Pew: tekoälyn jälkiä löytyy 35 prosentista ChatGPT:n jälkeen julkaistuista verkkosivuista

Pew Research Centerin elokuussa 2026 julkaisema analyysi tarjoaa yhden selkeimmistä viimeaikaisista arvioista siitä, kuinka laajasti tekoäly on tullut osaksi verkkojulkaisemista. Tutkijoiden otoksessa 35 prosentilla ChatGPT:n julkaisun jälkeen julkaistuista englanninkielisistä verkkosivuista oli merkittäviä tekoälyn kirjoittamiseen tai sisällön laajaan muokkaamiseen liittyviä piirteitä. Kun mukaan otettiin myös vanhempia sivuja, heinäkuun 2026 kokonaisotoksessa vastaava osuus oli 10 prosenttia. 15

Luku ei kuitenkaan tarkoita, että tekoäly olisi varmasti tuottanut jokaisen tunnistetun sivun. Pew’n menetelmä etsi tekoälylle tyypillisiä kirjoitus- ja muokkausjälkiä, mutta se ei pystynyt todistamaan yksittäisen sivun tekijää tai määrittämään, kuinka paljon tekoälyä sisällön tekemisessä oli käytetty. 1

Miten tutkimus tehtiin?

Pew poimi 10 000 englanninkielistä verkkosivua kustakin 49 Common Crawl -arkiston katsauksesta, jotka oli kerätty tammikuun 2021 ja heinäkuun 2026 välisenä aikana. Näin tutkimukseen kertyi yhteensä 490 000 sivua. Common Crawl on julkisesti saatavilla olevan verkkosisällön arkisto, joten esimerkiksi maksumuurien ja kirjautumisen taakse jäävä sisältö näkyy siinä todennäköisesti heikommin kuin avoimesti verkossa julkaistu materiaali. 3

Tutkijat erottivat sivuista varsinaisen leipätekstin ja analysoivat sen Open Pangram -tekoälytunnistimella. Menetelmä ei käsitellyt kirjoittamista vain ihmisen ja koneen välisenä joko–tai-kysymyksenä, vaan asteikkona. Siksi se saattoi tunnistaa myös tekstejä, joissa ihminen ja tekoäly olivat osallistuneet tekemiseen yhdessä, esimerkiksi kirjoittamalla, uudelleenmuotoilemalla tai editoimalla sisältöä. 13

Kokonaisotoksessa 10 prosenttia, ChatGPT:n jälkeen 35 prosenttia

Heinäkuussa 2026 kerätystä satunnaisesta 10 000 sivun otoksesta noin joka kymmenennellä oli merkittäviä tekoälyyn yhdistettyjä kirjoittamisen merkkejä. Otoksessa oli mukana myös sivuja ajalta ennen ChatGPT:tä, mikä painoi kokonaisosuutta alaspäin. 15

Kun Pew rajasi tarkastelun sivuihin, joiden julkaisupäivä oli ChatGPT:n 30. marraskuuta 2022 tapahtuneen julkisen julkaisun jälkeen, osuus nousi 35 prosenttiin – siis yli joka kolmanteen sivuun. 1

Vertailua ei silti pidä tulkita kaikkien ChatGPT:n julkaisun jälkeen internetiin lisättyjen sivujen tarkaksi laskennaksi. Vain vähemmistöllä verkkosivuista oli käyttökelpoinen julkaisupäivämerkintä. Siksi 35 prosentin arvio koskee sivuja, jotka Pew pystyi ajoittamaan ja vertaamaan, ei välttämättä kaikkia julkaisun jälkeen syntyneitä sivuja. 3

Tekoälyn merkkejä löytyi eniten kaupallisilta .com-sivuilta

Tulokset vaihtelivat huomattavasti verkkotunnuksen päätteen mukaan. Pew’n vuoden 2026 mittauksissa merkittäviä tekoälyyn liittyviä piirteitä löytyi noin:

• .com-sivuilta: 9–10 prosentilta
• .org-sivuilta: 4,6 prosentilta
• .edu-sivuilta: noin 1 prosentilta
• .gov-sivuilta: noin 1 prosentilta

Näin .com-sivujen osuus oli noin kaksinkertainen .org-sivuihin verrattuna ja noin kymmenkertainen .edu- ja .gov-sivuihin nähden. 4

Luvut kuvaavat tutkimusotoksen eroja, eivät sitä, että kaikki kaupalliset julkaisijat käyttäisivät tekoälyä tai että oppilaitosten ja viranomaisten verkkosivuilla sitä ei käytettäisi lainkaan. Ne kuitenkin osoittavat, että vahvin mitattu keskittymä oli kaupallisessa verkossa. 4

Miten tulos liittyy Cloudflaren bottihavaintoon?

