Pew vindt AI-signalen op 35% van webpagina’s sinds de komst van ChatGPT

Pew Research Center heeft een van de duidelijkste recente schattingen gepubliceerd van de rol van AI in online publicatie. In een analyse van Engelstalige webpagina’s vertoonde 35% van de dateerbare pagina’s die na de publieke lancering van ChatGPT zijn gepubliceerd duidelijke signalen van AI-auteurschap of ingrijpende AI-bewerking. In een bredere momentopname uit juli 2026, waarin ook oudere pagina’s waren opgenomen, lag dat aandeel op 10%. 15

Die cijfers betekenen niet dat AI aantoonbaar elke gemarkeerde pagina volledig heeft geschreven. Pew stelde patronen vast die passen bij AI-schrijven of substantiële AI-bewerking, maar kon niet bepalen hoeveel AI-hulp bij een specifieke pagina was gebruikt. 1

Hoe het onderzoek is uitgevoerd

Pew selecteerde uit elk van 49 Common Crawl-momentopnames 10.000 Engelstalige webpagina’s. De snapshots waren verzameld tussen januari 2021 en juli 2026. In totaal kwam de steekproef daarmee uit op 490.000 pagina’s. Common Crawl archiveert publiek toegankelijke webcontent. Pagina’s achter een betaalmuur of inlogscherm zijn daardoor waarschijnlijk minder goed vertegenwoordigd. 3

De onderzoekers haalden de hoofdtekst van de pagina’s en analyseerden die met Open Pangram, een systeem dat signalen van AI-auteurschap of ingrijpende AI-redactie probeert te herkennen. AI-gebruik werd daarbij niet als een simpele tegenstelling tussen mens en machine behandeld. Ook teksten die deels door een mens en deels met AI tot stand kwamen, konden signalen vertonen. 13

Van 10% naar 35% na ChatGPT

Een willekeurige steekproef van 10.000 pagina’s uit juli 2026 liet zien dat ongeveer één op de tien pagina’s duidelijke AI-signalen bevatte. Omdat deze steekproef ook pagina’s omvatte die al vóór ChatGPT bestonden, lag het algemene percentage lager. 15

Vervolgens filterde Pew de pagina’s eruit die vóór de publieke release van ChatGPT waren gepubliceerd. ChatGPT verscheen op 30 november 2022 voor het publiek. Binnen de subset met een bruikbare publicatiedatum steeg het aandeel naar 35%: meer dan één op de drie pagina’s. 1

De 35% moet niet worden gelezen als een volledige volkstelling van alle webpagina’s die sinds de lancering van ChatGPT zijn verschenen. Slechts een minderheid van de onderzochte pagina’s bevatte een bruikbaar publicatiedatumveld. De schatting geldt dus voor de pagina’s die Pew kon dateren en vergelijken, niet automatisch voor alle nieuwe pagina’s op internet. 3

Commerciële websites vertonen vaker AI-signalen

Het aandeel verschilde sterk per topleveldomein. In de metingen van Pew voor 2026:

• .com: ongeveer 9% à 10% van de pagina’s vertoonde duidelijke signalen;
• .org: ongeveer 4,6%;
• .edu: ongeveer 1%;
• .gov: ongeveer 1%.

Op de onderzochte pagina’s lag het percentage bij .com daarmee ongeveer twee keer zo hoog als bij .org en circa tien keer zo hoog als bij .edu en .gov. 4

Dat betekent niet dat iedere commerciële uitgever AI gebruikt, of dat onderwijs- en overheidswebsites helemaal buiten beeld blijven. Wel was de gemeten concentratie van AI-signalen het hoogst op het commerciële web. 4

Wat heeft dit te maken met het botverkeer van Cloudflare?

Berichtgeving over Cloudflare meldde in 2026 dat bots en AI-agenten ongeveer 57% tot 57,5% van de gemeten verzoeken naar HTML-content voor hun rekening namen, tegenover circa 42,5% van menselijke gebruikers. 1718

De cijfers van Pew en Cloudflare gaan echter over verschillende lagen van het web:

• Pew keek naar de inhoud: vertoont de tekst signalen van AI-auteurschap of ingrijpende AI-bewerking?
• Cloudflare keek naar verzoeken: lijkt het verkeer naar HTML-pagina’s afkomstig van mensen of geautomatiseerde systemen?

De twee bevindingen zijn daarom aanvullend, maar niet onderling uitwisselbaar. Een bot kan een volledig door een mens geschreven pagina bezoeken, terwijl een pagina met AI-signalen nog altijd vooral door mensen kan worden gelezen. Geen van beide onderzoeken bewijst de uitkomst van het andere. Samen wijzen ze wel op een web dat steeds sterker wordt gevormd door zowel machinaal geproduceerde content als machinaal verkeer. 11718

Belangrijkste beperkingen

Pew waarschuwde dat AI-detectoren door mensen geschreven tekst verkeerd kunnen classificeren. Een positieve uitslag moet daarom worden gezien als een signaal, niet als sluitend bewijs over het auteurschap van een pagina. De methode kan bovendien niet betrouwbaar onderscheiden tussen volledig door AI gegenereerde tekst en lichtere vormen van hulp, zoals herschrijven of redigeren. 1

Ook de steekproef heeft duidelijke grenzen:

• het onderzoek gaat over Engelstalige webpagina’s, niet over het wereldwijde web;
• alleen publiek crawlbare pagina’s uit Common Crawl konden worden meegenomen;
• de vergelijking na de lancering van ChatGPT is gebaseerd op de niet per se representatieve groep pagina’s met een ingebouwde publicatiedatum. 3

De 35% is dus een schatting van aantoonbare AI-gerelateerde signalen binnen een specifieke steekproef. Het is geen definitief antwoord op de vraag welk percentage van het hele internet door AI is geschreven.

Ook het taalgebruik op internet veranderde

Pew onderzocht daarnaast afzonderlijke taal- en stijlkenmerken. Op pagina’s die na de release van ChatGPT waren gepubliceerd, nam het gebruik toe van gedachtestreepjes, Oxfordkomma’s en negatieve parallellie. Ook woorden die vaak met AI-teksten worden geassocieerd kwamen vaker voor, waaronder “delve”, “crucial”, “landscape”, “pivotal” en “underscore”. 2

Ook deze patronen bewijzen geen AI-auteurschap. Een menselijke schrijver kan dezelfde leestekens en woorden gebruiken, en taalconventies kunnen zich om allerlei andere redenen verspreiden. De kenmerken gelden vooral als aanvullende aanwijzingen voor een bredere verandering in online taalgebruik, naast de resultaten van de detector. 2

De kern van het onderzoek

De belangrijkste conclusie van Pew is niet dat 35% van het internet definitief door AI is geschreven. Wel blijkt dat onder de dateerbare Engelstalige pagina’s in de steekproef meer dan een derde van de pagina’s die na ChatGPT verschenen betekenisvolle signalen van AI-auteurschap of ingrijpende AI-bewerking vertoonde. In de bredere momentopname van juli 2026 lag dat aandeel op 10%, terwijl commerciële .com-domeinen duidelijk hoger uitkwamen dan .edu-, .gov- en .org-pagina’s. 134

De cijfers laten vooral zien hoe snel de publicatieomgeving verandert. Ze onderstrepen ook dat de herkomst van online content niet betrouwbaar kan worden vastgesteld met alleen een score van een AI-detector.