Bagaimana kajian itu dijalankan?

Penyelidik Pew menganalisis 490,000 halaman web berbahasa Inggeris daripada 49 koleksi Common Crawl, iaitu arkib web besar yang mengumpulkan salinan halaman internet dari semasa ke semasa. Sampel itu meliputi tempoh Januari 2021 hingga Julai 2026.

Teks pada setiap halaman dianalisis menggunakan Open Pangram, alat pengesanan AI, bagi menganggarkan sama ada kandungan berkemungkinan ditulis atau disunting dengan ketara oleh AI.

Sampel Julai 2026 memberikan gambaran paling jelas tentang keadaan web pada ketika itu: satu daripada setiap 10 halaman melepasi ambang Pew bagi isyarat kepengarangan AI yang bermakna. Tetapi hanya sebahagian kecil halaman dalam sampel mempunyai tarikh penerbitan yang boleh dikenal pasti, menyebabkan angka 35% tidak boleh dianggap sebagai ukuran lengkap bagi semua halaman yang dihasilkan selepas 2022.

Halaman komersial menunjukkan kadar lebih tinggi

Peningkatan penggunaan AI tidak berlaku secara seragam mengikut jenis domain.

Pada 2026, kira-kira 10% halaman berakhiran .com menunjukkan isyarat ketara penulisan atau suntingan AI. Kadarnya lebih rendah bagi .org, iaitu 4.6%, manakala halaman .edu dan .gov masing-masing sekitar 1%.

Sebelum ChatGPT dilancarkan, kadar bagi keempat-empat kumpulan domain itu secara umumnya hampir sama. Perbezaan yang muncul kemudian selari dengan kemungkinan bahawa penerbitan web komersial menggunakan penghasilan berbantukan AI dengan lebih pantas. Namun, keputusan pengesan sahaja tidak dapat menjelaskan sebab sebenar perbezaan tersebut.

Gaya penulisan web turut berubah

Pew turut menjejaki beberapa ciri bahasa yang menjadi lebih lazim selepas pelancaran ChatGPT, termasuk:

• tanda pisah em atau em dash (—);
• koma Oxford, iaitu koma sebelum “dan” atau “atau” dalam senarai berbahasa Inggeris;
• perkataan seperti “delve”, “interplay”, “tapestry” dan “testament”; serta
• struktur “perbandingan negatif” seperti “ia bukan sekadar X, tetapi Y”.

Kekerapan ciri-ciri ini meningkat merentas set data dari semasa ke semasa. Namun, ia bukan cap jari yang boleh membuktikan penggunaan AI. Penulis manusia juga boleh menggunakan tanda pisah em atau perkataan tersebut, manakala teks yang dibantu AI pula tidak semestinya mempunyai semua ciri berkenaan.

Mengapa pengesan AI tidak boleh menjadi hakim muktamad?

Peringatan paling penting daripada kajian ini ialah keputusan pengesanan bersifat kebarangkalian. Pew menganggap skor 0.2 atau lebih sebagai tanda penggunaan AI yang bermakna, sambil mengakui bahawa alat pengesan boleh tersilap mengklasifikasikan dokumen tertentu.

Justeru, kaedah ini lebih berguna untuk mengenal pasti perubahan besar dalam set data yang luas dan dipilih secara rawak berbanding mengisytiharkan bahawa artikel tertentu pasti ditulis oleh AI.

Istilah “ditulis oleh AI” dalam konteks kajian ini juga merangkumi spektrum penglibatan manusia dan mesin — termasuk bantuan atau suntingan yang besar, bukan hanya penjanaan automatik sepenuhnya. Perbezaan ini penting kepada penerbit, penyelidik dan pembaca yang cuba memahami maksud dapatan tersebut.

Web yang semakin dibentuk oleh sistem automatik

Dapatan Pew menggambarkan cara kandungan web dihasilkan dan gaya penulisannya. Laporan berasingan berdasarkan data Cloudflare pula mendapati sistem automatik menyumbang kira-kira 57% aktiviti pada rangkaiannya pada Jun 2026, berbanding sekitar 43% bagi manusia.

Angka Cloudflare itu merujuk kepada trafik yang diukur pada rangkaian Cloudflare — bukan semua bentuk aktiviti internet — dan tidak membuktikan bahawa bot berkenaan menghasilkan halaman yang dikesan dalam kajian Pew.

Namun, kedua-dua dapatan itu menunjukkan perubahan yang lebih luas: kandungan dalam talian semakin banyak dihasilkan dengan bantuan AI, ditemui atau diproses oleh sistem automatik, dan digunakan dalam persekitaran yang manusia bukan lagi satu-satunya khalayak penting.

Bukti yang ada menyokong perubahan besar dalam cara web dibina dan dilayari. Tetapi bagi mana-mana halaman tertentu, persoalan tentang siapa yang sebenarnya menulisnya masih tidak boleh diputuskan hanya berdasarkan tanda-tanda statistik.

