La IA está conquistando la web: más de un tercio de las nuevas páginas son creadas por redes neuronales.
La escala de penetración de los modelos generativos en el espacio web resultó ser mucho más grave de lo que se suele pensar. Un análisis reciente, basado en una muestra de 10 000 páginas en inglés recopiladas en julio de 2026 a través de Common Crawl, demuestra que alrededor del 10% de todo el contenido web presenta rastros evidentes de generación sintética. Sin embargo, esto es solo la punta del iceberg.
Cambio clave tras el lanzamiento de ChatGPT
La cifra del 10% puede parecer moderada, pero es engañosa. En la muestra general entra una enorme capa de materiales de archivo creados mucho antes de la era de los LLM modernos. Si se aíslan solo las páginas publicadas después de noviembre de 2022 —el momento del debut de ChatGPT—, el panorama cambia radicalmente. Aquí, la proporción de contenido con signos de autoría de IA supera un tercio (33%+). Esto es una prueba directa de que los algoritmos generativos se han convertido en la principal herramienta de producción de textos para una parte significativa de los editores web.
Dónde se siente cómoda la IA
La distribución de contenido sintético entre las zonas de dominio es extremadamente desigual y sigue una lógica puramente económica. En la zona .com, los signos de generación por IA se detectan en aproximadamente una de cada diez páginas (alrededor del 10%), lo que duplica las cifras de .org (4,6%). Los recursos educativos y gubernamentales (.edu y .gov) siguen siendo los más «limpios»: allí la proporción apenas alcanza el 1%. Esto es comprensible: el sector comercial automatiza activamente flujos de texto rutinarios —descripciones de productos, artículos SEO, notas de noticias—, donde la velocidad importa más que el estilo autoral único.
Metodología y matices
Es importante destacar: no se trata de una detección precisa, sino de una evaluación probabilística. El análisis se basó en marcadores lingüísticos que correlacionan estadísticamente con los modelos generativos. Los investigadores no verificaron el historial de ediciones de cada página ni entrevistaron a los autores. Por lo tanto, es más correcto hablar de una «probabilidad significativa» de participación de la IA, no de un hecho al cien por cien. Además, en la categoría solo se incluye contenido escrito o radicalmente reelaborado por una red neuronal; las correcciones menores con asistentes no se tienen en cuenta.
Mi opinión: Estos datos son solo un punto de partida. El mercado se dirige hacia la automatización total del contenido, y el actual 33% entre las páginas nuevas es un mínimo que solo crecerá. La cuestión no es cómo distinguir el texto de IA del humano, sino cómo los algoritmos de búsqueda y los lectores se adaptarán a la nueva realidad, donde lo sintético se convierte en la norma, no en la excepción. Los próximos cambios en la clasificación y el etiquetado son solo los primeros pasos en esta dirección.