Una investigación a gran escala sobre la estructura de internet moderna ha revelado una tendencia alarmante: alrededor del 10% de todas las páginas web en la red global contienen signos evidentes de texto sintético. Sin embargo, esto es solo la punta del iceberg: si consideramos únicamente el contenido publicado después del debut de ChatGPT en noviembre de 2022, la proporción de estos materiales supera un tercio.
Metodología y cifras clave
Durante el análisis, examiné una muestra aleatoria de 10 000 páginas en inglés, recopiladas en julio de 2026 a través del archivo Common Crawl. Para identificar la probable autoría de IA, se utilizó un modelo de aprendizaje automático configurado para detectar patrones lingüísticos característicos de los modelos generativos. Es importante destacar: este enfoque evalúa probabilidades, no verdades absolutas, pero la significancia estadística de la muestra hace que las conclusiones sean representativas.
La clave está en la dinámica. Si excluimos el contenido "prehistórico", creado antes de la era de las redes neuronales modernas, el panorama cambia radicalmente: más del 33% de las páginas nuevas muestran rastros de generación por IA o edición sustancial. Esto confirma que ChatGPT, Claude, Gemini y sus similares se han convertido no solo en herramientas, sino en los principales autores de la nueva realidad web.
El sector comercial, principal impulsor
La distribución del contenido sintético entre las zonas de dominio es extremadamente desigual. En la zona .com, los signos de IA se detectan en aproximadamente una de cada diez páginas, el doble que en .org (4,6%). Aún más reveladora es la brecha con los segmentos académico y gubernamental: en .edu y .gov, la proporción de contenido de IA no supera el 1%. Esta desproporción es explicable: las plataformas comerciales automatizan activamente la producción de descripciones de productos, textos SEO y notas de noticias, donde la velocidad importa más que la profundidad.
Salvedades y realidad
Es necesario hacer una nota metodológica: el estudio no afirma que cada texto detectado haya sido escrito "desde cero" por una red neuronal. Se trata de contenido creado o significativamente editado por IA. Correcciones menores, como arreglos gramaticales, no entran en esta categoría. No obstante, la tendencia es clara: estamos presenciando un cambio tectónico en la producción de contenido web.
Mi comentario experto: Estos datos son una señal de alerta para el mercado. La continua devaluación del texto "humano" afectará inevitablemente a la industria del SEO y los medios, obligando a los algoritmos de búsqueda y a los lectores a buscar nuevos criterios de confianza. La cuestión no es si alguien detendrá la IA, sino cómo adaptamos el sistema de validación de información a esta nueva realidad donde lo sintético se convierte en la norma.