Bagaimana kajian itu dijalankan?

Penyelidik Pew menganalisis 490,000 halaman web berbahasa Inggeris daripada 49 koleksi Common Crawl, iaitu arkib web besar yang mengumpulkan salinan halaman internet dari semasa ke semasa. Sampel itu meliputi tempoh Januari 2021 hingga Julai 2026.

Teks pada setiap halaman dianalisis menggunakan Open Pangram, alat pengesanan AI, bagi menganggarkan sama ada kandungan berkemungkinan ditulis atau disunting dengan ketara oleh AI.

Sampel Julai 2026 memberikan gambaran paling jelas tentang keadaan web pada ketika itu: satu daripada setiap 10 halaman melepasi ambang Pew bagi isyarat kepengarangan AI yang bermakna. Tetapi hanya sebahagian kecil halaman dalam sampel mempunyai tarikh penerbitan yang boleh dikenal pasti, menyebabkan angka 35% tidak boleh dianggap sebagai ukuran lengkap bagi semua halaman yang dihasilkan selepas 2022.

Halaman komersial menunjukkan kadar lebih tinggi

Peningkatan penggunaan AI tidak berlaku secara seragam mengikut jenis domain.

Pada 2026, kira-kira 10% halaman berakhiran .com menunjukkan isyarat ketara penulisan atau suntingan AI. Kadarnya lebih rendah bagi .org, iaitu 4.6%, manakala halaman .edu dan .gov masing-masing sekitar 1%.

Sebelum ChatGPT dilancarkan, kadar bagi keempat-empat kumpulan domain itu secara umumnya hampir sama. Perbezaan yang muncul kemudian selari dengan kemungkinan bahawa penerbitan web komersial menggunakan penghasilan berbantukan AI dengan lebih pantas. Namun, keputusan pengesan sahaja tidak dapat menjelaskan sebab sebenar perbezaan tersebut.

Gaya penulisan web turut berubah

Pew turut menjejaki beberapa ciri bahasa yang menjadi lebih lazim selepas pelancaran ChatGPT, termasuk:

• tanda pisah em atau em dash (—);
• koma Oxford, iaitu koma sebelum “dan” atau “atau” dalam senarai berbahasa Inggeris;
• perkataan seperti “delve”, “interplay”, “tapestry” dan “testament”; serta
• struktur “perbandingan negatif” seperti “ia bukan sekadar X, tetapi Y”.

Kekerapan ciri-ciri ini meningkat merentas set data dari semasa ke semasa. Namun, ia bukan cap jari yang boleh membuktikan penggunaan AI. Penulis manusia juga boleh menggunakan tanda pisah em atau perkataan tersebut, manakala teks yang dibantu AI pula tidak semestinya mempunyai semua ciri berkenaan.

Mengapa pengesan AI tidak boleh menjadi hakim muktamad?

Peringatan paling penting daripada kajian ini ialah keputusan pengesanan bersifat kebarangkalian. Pew menganggap skor 0.2 atau lebih sebagai tanda penggunaan AI yang bermakna, sambil mengakui bahawa alat pengesan boleh tersilap mengklasifikasikan dokumen tertentu.

Justeru, kaedah ini lebih berguna untuk mengenal pasti perubahan besar dalam set data yang luas dan dipilih secara rawak berbanding mengisytiharkan bahawa artikel tertentu pasti ditulis oleh AI.

Istilah “ditulis oleh AI” dalam konteks kajian ini juga merangkumi spektrum penglibatan manusia dan mesin — termasuk bantuan atau suntingan yang besar, bukan hanya penjanaan automatik sepenuhnya. Perbezaan ini penting kepada penerbit, penyelidik dan pembaca yang cuba memahami maksud dapatan tersebut.

Web yang semakin dibentuk oleh sistem automatik

Dapatan Pew menggambarkan cara kandungan web dihasilkan dan gaya penulisannya. Laporan berasingan berdasarkan data Cloudflare pula mendapati sistem automatik menyumbang kira-kira 57% aktiviti pada rangkaiannya pada Jun 2026, berbanding sekitar 43% bagi manusia.

Angka Cloudflare itu merujuk kepada trafik yang diukur pada rangkaian Cloudflare — bukan semua bentuk aktiviti internet — dan tidak membuktikan bahawa bot berkenaan menghasilkan halaman yang dikesan dalam kajian Pew.

Namun, kedua-dua dapatan itu menunjukkan perubahan yang lebih luas: kandungan dalam talian semakin banyak dihasilkan dengan bantuan AI, ditemui atau diproses oleh sistem automatik, dan digunakan dalam persekitaran yang manusia bukan lagi satu-satunya khalayak penting.

Bukti yang ada menyokong perubahan besar dalam cara web dibina dan dilayari. Tetapi bagi mana-mana halaman tertentu, persoalan tentang siapa yang sebenarnya menulisnya masih tidak boleh diputuskan hanya berdasarkan tanda-tanda statistik.