Más de un tercio de las nuevas páginas web han sido creadas por IA: un estudio a gran escala revela una tendencia alarmante
Mis últimos análisis, basados en datos de una investigación a gran escala, dibujan un panorama bastante revelador: alrededor del 10% de todas las páginas web en internet presentan rastros evidentes de IA generativa. Sin embargo, si filtramos el contenido «prehistórico», creado antes de la era de ChatGPT, la cifra adquiere proporciones verdaderamente alarmantes: más de un tercio de todos los materiales nuevos en la red ya están escritos o significativamente editados por redes neuronales.
Metodología y cifras clave
Durante la investigación se analizó una muestra representativa de 10 000 páginas en inglés, recopiladas en julio de 2026. Para la identificación se utilizó un modelo de ML que detecta patrones lingüísticos característicos de la IA generativa. El hecho de que en el grupo general se incluyeran archivos de la web antigua explica el porcentaje comparativamente modesto del 10% en las estadísticas generales.
Cuando excluí los materiales publicados antes de noviembre de 2022, el panorama cambió radicalmente. Entre las páginas «frescas», la proporción de contenido sintético superó el 33%. Esto es una consecuencia directa de la adopción generalizada de ChatGPT, Claude, Gemini y sus competidores, que han transformado rápidamente la creación de texto en una operación automatizada rutinaria.
Distribución desigual por zonas de dominio
De particular interés es la segmentación por dominios. En la zona .com, los indicios de generación por IA se detectan en una de cada diez páginas, el doble que en .org (4,6%). Mientras tanto, el académico .edu y el gubernamental .gov muestran solo alrededor del 1%, diez veces menos. Esta desproporción se explica por la naturaleza del contenido: las plataformas comerciales automatizan activamente descripciones de productos, textos SEO y fuentes de noticias, mientras que los estrictos estándares editoriales en los ámbitos educativo y gubernamental frenan la adopción de modelos generativos «en bruto».
Importantes salvedades metodológicas
Cabe destacar que la investigación no afirma una precisión del cien por cien. Se trata de una evaluación probabilística de autoría, basada en marcadores lingüísticos estadísticos, no de una verificación de cada caso concreto. Una edición menor del texto por una red neuronal tampoco podría entrar en la categoría de «edición sustancial». No obstante, la tendencia es evidente: el contenido sintético está desplazando rápidamente al contenido web orgánico.
Mi comentario experto: El mercado ya se enfrenta a una inflación de contenido, donde los rellenos optimizados para SEO saturan los resultados de búsqueda. En los próximos años veremos o un endurecimiento de los algoritmos de clasificación destinados a despriorizar el texto de IA, o una transformación completa de la web en un entorno sintético donde la confianza se convertirá en un activo escaso. Los inversores deberían prestar atención a los proyectos que desarrollan verificación de contenido y firmas digitales.