La IA está conquistando la web: más de un tercio de las nuevas páginas son creadas por redes neuronales — mi análisis de datos de Pew Research
La escala de penetración de los modelos generativos en el espacio web resultó ser mucho más grave de lo que se suele pensar. Mi análisis de los datos recientes del centro de investigación muestra: alrededor del 10% de todas las páginas web indexadas en el segmento de habla inglesa presentan rastros evidentes de texto sintético. Sin embargo, la cifra clave está oculta más profundamente: entre los materiales publicados después del debut de ChatGPT en noviembre de 2022, la proporción de contenido de IA supera el 33%.
Metodología y cifras reales
El estudio se basa en una muestra aleatoria de 10 000 páginas en inglés, recopiladas en julio de 2026 a través del archivo Common Crawl. Para la identificación se utilizó un modelo de aprendizaje automático entrenado para detectar patrones lingüísticos característicos de los algoritmos generativos. Es importante destacar: no se trata de un detector binario, sino de una estimación probabilística basada en anomalías estadísticas en el texto.
A primera vista, el 10% puede parecer un indicador modesto. Pero la muestra incluye una gran capa de contenido heredado, creado antes de la era de los LLM modernos. Cuando filtro las páginas obsoletas y me centro exclusivamente en las publicaciones de los últimos años, el panorama cambia radicalmente: una de cada tres páginas nuevas en la web presenta signos de autoría de IA o de edición significativa por parte de una red neuronal.
El sector comercial, principal impulsor de la síntesis
La distribución del contenido de IA por zonas de dominio muestra un patrón claro. En la zona .com, los signos de generación se detectan en aproximadamente el 10% de las páginas, el doble que en .org (4,6%). Los recursos educativos (.edu) y gubernamentales (.gov) son los más reveladores, donde la proporción de síntesis no supera el 1%.
Esta desproporción se explica por la economía del contenido. Las plataformas comerciales automatizan activamente la producción de descripciones de productos, textos SEO y notas de noticias, donde la velocidad importa más que la singularidad. Al comienzo de la expansión de ChatGPT, la brecha entre zonas era menos pronunciada, pero ahora la tendencia es evidente: cuanto mayor es la monetización del tráfico, más agresiva es la adopción de la IA.
Salvedad crítica sobre los datos
A pesar de las impresionantes cifras, debo señalar las limitaciones de la metodología. El estudio no analiza el historial de ediciones ni entrevista a los autores. Se trata de marcadores lingüísticos que correlacionan estadísticamente con la generación por IA, pero no son una prueba absoluta. Además, la categoría de contenido "editado significativamente" excluye los cambios menores, lo que hace que la estimación sea conservadora.
En este contexto, recuerdo que en agosto Anthropic introdujo un etiquetado global para el contenido creado por los modelos Claude. Sin embargo, sin un estándar unificado para todos los LLM, el mercado sigue fragmentado.
Mi veredicto: estos datos son una señal de alerta para el ecosistema web. Si un tercio del contenido nuevo se genera mediante algoritmos sin un etiquetado transparente, nos dirigimos hacia un entorno informativo donde la confianza en el texto requerirá verificación criptográfica. Para analistas e inversores, esto significa un aumento del valor de las plataformas con autoría humana demostrada, y un inevitable endurecimiento de los requisitos regulatorios para las publicaciones de IA.