente después de noviembre de 2022, llegando al 35% en la actualidad.

Para llegar a estas conclusiones, los investigadores emplearon un modelo de aprendizaje automático capaz de identificar patrones lingüísticos específicos que aparecen con mayor frecuencia en textos generados por IA que en la escritura humana. Las máquinas tienen sus palabras favoritas: expresiones como «adicionalmente», «alinearse con», «presume de», «crucial», «esencial» y «mejorar» aparecen repetidamente en contenido generado por IA. También utilizan guiones largos con frecuencia inusual y recurren a términos como «profundizar» e «interactuar» de manera predecible. El modelo examina estos patrones semánticos y sintácticos para determinar la probabilidad de que un texto haya sido escrito o editado por una máquina.

La aceleración comenzó con ChatGPT, pero se amplificó cuando llegaron otros sistemas. Gemini, el asistente de Google, y Claude, desarrollado por Anthropic, multiplicaron las herramientas disponibles para generar contenido automáticamente. A medida que estos sistemas se popularizaron, la proporción de páginas web con indicios de autoría por IA creció exponencialmente. El estudio advierte que esta tendencia continuará aumentando con el tiempo.

Lo más revelador es que la distribución de contenido generado por IA no es uniforme en toda la web. Cuando ChatGPT se lanzó, los patrones lingüísticos indicadores de autoría por IA aparecían con frecuencia similar en los principales dominios de nivel superior: .com, .org, .edu y .gov. Pero en 2026, la situación cambió radicalmente. Aproximadamente una de cada diez páginas con dominio .com muestra indicios de autoría por IA. En contraste, los dominios .org presentan la mitad de esa proporción, mientras que .edu y .gov rondan apenas el 1%. Esta disparidad sugiere que el contenido comercial ha sido el más afectado por la automatización, mientras que las instituciones académicas y gubernamentales han mantenido estándares más rigurosos.

El estudio del Pew Research Center coincide con investigaciones académicas previas que han documentado las consecuencias de esta proliferación. La generación masiva de texto asistido por IA está contribuyendo a una degradación de la diversidad semántica y estilística en línea, así como a una disminución en la precisión factual. En otras palabras, Internet se está llenando de contenido producido en cadena, frecuentemente carente de rigor y publicado desde la ignorancia. Las herramientas para detectar IA son cada vez más sofisticadas, capaces de reconocer patrones estadísticos sutiles en la elección de palabras y la estructura de las oraciones, pero la velocidad de generación de contenido supera ampliamente la capacidad de verificación. El boom de inversión en centros de datos refleja esta realidad: las empresas están construyendo la infraestructura necesaria para producir contenido a escala sin precedentes.