Pew: 35% del contenido web nuevo ya está escrito por IA

El Pew Research Center acaba de poner números a una intuición que lleva meses circulando en el ecosistema tech: uno de cada tres textos nuevos publicados en la web en inglés muestra señales claras de haber sido escrito o editado profundamente por inteligencia artificial. El estudio, divulgado el 20 de agosto de 2026, analizó cerca de 490.000 páginas descargadas del archivo Common Crawl — el mismo repositorio que alimenta el entrenamiento de los grandes modelos de lenguaje — distribuidas entre enero de 2021 y julio de 2026. Cuando los investigadores filtraron solo el contenido publicado desde noviembre de 2022, la cifra se disparó al 35%. Para cualquier fundador que compita por tráfico orgánico o visibilidad en buscadores, esto no es una curiosidad estadística: es la prueba de que la materia prima con la que se entrena, se posiciona y se compite ya no es mayoritariamente humana.

El equipo de Data Labs de Pew utilizó Open Pangram, un detector de código abierto que Substack adoptó para identificar newsletters automatizadas, estableciendo un umbral de 0,2 en una escala que va de 0 (contenido humano) a 1 (IA pura). Los propios investigadores reconocen que ningún detector es infalible cuando se analiza un documento aislado — los humanos ya usaban em dashes y comas de Oxford antes de que existieran los modelos de lenguaje — pero el valor del estudio reside en el agregado. Al examinar cientos de miles de páginas, los patrones estadísticos separan con fiabilidad lo humano de lo sintético, aunque cualquier veredicto individual pueda fallar.

Lo más revelador no es la media general, sino cómo se distribuye la adopción de IA según el tipo de dominio. Cuando se lanzó ChatGPT, los cuatro grandes TLD — .com, .org, .edu, .gov — estaban por debajo del 1,1%. En julio de 2026, las distancias son brutales: .com alcanza 9,4% de páginas con señales de IA, el doble que .org con 4,6%. Los dominios .edu rondan el 1% y .gov apenas llega a 0,8%, la décima parte que .com. La conclusión que emerge es incómoda: la adopción de IA en la escritura no la explica la tecnología, sino el modelo de negocio. Donde existe incentivo para producir volumen barato orientado a SEO, la máquina escribe. Donde hay reputación institucional en juego — ciencia revisada por pares, regulación pública — el humano resiste. Los propios autores del estudio hablan de «una página donde la escritura es un coste y no un propósito».

Pew también cuantificó los marcadores lingüísticos que delatan al texto sintético. El em dash — esa raya larga tan característica de los LLM — pasó de 5,79 a 11,19 apariciones por cada 10.000 palabras entre enero de 2023 y julio de 2026, casi el doble. La coma de Oxford creció 63%. Palabras favoritas de los modelos como «delve» o «testament» más que duplicaron su presencia. La estructura de paralelismo negativo — «no es solo X, es Y» — casi se triplicó. El internet nuevo no solo contiene más texto de máquina: suena cada vez más a máquina. Si una startup edita un blog y el redactor freelancer entrega un texto lleno de estos marcadores, recibe exactamente lo mismo que publican cientos de competidores. La huella se ha vuelto el acento dominante de la prosa comercial en inglés.

Pero existe un contrapeso importante. La consultora de SEO Graphite confirmó en un estudio paralelo que aunque la IA escribió más artículos — llegando a superar el 50% del contenido nuevo a fines de 2024 — su presencia en Google y en las respuestas de chatbots es mucho menor. En los datos más recientes de Graphite, el 86% de los artículos que aparecen en resultados de Google sigue siendo de autoría humana y el 82% de las fuentes citadas por chatbots también son humanas. La marea de texto sintético existe, pero los sistemas que ordenan la web todavía la filtran. Sin embargo, ese filtro no es estable. arXiv anunció en mayo de 2026 que prohíbe durante un año a autores cuyos artículos contengan «evidencia incontrovertible» de contenido no verificado escrito por LLM, tras detectar cerca de 150.000 referencias inventadas por IA solo en 2025. LinkedIn reconoció el problema en mayo de 2026 y redujo el alcance de contenido repetitivo: más del 40% de sus posts largos fueron clasificados como totalmente generados por IA en escaneos voluntarios.

Para cualquier startup que compita por SEO, tráfico orgánico o por ser citada por ChatGPT, Perplexity o Gemini, la ventana competitiva se cierra en dos frentes simultáneamente: se escribe contra millones de páginas más baratas, y los algoritmos de visibilidad premian cada vez más señales de autoría humana verificada. La mitad de los adultos estadounidenses ya usa chatbots y el 24% lo hace a diario, según el propio reporte de Pew. El texto humano publicado ya se comporta como un activo escaso. Quien pueda entregar prosa original, firmada y citable gana una ventaja medible: los modelos necesitan prosa humana fresca para seguir entrenándose, y los buscadores ya lo saben.