Come è stata condotta l’analisi

Pew ha esaminato 490.000 pagine web in lingua inglese, campionate da 49 raccolte di Common Crawl realizzate tra gennaio 2021 e luglio 2026. Common Crawl è un archivio web senza scopo di lucro che conserva grandi quantità di pagine pubbliche. I ricercatori hanno analizzato il testo delle pagine con Open Pangram, uno strumento di rilevamento basato sull’apprendimento automatico, per stimare la probabilità che un contenuto fosse stato scritto o modificato in modo significativo con l’IA.

Il campione di luglio, composto da 10.000 pagine selezionate casualmente, offre la fotografia più chiara dello stato del web in quel momento: una pagina su dieci ha superato la soglia fissata da Pew per i segnali significativi di utilizzo dell’IA. Il 35% relativo alle pagine successive a ChatGPT è quindi un indicatore più circoscritto, non una misurazione completa di tutti i contenuti creati dopo il 2022.

I siti commerciali mostrano la crescita più marcata

La diffusione dei segnali non è stata uniforme tra i diversi tipi di dominio. Nel 2026, circa il 10% delle pagine con dominio .com mostrava segnali rilevanti di scrittura o revisione con IA, rispetto al 4,6% delle pagine .org. Per i domini .edu e .gov, la quota era invece di circa l’1% in entrambi i casi.

Prima del lancio di ChatGPT, i quattro gruppi di domini presentavano percentuali complessivamente simili. La successiva divergenza è compatibile con un’adozione più rapida degli strumenti di produzione assistita dall’IA nell’editoria web commerciale. I risultati del rilevatore, tuttavia, non spiegano perché le percentuali siano diverse e non dimostrano da soli una relazione causale.

Anche lo stile dei testi è cambiato

Pew ha monitorato inoltre alcuni elementi linguistici e di punteggiatura diventati più frequenti nel tempo dopo il lancio di ChatGPT. Tra questi figurano:

• il trattino lungo, o em dash;
• la virgola di Oxford, usata prima dell’ultimo elemento di un elenco in inglese;
• parole come “delve”, “interplay”, “tapestry” e “testament”;
• il cosiddetto “parallelismo negativo”, costruzioni del tipo “non è solo X, è Y”.

La frequenza misurata di questi segnali è aumentata nel dataset. Ma non si tratta di impronte digitali dell’IA. Un autore umano può usare un trattino lungo o una di queste parole senza ricorrere a un chatbot; allo stesso modo, un testo prodotto con assistenza artificiale può non contenere nessuno degli elementi elencati.

Perché il 35% va interpretato con cautela

Il principale limite metodologico è che il rilevamento è probabilistico. Pew ha considerato significativo un punteggio dello strumento pari o superiore a 0,2, riconoscendo però che i rilevatori possono classificare erroneamente singoli documenti. Il metodo è quindi più utile per individuare tendenze su un campione ampio e casuale che per stabilire con certezza chi abbia scritto una determinata pagina.

Il risultato descrive inoltre un continuum di collaborazione tra persone e strumenti automatici. Una pagina può essere stata ideata da un essere umano, generata in parte dall’IA e poi riscritta o verificata da un redattore. Ridurre tutto alla contrapposizione tra “testo umano” e “testo della macchina” rischia dunque di semplificare troppo ciò che la ricerca sta misurando.

Un web prodotto e attraversato sempre più dalle macchine

I dati di Pew riguardano la produzione e lo stile dei contenuti. Un’analisi distinta basata sui dati di Cloudflare ha rilevato che, nel giugno 2026, i sistemi automatizzati rappresentavano circa il 57% dell’attività sulla sua rete, contro circa il 43% generato dagli esseri umani. Questa percentuale si riferisce al traffico osservato sulla rete Cloudflare, non a ogni forma di attività su Internet, e non dimostra che i bot abbiano scritto le pagine segnalate dallo studio di Pew.

Considerati insieme, i due fenomeni indicano una trasformazione più ampia: il web viene sempre più spesso prodotto con l’aiuto dell’IA, esplorato o elaborato da sistemi automatici e fruito in ambienti in cui gli esseri umani non sono più gli unici destinatari rilevanti. Le evidenze sostengono un cambiamento consistente nel modo in cui Internet viene costruito e navigato, ma lasciano aperta la paternità di ogni singola pagina.

