Pew phát hiện dấu hiệu AI trên 35% trang web xuất bản sau ChatGPT

Phân tích công bố tháng 8/2026 của Pew Research Center đưa ra một trong những ước tính rõ nét nhất về mức độ AI đã thâm nhập vào hoạt động xuất bản trực tuyến: 35% các trang web tiếng Anh trong mẫu, được xuất bản sau khi ChatGPT ra mắt công chúng, có dấu hiệu đáng kể của việc AI viết hoặc chỉnh sửa nội dung. Trong một mẫu rộng hơn được thu thập vào tháng 7/2026 và bao gồm cả các trang cũ, tỷ lệ này là 10%. 15

Tuy nhiên, con số 35% không có nghĩa Pew chứng minh AI đã tạo ra toàn bộ những trang bị đánh dấu. Hệ thống chỉ nhận diện các mẫu ngôn ngữ liên quan đến việc AI viết hoặc chỉnh sửa đáng kể, đồng thời không thể xác định chính xác mức độ AI tham gia vào từng trang. 1

Pew đã nghiên cứu như thế nào?

Pew lấy ngẫu nhiên 10.000 trang web tiếng Anh từ mỗi trong 49 bản chụp Common Crawl, được thu thập từ tháng 1/2021 đến tháng 7/2026. Tổng cộng, nhóm nghiên cứu phân tích 490.000 trang. Common Crawl là kho lưu trữ nội dung web công khai, vì vậy mẫu này không đại diện đồng đều cho mọi trang trên internet; các nội dung yêu cầu trả phí hoặc đăng nhập có khả năng xuất hiện ít hơn trong kho lưu trữ. 3

Các nhà nghiên cứu trích xuất phần văn bản chính của từng trang rồi phân tích bằng Open Pangram, một hệ thống phát hiện các dấu hiệu gắn với việc AI viết hoặc chỉnh sửa đáng kể. Phương pháp này xem việc tạo nội dung như một phổ liên tục, thay vì chia đơn giản thành “do người viết” hoặc “do máy viết”: một trang có thể là sản phẩm pha trộn giữa con người và AI, hoặc có mức độ tạo sinh bằng máy cao hơn. 13

Vì sao tỷ lệ tăng từ 10% lên 35%?

Mẫu ngẫu nhiên gồm 10.000 trang được thu thập vào tháng 7/2026 cho thấy khoảng một trên 10 trang có dấu hiệu đáng kể của việc AI viết hoặc chỉnh sửa. Mẫu này bao gồm cả những trang được xuất bản trước thời ChatGPT, qua đó kéo tỷ lệ chung xuống thấp hơn. 15

Pew sau đó lọc ra các trang có ngày xuất bản sau ngày ChatGPT ra mắt công chúng, 30/11/2022. Trong nhóm có ngày tháng này, tỷ lệ tăng lên 35%, tức hơn một phần ba. 1

Dù vậy, đây không phải cuộc thống kê chính xác trên toàn bộ các trang web ra đời sau ChatGPT. Chỉ một phần nhỏ trang trong mẫu có trường ngày xuất bản đủ rõ để sử dụng, nên ước tính 35% chỉ áp dụng cho nhóm trang mà Pew có thể xác định thời điểm và so sánh — không nhất thiết là toàn bộ web hậu ChatGPT. 3

Trang .com có nhiều dấu hiệu AI hơn

Tỷ lệ cũng khác biệt đáng kể giữa các tên miền cấp cao nhất. Trong các phép đo của Pew năm 2026:

• .com: khoảng 9%–10% số trang có dấu hiệu đáng kể.
• .org: khoảng 4,6%.
• .edu: khoảng 1%.
• .gov: khoảng 1%.

Như vậy, tỷ lệ ở các trang .com cao khoảng gấp đôi .org và gần gấp 10 lần .edu hoặc .gov. 4

Các số liệu này phản ánh sự khác nhau trong mẫu trang được khảo sát, chứ không kết luận rằng mọi đơn vị kinh doanh đều dùng AI hay các website giáo dục, chính phủ hoàn toàn không bị ảnh hưởng. Tuy nhiên, chúng cho thấy khu vực web thương mại có nồng độ dấu hiệu AI cao nhất trong phép đo của Pew. 4

Liên quan thế nào đến số liệu bot của Cloudflare?

