Pew analizó 490.000 páginas en inglés tomadas de 49 recopilaciones de Common Crawl, un archivo web sin ánimo de lucro, con registros que van de enero de 2021 a julio de 2026. El texto de las páginas se procesó con Open Pangram, una herramienta de detección basada en inteligencia artificial, para estimar si probablemente había sido escrito o editado de forma sustancial con IA.

La muestra de julio ofrece la fotografía más clara del estado de la web en ese momento: una de cada 10 páginas superó el umbral de Pew para mostrar señales significativas de autoría o edición con IA. Sin embargo, solo una minoría de las páginas tenía metadatos de publicación utilizables. Por eso, el 35% no representa todas las páginas creadas después de 2022.

Las páginas comerciales encabezaron el aumento

La expansión no fue igual en todos los tipos de dominio. En 2026, aproximadamente el 10% de las páginas con dominio .com mostró señales importantes de autoría o edición con IA, frente al 4,6% de las páginas .org. En los dominios .edu y .gov, la cifra rondó el 1% en cada caso.

Antes del lanzamiento de ChatGPT, los cuatro grupos presentaban tasas relativamente parecidas. La separación posterior es compatible con una adopción más rápida de herramientas de IA en la producción de contenido comercial, aunque los resultados del detector no explican por sí solos por qué existen esas diferencias.

El estilo de la web también cambió

El análisis de Pew registró un aumento de varios rasgos lingüísticos y de puntuación desde la llegada de ChatGPT, entre ellos:

• La raya larga o em dash (—).
• La coma de Oxford, utilizada antes de la conjunción en enumeraciones de tres o más elementos.
• Palabras como “delve”, “interplay”, “tapestry” y “testament”, asociadas en el estudio con determinados textos generados por IA.
• El llamado “paralelismo negativo”, una estructura del tipo “no es solo X, sino Y”.

La frecuencia de estos marcadores creció con el tiempo en el conjunto de datos. Pero no son huellas dactilares. Una persona puede emplear una raya larga o cualquiera de esas palabras sin recurrir a la IA, y un texto asistido por IA puede no contener ninguno de esos rasgos.

Por qué el 35% necesita contexto

La principal cautela es metodológica: la detección es probabilística. Pew consideró que una puntuación de 0,2 o más constituía una señal significativa de uso de IA, aunque reconoció que los detectores pueden clasificar erróneamente documentos individuales. Por ello, el método resulta más útil para identificar cambios generales en una muestra amplia y aleatoria que para afirmar que un artículo concreto fue escrito por una máquina.

Además, el estudio mide un continuo de participación humana y automática. En este contexto, “contenido generado por IA” puede incluir textos redactados con ayuda de una herramienta o revisados de forma sustancial, no únicamente piezas producidas de principio a fin sin intervención humana. La diferencia es relevante para medios, investigadores y lectores que intentan interpretar estos datos.

Un internet producido y recorrido por sistemas automatizados

Los resultados de Pew se refieren a cómo se produce y cómo cambia el estilo del contenido web. Por separado, una información basada en datos de Cloudflare indicó que los sistemas automatizados representaron aproximadamente el 57% de la actividad registrada en su red en junio de 2026, frente al 43% atribuible a personas. Esa cifra describe el tráfico medido en la red de Cloudflare, no toda la actividad de internet, y tampoco demuestra que los bots que generaron ese tráfico fueran los autores de las páginas señaladas por Pew.

En conjunto, ambos datos apuntan a una transformación más amplia: la información en línea se produce cada vez más con ayuda de IA, es descubierta o procesada por sistemas automatizados y se consume en entornos donde las personas ya no son la única audiencia relevante. La evidencia respalda un cambio considerable en la forma de crear y recorrer la web, pero deja abierta la autoría de cualquier página individual.

Pew analizó 490.000 páginas en inglés tomadas de 49 recopilaciones de Common Crawl, un archivo web sin ánimo de lucro, con registros que van de enero de 2021 a julio de 2026. El texto de las páginas se procesó con Open Pangram, una herramienta de detección basada en inteligencia artificial, para estimar si probablemente había sido escrito o editado de forma sustancial con IA.

La muestra de julio ofrece la fotografía más clara del estado de la web en ese momento: una de cada 10 páginas superó el umbral de Pew para mostrar señales significativas de autoría o edición con IA. Sin embargo, solo una minoría de las páginas tenía metadatos de publicación utilizables. Por eso, el 35% no representa todas las páginas creadas después de 2022.

Las páginas comerciales encabezaron el aumento

La expansión no fue igual en todos los tipos de dominio. En 2026, aproximadamente el 10% de las páginas con dominio .com mostró señales importantes de autoría o edición con IA, frente al 4,6% de las páginas .org. En los dominios .edu y .gov, la cifra rondó el 1% en cada caso.

Antes del lanzamiento de ChatGPT, los cuatro grupos presentaban tasas relativamente parecidas. La separación posterior es compatible con una adopción más rápida de herramientas de IA en la producción de contenido comercial, aunque los resultados del detector no explican por sí solos por qué existen esas diferencias.

El estilo de la web también cambió

El análisis de Pew registró un aumento de varios rasgos lingüísticos y de puntuación desde la llegada de ChatGPT, entre ellos:

• La raya larga o em dash (—).
• La coma de Oxford, utilizada antes de la conjunción en enumeraciones de tres o más elementos.
• Palabras como “delve”, “interplay”, “tapestry” y “testament”, asociadas en el estudio con determinados textos generados por IA.
• El llamado “paralelismo negativo”, una estructura del tipo “no es solo X, sino Y”.

La frecuencia de estos marcadores creció con el tiempo en el conjunto de datos. Pero no son huellas dactilares. Una persona puede emplear una raya larga o cualquiera de esas palabras sin recurrir a la IA, y un texto asistido por IA puede no contener ninguno de esos rasgos.

Por qué el 35% necesita contexto

La principal cautela es metodológica: la detección es probabilística. Pew consideró que una puntuación de 0,2 o más constituía una señal significativa de uso de IA, aunque reconoció que los detectores pueden clasificar erróneamente documentos individuales. Por ello, el método resulta más útil para identificar cambios generales en una muestra amplia y aleatoria que para afirmar que un artículo concreto fue escrito por una máquina.

Además, el estudio mide un continuo de participación humana y automática. En este contexto, “contenido generado por IA” puede incluir textos redactados con ayuda de una herramienta o revisados de forma sustancial, no únicamente piezas producidas de principio a fin sin intervención humana. La diferencia es relevante para medios, investigadores y lectores que intentan interpretar estos datos.

Un internet producido y recorrido por sistemas automatizados

Los resultados de Pew se refieren a cómo se produce y cómo cambia el estilo del contenido web. Por separado, una información basada en datos de Cloudflare indicó que los sistemas automatizados representaron aproximadamente el 57% de la actividad registrada en su red en junio de 2026, frente al 43% atribuible a personas. Esa cifra describe el tráfico medido en la red de Cloudflare, no toda la actividad de internet, y tampoco demuestra que los bots que generaron ese tráfico fueran los autores de las páginas señaladas por Pew.

En conjunto, ambos datos apuntan a una transformación más amplia: la información en línea se produce cada vez más con ayuda de IA, es descubierta o procesada por sistemas automatizados y se consume en entornos donde las personas ya no son la única audiencia relevante. La evidencia respalda un cambio considerable en la forma de crear y recorrer la web, pero deja abierta la autoría de cualquier página individual.