La IA conquista 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. Mi análisis de datos recientes muestra: alrededor del 10% de todas las páginas web en internet presentan rastros evidentes de texto sintético. Sin embargo, si observamos el contenido publicado después del debut de ChatGPT en noviembre de 2022, el panorama cambia radicalmente: más de un tercio de esas páginas han sido creadas o editadas significativamente por inteligencia artificial.
Metodología y cifras
Durante el estudio se analizó una muestra aleatoria de 10 000 páginas en inglés, recopiladas en julio de 2026 a través de Common Crawl. Para detectar la autoría de IA se utilizó un modelo de aprendizaje automático que buscaba patrones lingüísticos característicos de los algoritmos generativos. A primera vista, el 10% es un indicador modesto, pero incluye una enorme capa de contenido obsoleto creado mucho antes de la era de las redes neuronales modernas. Cuando se filtran los datos y se dejan solo las publicaciones "recientes", la proporción de contenido sintético se dispara al 33% o más.
Dónde se siente cómoda la IA
La distribución del contenido sintético por zonas de dominio es extremadamente desigual. Los sitios comerciales (.com) lideran con alrededor del 10% — el doble que en la zona .org (4,6%). En cambio, los recursos educativos (.edu) y gubernamentales (.gov) muestran un mínimo de ~1%. Esta desproporción es explicable: las plataformas comerciales automatizan activamente la producción de descripciones de productos, artículos SEO y notas de noticias, donde la velocidad importa más que la profundidad. Al inicio de la expansión de ChatGPT, la brecha entre zonas era menos pronunciada, lo que indica una comercialización acelerada de los textos de IA.
Advertencias importantes
Cabe destacar: el estudio no afirma que cada uno de estos textos esté escrito por una máquina de principio a fin. Se trata de una evaluación probabilística basada en marcadores estilísticos. Muchos autores podrían haber utilizado IA para borradores o una ligera edición, lo que también entra en la categoría de "edición significativa". Esto no es un recuento exacto, sino un indicador de una tendencia que no se puede ignorar.
Mi conclusión: estamos presenciando un cambio tectónico en la producción de contenido. El mercado ya no puede confiar en el origen "humano" de los textos por defecto. La cuestión no es si se usa IA, sino cómo distinguir el análisis de calidad de la generación masiva. Inversores y lectores deberían tener en cuenta este factor al evaluar la fiabilidad informativa de los recursos.