Các báo cáo dựa trên dữ liệu Cloudflare trong năm 2026 cho biết bot tự động và các tác nhân AI chiếm khoảng 57%–57,5% số yêu cầu đến nội dung HTML, so với khoảng 42,5% từ con người. 1718

Hai kết quả này đo hai lớp khác nhau của internet:

• Pew đo nội dung trang: văn bản có dấu hiệu gắn với việc AI viết hoặc chỉnh sửa đáng kể hay không.
• Cloudflare đo lượt truy cập: yêu cầu đến các trang HTML dường như đến từ hệ thống tự động hay người dùng.

Vì vậy, hai con số bổ sung cho nhau nhưng không thể hoán đổi. Một bot có thể thu thập dữ liệu từ trang hoàn toàn do con người viết; ngược lại, một trang có dấu hiệu AI vẫn có thể chủ yếu được con người đọc. Không nghiên cứu nào chứng minh trực tiếp cho kết quả của nghiên cứu kia. Khi đặt cạnh nhau, chúng cho thấy web đang ngày càng chịu ảnh hưởng đồng thời của nội dung do máy tạo ra và hoạt động truy cập do máy thực hiện. 11718

Những giới hạn cần lưu ý

Pew cảnh báo rằng các công cụ phát hiện AI có thể gán nhầm văn bản do con người viết. Vì thế, kết quả dương tính nên được hiểu là một dấu hiệu, không phải bằng chứng xác quyết về tác giả. Phương pháp này cũng chưa thể phân biệt một cách đáng tin cậy giữa văn bản được AI tạo hoàn toàn và những hình thức hỗ trợ nhẹ hơn, chẳng hạn viết lại hoặc biên tập. 1

Phạm vi mẫu còn có các giới hạn sau:

• Chỉ bao gồm các trang tiếng Anh, không phải toàn bộ web toàn cầu.
• Dựa vào các trang có thể được Common Crawl truy cập công khai.
• So sánh hậu ChatGPT chỉ dùng nhóm trang có ngày xuất bản được nhúng trong nội dung; nhóm này không nhất thiết đại diện cho mọi trang mới. 3

Do đó, 35% là ước tính về các dấu hiệu liên quan đến AI có thể phát hiện trong một mẫu cụ thể — không phải câu trả lời cuối cùng cho câu hỏi bao nhiêu phần trăm toàn bộ internet được AI viết.

Ngôn ngữ trên web cũng thay đổi

Bên cạnh công cụ phát hiện, Pew theo dõi một số chỉ dấu ngôn ngữ riêng để quan sát sự thay đổi trong văn phong web. Ở các trang được xuất bản sau ngày ChatGPT ra mắt, nhóm nghiên cứu ghi nhận mức tăng trong việc sử dụng gạch ngang dài (em dash), dấu phẩy Oxford, phép song song phủ định và một nhóm từ thường gắn với văn xuôi do AI tạo ra, gồm “delve”, “crucial”, “landscape”, “pivotal” và “underscore”. 2

Những đặc điểm này cũng không phải bằng chứng xác định tác giả. Người viết hoàn toàn có thể sử dụng cùng kiểu dấu câu hoặc từ vựng, trong khi các quy ước viết có thể lan rộng vì nhiều lý do không liên quan đến AI. Giá trị của chúng nằm ở vai trò dấu hiệu đối chiếu, cho thấy ngôn ngữ trực tuyến đang thay đổi cùng với kết quả từ công cụ phát hiện. 2

Điều đáng chú ý nhất

Phát hiện quan trọng nhất của Pew không phải là “35% internet chắc chắn do AI viết”. Kết luận chính xác hơn là: trong số các trang web tiếng Anh có thể xác định ngày xuất bản trong mẫu nghiên cứu, hơn một phần ba trang ra đời sau ChatGPT có những dấu hiệu đáng kể phù hợp với việc AI viết hoặc chỉnh sửa sâu. Mẫu rộng hơn vào tháng 7/2026 cho thấy tỷ lệ 10% trên toàn bộ các trang được lấy mẫu, trong khi các tên miền thương mại có tỷ lệ cao hơn đáng kể so với .edu, .gov và .org. 134

Kết quả này nên được xem như thước đo về một môi trường xuất bản đang thay đổi nhanh chóng — đồng thời là lời nhắc rằng không thể xác định nguồn gốc nội dung chỉ dựa vào điểm số của một công cụ phát hiện AI.