Pew: jo joka kymmenes verkkosivu näyttää AI:n muokkaamalta

Verkkotunnus vaikutti tulokseen

Tekoälyn merkit eivät jakautuneet verkossa tasaisesti. Vuoteen 2026 mennessä noin joka kymmenes .com-sivu sisälsi tutkimuksen mittareilla AI:hin viittaavia piirteitä. .org-sivuilla osuus oli 4,6 %, kun taas .edu- ja .gov-sivuilla se oli noin 1 % kummassakin.

Erot voivat kertoa verkkosisältöjen erilaisista käyttötarkoituksista ja tuotantotavoista, mutta tutkimus ei itsessään todista, mistä erot tarkalleen johtuvat. .edu viittaa yleensä oppilaitoksiin ja .gov Yhdysvaltain viranomaisorganisaatioihin; suomalaisille vastaavat tunnukset eivät ole suoraan sama asia kuin esimerkiksi .fi-verkkotunnus.

Millaisia kielellisiä merkkejä etsittiin?

Open Pangram ei etsinyt tekstistä yksittäistä ”AI-sormenjälkeä”. Sen sijaan se arvioi useiden kielellisten piirteiden yhdistelmiä, jotka esiintyvät tilastollisesti useammin tekoälyn kuin ihmisen tuottamassa tekstissä. Pew mainitsee esimerkkeinä muun muassa seuraavat:

• ajatusviivojen eli em dashien yleistyminen
• englannin niin sanotun Oxford-pilkun käyttö luetteloissa
• tekoälylle tyypillinen sanasto
• niin sanottu negatiivinen rinnastus, kuten rakenne ”ei vain X, vaan myös Y”.

Yksittäinen piirre ei kuitenkaan todista tekstin alkuperää. Ihminen voi käyttää runsaasti ajatusviivoja tai Oxford-pilkkua, ja tekoälyn tuottamaa tekstiä voidaan muokata jälkikäteen perusteellisesti. Siksi tutkimuksen tulokset tarkoittavat ennen kaikkea ”merkkejä tekoälyn käytöstä tai merkittävästä AI-muokkauksesta” – eivät varmaa lukua kokonaan koneen kirjoittamista verkkosivuista.

Tutkimuksella on tärkeät rajat

Common Crawl sisältää julkisesti saavutettavia verkkosivuja. Maksumuurien ja kirjautumisen taakse jäävät sivut ovat siksi todennäköisesti aineistossa aliedustettuina. Lisäksi analyysi koski englanninkielistä verkkotekstiä, ei kuvia, videoita, muunkielistä sisältöä tai koko verkkoa.

Toinen merkittävä rajoitus liittyy julkaisupäiviin: vain noin 10–15 % otokseen päätyneistä sivuista sisälsi käyttökelpoisen julkaisupäivän. Näin ollen 35 prosentin tulos perustuu valikoituneeseen, ei satunnaiseen päivättyjen sivujen joukkoon.

Myös AI-tunnistimet voivat tehdä sekä vääriä positiivisia että vääriä negatiivisia luokituksia. Niiden suorituskyky riippuu esimerkiksi tekstin lajista, pituudesta ja käytetystä kielimallista. Siksi yksittäistä verkkosivua ei pitäisi leimata tekoälyn tuottamaksi pelkän tunnistustuloksen perusteella.

Verkkoa tuottavat ja selaavat yhä useammin koneet

Pew’n havainnot viittaavat siihen, että verkko ei ole enää vain paikka, jossa tekoälyn tuottamaa sisältöä esiintyy satunnaisesti. Erityisesti uusi julkinen tekstisisältö näyttää olevan yhä useammin tekoälyn avustamaa tai välittämää.

Tämä kehitys osuu yhteen Cloudflaren raportoiman muutoksen kanssa: yhtiön verkossa automatisoitu, ei-inhimillinen liikenne ohitti ihmisten tuottaman liikenteen toukokuussa 2026. Nämä kaksi havaintoa mittaavat kuitenkin eri asioita. Cloudflaren luku koskee bottien ja muiden automaattisten järjestelmien HTTP-pyyntöjä, ei verkkosivujen tekstin kirjoittamista.

Yhdessä tulokset kuvaavat verkkoa, jota koneet tuottavat, haravoivat ja käyttävät aiempaa enemmän. Ne eivät silti osoita, että tekoäly olisi korvannut ihmiskirjoittajat tai että ihmiset olisivat kokonaan poistuneet verkosta.