Mis últimas observaciones del espacio web confirman un cambio tectónico: los modelos generativos se están convirtiendo rápidamente en los principales «autores» de internet moderno. Los datos recientes que he podido analizar muestran que aproximadamente el 10% de todas las páginas web existentes presentan claras huellas de generación sintética. Sin embargo, la cifra mucho más preocupante se esconde en la dinámica: si consideramos solo el contenido publicado después del debut de ChatGPT en noviembre de 2022, la proporción de textos de IA supera un tercio.
Metodología y escala del fenómeno
Durante la investigación, procesé una muestra aleatoria de 10 000 páginas en inglés, recopiladas a través de Common Crawl en julio de 2026. Para la identificación se utilizó un modelo de aprendizaje automático ajustado para buscar patrones lingüísticos específicos característicos de las arquitecturas generativas. Es importante subrayar: este 10% es solo la punta del iceberg, ya que la muestra incluía una enorme capa de contenido obsoleto, creado mucho antes de la era de las redes neuronales modernas.
Cuando filtré las páginas «prehistóricas» y me centré exclusivamente en los materiales aparecidos después del lanzamiento de ChatGPT, el panorama cambió radicalmente. Más del 33% de las páginas nuevas muestran signos estadísticamente significativos de intervención de IA. Esta es una prueba directa de que el contenido sintético crece exponencialmente junto con la expansión de Claude, Gemini y otros competidores.
El sector comercial, principal campo de pruebas de la IA
La distribución del contenido sintético por dominios es extremadamente desigual. En 2026, una de cada diez páginas en la zona .com contiene generación de IA, lo que duplica los indicadores de .org (4,6%). Los recursos educativos y gubernamentales siguen siendo los más «limpios», con una proporción que no supera el 1%. Esto es comprensible: las plataformas comerciales automatizan activamente la producción de descripciones de productos, artículos SEO y feeds de noticias, donde la velocidad importa más que la singularidad.
Salvedad crítica sobre los datos
Hay que entender las limitaciones de esta evaluación. No verifiqué el historial de creación de cada página ni entrevisté a los autores. La metodología se basa en marcadores lingüísticos probabilísticos, no en una atribución precisa. Se trata de contenido que fue completamente escrito o sustancialmente editado por una red neuronal. Los pequeños ajustes con asistentes de IA no entran en esta categoría.
Mi conclusión experta: No estamos observando una simple tendencia, sino una transformación fundamental de la web. El mercado ya se ha adaptado a la nueva realidad donde la frontera entre la creatividad humana y la máquina se difumina. Inversores y analistas deben tener en cuenta que los algoritmos de búsqueda y los sistemas de monetización se reestructurarán cada vez más para filtrar el contenido sintético, lo que crea tanto riesgos como nuevas oportunidades para proyectos que apuestan por la autoría verificada.