Una de cada tres páginas web nuevas muestra señales de autoría o edición con IA

El Pew Research Center ofrece una de las estimaciones más claras hasta ahora sobre la presencia de la inteligencia artificial en la publicación digital. Su análisis encontró señales significativas de autoría con IA o de una edición sustancial mediante IA en el 35% de las páginas web en inglés de su muestra publicadas después del lanzamiento público de ChatGPT. En una medición más amplia de julio de 2026, que también incluía páginas antiguas, la proporción fue del 10%. 15

La precisión es importante: el sistema identificó patrones asociados con la escritura o la edición mediante IA, pero no demostró que la IA hubiera generado por completo cada página señalada ni pudo determinar qué nivel de asistencia recibió cada texto. 1

Cómo se realizó el estudio

Pew seleccionó 10.000 páginas web en inglés de cada una de las 49 capturas de Common Crawl recopiladas entre enero de 2021 y julio de 2026. En total, la muestra reunió 490.000 páginas. Common Crawl es un archivo de contenido web de acceso público; por eso, las páginas protegidas por muros de pago o detrás de un inicio de sesión probablemente tienen una presencia menor en los datos. 3

Los investigadores extrajeron el texto principal de las páginas y lo analizaron con Open Pangram, una herramienta de detección diseñada para encontrar señales relacionadas con la autoría mediante IA o con una edición sustancial realizada por sistemas de inteligencia artificial. El método no plantea una división sencilla entre textos humanos y textos escritos por máquinas: también contempla distintos grados de colaboración entre personas y modelos de IA. 13

Del 10% general al 35% después de ChatGPT

Una muestra aleatoria de 10.000 páginas recopiladas en julio de 2026 mostró señales significativas de autoría con IA en aproximadamente una de cada diez páginas. Como ese conjunto incluía páginas publicadas antes de la aparición de ChatGPT, la tasa general era menor. 15

Cuando Pew filtró la muestra para quedarse con las páginas cuya fecha de publicación era posterior al 30 de noviembre de 2022, día del lanzamiento público de ChatGPT, la proporción subió al 35%: más de una de cada tres páginas. 1

Sin embargo, ese 35% no debe interpretarse como un censo exacto de todo lo publicado en internet desde entonces. Solo una minoría de las páginas analizadas incluía un campo de fecha de publicación utilizable. Por tanto, la estimación se aplica a las páginas que Pew pudo fechar y comparar, no necesariamente a todas las páginas posteriores al lanzamiento de ChatGPT. 3

Las páginas comerciales mostraron más señales

La frecuencia también varió de forma considerable según el dominio de nivel superior. En las mediciones de Pew para 2026:

• .com: aproximadamente entre el 9% y el 10% de las páginas mostraron señales significativas.
• .org: alrededor del 4,6%.
• .edu: cerca del 1%.
• .gov: cerca del 1%.

En la muestra, las páginas .com presentaron una tasa aproximadamente dos veces mayor que las .org y unas diez veces superior a la de las .edu y .gov. 4

Estos datos describen diferencias entre las páginas analizadas. No significan que todos los sitios comerciales utilicen IA ni que las páginas educativas o gubernamentales estén completamente al margen de estas herramientas. Sí indican que la mayor concentración medida se encontraba en el ámbito comercial de la web. 4

Qué relación tiene con el tráfico de bots de Cloudflare

Los datos difundidos en 2026 sobre Cloudflare indicaron que los bots automatizados y los agentes de IA representaban aproximadamente entre el 57% y el 57,5% de las solicitudes medidas hacia contenido HTML, frente a cerca del 42,5% correspondiente a personas. 1718

Pero ambas investigaciones observan capas distintas de internet:

• Pew analizó el contenido de las páginas: si el texto mostraba señales asociadas con autoría mediante IA o con una edición importante.
• Cloudflare analizó las solicitudes: si el tráfico que llegaba a las páginas HTML parecía proceder de sistemas automatizados o de usuarios humanos.

Por eso, los resultados son complementarios, no intercambiables. Un bot puede rastrear una página escrita completamente por una persona, y una página con señales de autoría mediante IA puede seguir siendo leída principalmente por personas. Ninguno de los dos estudios demuestra por sí solo la conclusión del otro. En conjunto, apuntan a una web cada vez más condicionada tanto por contenido producido por máquinas como por accesos impulsados por máquinas. 11718

Las limitaciones del análisis

Pew advirtió que los detectores de IA pueden clasificar erróneamente textos escritos por personas. Un resultado positivo debe entenderse, por tanto, como una señal, no como una atribución definitiva de autoría. Además, el método no distingue de forma fiable entre un texto generado completamente por IA y formas más limitadas de asistencia, como reescrituras, correcciones o edición. 1

El estudio tiene otros límites:

• Analiza páginas en inglés, no todo el contenido de internet a escala mundial.
• Se basa en páginas públicamente rastreables incluidas en Common Crawl.
• La comparación posterior al lanzamiento de ChatGPT utiliza el subconjunto que contenía fechas de publicación, que no tiene por qué representar a todas las páginas nuevas. 3

Por estas razones, el 35% es una estimación de señales detectables asociadas con la IA en una muestra concreta. No es una respuesta definitiva a la pregunta de qué porcentaje de todo internet fue escrito por inteligencia artificial.

También cambió el lenguaje de la web

Como línea de análisis separada, Pew examinó varios indicadores lingüísticos para observar cómo evolucionaba el lenguaje en internet. Entre las páginas publicadas después del lanzamiento de ChatGPT, los investigadores detectaron un aumento en el uso de rayas em, comas de Oxford, la paralelismo negativo y un conjunto de palabras asociadas con la prosa generada por IA, entre ellas “delve”, “crucial”, “landscape”, “pivotal” y “underscore”. 2

Estos rasgos tampoco prueban quién escribió un texto. Una persona puede utilizar la misma puntuación o vocabulario, y las convenciones de estilo pueden extenderse por motivos ajenos a la IA. Su valor está en servir como evidencia complementaria de un cambio más amplio en el lenguaje digital, junto con los resultados del detector. 2

La conclusión práctica

El hallazgo principal de Pew no es que el 35% de internet esté definitivamente escrito por IA. Es que, entre las páginas en inglés cuya fecha pudo identificarse, más de un tercio de las publicadas después de ChatGPT mostraba señales relevantes compatibles con autoría mediante IA o con una edición sustancial realizada con estas herramientas. La muestra general de julio de 2026 situó esas señales en el 10% de todas las páginas analizadas, mientras que los dominios comerciales registraron tasas considerablemente mayores que los .edu, .gov y .org. 134

Los resultados funcionan mejor como una medida de un ecosistema editorial en transformación y como recordatorio de que la procedencia de un contenido no puede establecerse únicamente a partir de la puntuación de un detector de IA.