Come è stata condotta l’analisi

Pew ha esaminato 490.000 pagine web in lingua inglese, campionate da 49 raccolte di Common Crawl realizzate tra gennaio 2021 e luglio 2026. Common Crawl è un archivio web senza scopo di lucro che conserva grandi quantità di pagine pubbliche. I ricercatori hanno analizzato il testo delle pagine con Open Pangram, uno strumento di rilevamento basato sull’apprendimento automatico, per stimare la probabilità che un contenuto fosse stato scritto o modificato in modo significativo con l’IA.

Il campione di luglio, composto da 10.000 pagine selezionate casualmente, offre la fotografia più chiara dello stato del web in quel momento: una pagina su dieci ha superato la soglia fissata da Pew per i segnali significativi di utilizzo dell’IA. Il 35% relativo alle pagine successive a ChatGPT è quindi un indicatore più circoscritto, non una misurazione completa di tutti i contenuti creati dopo il 2022.

I siti commerciali mostrano la crescita più marcata

La diffusione dei segnali non è stata uniforme tra i diversi tipi di dominio. Nel 2026, circa il 10% delle pagine con dominio .com mostrava segnali rilevanti di scrittura o revisione con IA, rispetto al 4,6% delle pagine .org. Per i domini .edu e .gov, la quota era invece di circa l’1% in entrambi i casi.

Prima del lancio di ChatGPT, i quattro gruppi di domini presentavano percentuali complessivamente simili. La successiva divergenza è compatibile con un’adozione più rapida degli strumenti di produzione assistita dall’IA nell’editoria web commerciale. I risultati del rilevatore, tuttavia, non spiegano perché le percentuali siano diverse e non dimostrano da soli una relazione causale.

Anche lo stile dei testi è cambiato

Pew ha monitorato inoltre alcuni elementi linguistici e di punteggiatura diventati più frequenti nel tempo dopo il lancio di ChatGPT. Tra questi figurano:

• il trattino lungo, o em dash;
• la virgola di Oxford, usata prima dell’ultimo elemento di un elenco in inglese;
• parole come “delve”, “interplay”, “tapestry” e “testament”;
• il cosiddetto “parallelismo negativo”, costruzioni del tipo “non è solo X, è Y”.

La frequenza misurata di questi segnali è aumentata nel dataset. Ma non si tratta di impronte digitali dell’IA. Un autore umano può usare un trattino lungo o una di queste parole senza ricorrere a un chatbot; allo stesso modo, un testo prodotto con assistenza artificiale può non contenere nessuno degli elementi elencati.

Perché il 35% va interpretato con cautela

Il principale limite metodologico è che il rilevamento è probabilistico. Pew ha considerato significativo un punteggio dello strumento pari o superiore a 0,2, riconoscendo però che i rilevatori possono classificare erroneamente singoli documenti. Il metodo è quindi più utile per individuare tendenze su un campione ampio e casuale che per stabilire con certezza chi abbia scritto una determinata pagina.

Il risultato descrive inoltre un continuum di collaborazione tra persone e strumenti automatici. Una pagina può essere stata ideata da un essere umano, generata in parte dall’IA e poi riscritta o verificata da un redattore. Ridurre tutto alla contrapposizione tra “testo umano” e “testo della macchina” rischia dunque di semplificare troppo ciò che la ricerca sta misurando.

Un web prodotto e attraversato sempre più dalle macchine

I dati di Pew riguardano la produzione e lo stile dei contenuti. Un’analisi distinta basata sui dati di Cloudflare ha rilevato che, nel giugno 2026, i sistemi automatizzati rappresentavano circa il 57% dell’attività sulla sua rete, contro circa il 43% generato dagli esseri umani. Questa percentuale si riferisce al traffico osservato sulla rete Cloudflare, non a ogni forma di attività su Internet, e non dimostra che i bot abbiano scritto le pagine segnalate dallo studio di Pew.

Considerati insieme, i due fenomeni indicano una trasformazione più ampia: il web viene sempre più spesso prodotto con l’aiuto dell’IA, esplorato o elaborato da sistemi automatici e fruito in ambienti in cui gli esseri umani non sono più gli unici destinatari rilevanti. Le evidenze sostengono un cambiamento consistente nel modo in cui Internet viene costruito e navigato, ma lasciano aperta la paternità di ogni singola pagina.