Cloudflareen liittyneissä vuoden 2026 raporteissa automaattisten bottien ja tekoälyagenttien kerrottiin muodostaneen noin 57–57,5 prosenttia HTML-sisältöön kohdistuneista mitatuista pyynnöistä. Ihmisten osuudeksi jäi noin 42,5 prosenttia. 1718

Pew’n ja Cloudflaren luvut mittaavat kuitenkin eri asioita:

• Pew tarkasteli sivujen sisältöä: näkyikö tekstissä tekoälyn kirjoittamiseen tai merkittävään tekoälymuokkaukseen yhdistettyjä piirteitä.
• Cloudflare tarkasteli verkkopyyntöjä: näyttikö HTML-sivuille saapuva liikenne olevan peräisin automaattisista järjestelmistä vai ihmisistä.

Tuloksia voi siis pitää toisiaan täydentävinä, mutta niitä ei pidä sekoittaa keskenään. Botti voi indeksoida täysin ihmisen kirjoittaman sivun, ja tekoälyltä vaikuttavaa tekstiä sisältävää sivua voivat silti lukea pääasiassa ihmiset. Kumpikaan tutkimus ei todista toisen mittaustulosta. Yhdessä ne kuitenkin viittaavat verkkoon, jota muovaavat samanaikaisesti koneiden tuottama sisältö ja koneiden tekemä liikenne. 11718

Tekoälytunnistukseen liittyy merkittäviä rajoituksia

Pew huomautti, että tekoälytunnistimet voivat luokitella ihmisen kirjoittamaa tekstiä virheellisesti tekoälyn tuottamaksi. Positiivinen tulos on siksi parasta ymmärtää signaalina, ei varmana todisteena tekijästä. Menetelmä ei myöskään pysty luotettavasti erottamaan kokonaan tekoälyn tuottamaa tekstiä kevyemmästä avusta, kuten uudelleenkirjoituksesta tai kielentarkistuksesta. 1

Tutkimuksen rajat ovat lisäksi seuraavat:

• aineisto koskee englanninkielisiä verkkosivuja, ei koko maailman verkkoa;
• mukana ovat julkisesti indeksoitavat Common Crawl -arkiston sivut;
• ChatGPT:n jälkeinen vertailu perustuu sivuihin, joilla oli mukana julkaisupäivä, eikä tämä joukko välttämättä edusta kaikkia uusia verkkosivuja. 3

Siksi 35 prosenttia on arvio havaittavista tekoälyyn yhdistetyistä piirteistä tietyssä aineistossa – ei lopullinen vastaus siihen, kuinka suuri osa koko internetistä on tekoälyn kirjoittamaa.

Myös verkon kieli muuttui ChatGPT:n jälkeen

Pew tarkasteli erillisenä mittarina myös verkkotekstien kielellisiä muutoksia. ChatGPT:n julkaisun jälkeen tehdyillä sivuilla tutkijat havaitsivat lisääntyneen muun muassa ajatusviivojen, niin sanottujen Oxford-pilkkujen, kielteisen parallelismin sekä tiettyjen tekoälytekstiin yhdistettyjen sanojen käytön. Tällaisia sanoja olivat esimerkiksi englannin delve, crucial, landscape, pivotal ja underscore. 2

Nämäkään piirteet eivät todista tekijyyttä. Ihminen voi käyttää samoja välimerkkejä ja sanoja, ja kielenkäytön muutoksiin voi olla muitakin syitä kuin tekoäly. Niiden arvo on ennen kaikkea siinä, että ne tukevat tunnistintyökalun tuloksia ja kertovat laajemmasta muutoksesta verkon kirjoitustyylissä. 2

Mitä tuloksesta kannattaa päätellä?

Pew’n vahvin havainto ei ole, että 35 prosenttia internetistä olisi varmasti tekoälyn kirjoittamaa. Olennaisempaa on, että tutkimuksen ajoitettavissa olevista englanninkielisistä ChatGPT:n jälkeisistä sivuista yli kolmanneksella näkyi merkittäviä tekoälyn kirjoittamiseen tai laajaan muokkaukseen sopivia piirteitä. Heinäkuun 2026 laajemmassa otoksessa tällaisia merkkejä löytyi 10 prosentilta kaikista tutkituista sivuista, ja kaupallisilla .com-sivuilla niitä oli selvästi enemmän kuin .edu-, .gov- tai .org-sivuilla. 134

Tuloksia kannattaa käyttää ennen kaikkea mittarina muuttuvasta julkaisumaailmasta. Yksittäisen verkkosivun alkuperää tai tekijyyttä ei kuitenkaan voi varmistaa pelkän tekoälytunnistimen pistemäärän perusteella.