La inteligencia artificial ya deja una huella visible en la web, pero la afirmación de que escribe 35% de todo lo publicado en Internet necesita una precisión esencial.
El porcentaje procede de una investigación de Pew Research Center sobre páginas en inglés recuperadas de Common Crawl y analizadas con un detector automatizado.
No representa una medición de todos los idiomas, formatos y sitios de Internet.
Además, el estudio distingue entre dos universos:
- en una muestra aleatoria de páginas observadas en julio de 2026, alrededor de 10% mostró señales significativas de autoría o edición con IA;
- al considerar solamente páginas publicadas después del lanzamiento de ChatGPT, la proporción con esas señales llegó a 35%.
La diferencia cambia el significado del titular.
La IA no habría escrito 35% de toda la web acumulada. Pew encontró indicios en aproximadamente una tercera parte del contenido nuevo en inglés incluido en su muestra posterior a noviembre de 2022.
Qué investigó Pew Research Center
El estudio fue elaborado por Samuel Bestvater, Aaron Smith, Carson TerBush, Chris Baronavski y Janakee Chavda.
Los investigadores reunieron alrededor de 490 mil textos de páginas web en inglés tomadas del repositorio Common Crawl.
La serie cubrió cinco años, incluidos periodos anteriores y posteriores a la apertura pública de ChatGPT en noviembre de 2022.
Para cada momento utilizaron muestras aleatorias de páginas.
La fotografía de julio de 2026 estuvo formada por 10 mil páginas y buscó aproximarse a la composición de la web en inglés disponible en ese punto.
Qué significa “señales de IA”
Pew procesó los textos con Open Pangram, una herramienta de detección de escritura generada o modificada sustancialmente mediante inteligencia artificial.
El modelo analiza patrones lingüísticos: palabras, frases, puntuación y estructuras que aparecen con mayor frecuencia en textos producidos por modelos.
El resultado no funciona como una prueba forense individual.
Un documento humano puede ser clasificado erróneamente como artificial y un texto generado puede no ser detectado.
Los autores sostienen que la herramienta resulta más útil para observar tendencias en grandes conjuntos que para acusar a una persona concreta de haber usado IA.
El 10% de la fotografía general
En la muestra aleatoria de julio de 2026, una de cada diez páginas mostró señales significativas de autoría o edición con IA.
Esta cifra incluye páginas nuevas y antiguas.
Gran parte de Internet fue publicada antes de que los generadores actuales estuvieran disponibles.
Por eso la presencia general parece menor que la observada en publicaciones recientes.
El resultado tampoco significa que 90% restante haya sido escrito sin ninguna ayuda tecnológica.
Indica que no superó el umbral de señales utilizado por el detector.
De dónde sale el 35%
Cuando Pew filtró las muestras para incluir solamente páginas publicadas después del 30 de noviembre de 2022, la proporción aumentó.
En la muestra de julio de 2026, alrededor de 35% del contenido posterior al lanzamiento de ChatGPT mostró señales significativas de IA.
La cifra describe una tendencia de contenido reciente dentro de una muestra en inglés.
No puede trasladarse automáticamente a:
- todos los idiomas;
- todas las páginas existentes;
- redes sociales cerradas;
- mensajería privada;
- video, audio o imágenes;
- documentos que Common Crawl no pudo rastrear.
El titular que necesita contexto
El Confidencial presentó el hallazgo con el título “La inteligencia artificial escribe ya el 35% de lo que se publica en Internet desde la llegada de ChatGPT”.
La frase conserva una parte importante de la condición temporal, pero puede interpretarse como una medición universal.
La formulación más precisa sería:
Pew detectó señales significativas de IA en 35% de las páginas en inglés de su muestra publicadas después del lanzamiento de ChatGPT.
La precisión no disminuye la importancia del hallazgo.
Una proporción de ese tamaño en contenido reciente representa una transformación profunda del ecosistema informativo.
La IA no se distribuye de manera uniforme
El estudio encontró diferencias según el dominio.
En las muestras de 2026, aproximadamente 9.4% de las páginas con terminación .com mostró señales de IA.
La proporción fue de 4.6% en .org y alrededor de 1% en .edu y .gov.
La desigualdad puede reflejar usos distintos.
Los dominios comerciales incluyen marketing, comercio electrónico, posicionamiento en buscadores, directorios y publicaciones producidas a gran escala.
Los sitios académicos y gubernamentales operan bajo procesos y ritmos diferentes, aunque tampoco están libres de automatización.
Palabras y estructuras que aumentaron
Pew comparó rasgos lingüísticos asociados con modelos generativos.
Entre 2023 y 2026 observó:
- el uso del guion largo aproximadamente se duplicó;
- la coma de Oxford aumentó 63%;
- ciertas palabras favorecidas por modelos más que duplicaron su frecuencia;
- el paralelismo negativo —estructuras como “no es solo X, es Y”— casi se triplicó, aunque siguió siendo relativamente raro.
Entre el vocabulario analizado aparecen términos equivalentes en inglés a “adicionalmente”, “crucial”, “profundizar”, “destacar”, “complejo”, “meticuloso”, “fundamental” y “vibrante”.
Ninguna de estas palabras demuestra por sí sola que un texto sea artificial.
Los humanos las han usado durante décadas.
Su relevancia aparece cuando muchos rasgos se combinan y cambian de frecuencia en grandes corpus.
El riesgo de acusar por estilo
Las listas de palabras “de IA” pueden provocar falsos positivos.
Un autor académico, un periodista o una persona que escribe en una segunda lengua puede utilizar estructuras estadísticamente comunes en modelos.
También ocurre lo contrario: un usuario puede editar una respuesta generada hasta eliminar señales detectables.
Por eso un detector no debería utilizarse como única prueba para sancionar estudiantes, empleados o autores.
Una evaluación responsable requiere revisar historial de versiones, fuentes, notas, metadatos y proceso de creación.
Contenido generado no siempre significa contenido falso
La autoría artificial y la veracidad son problemas diferentes.
Un texto producido con IA puede ser correcto si una persona verifica cada afirmación y aporta fuentes.
Un texto completamente humano puede estar lleno de errores o desinformación.
La automatización sí aumenta la escala.
Permite publicar miles de páginas con costo reducido, multiplicando tanto contenido útil como material repetitivo, engañoso o diseñado únicamente para atraer visitas.
La contaminación del ecosistema informativo
Cuando aumenta el volumen de textos sintéticos, buscadores y lectores enfrentan dificultades para reconocer contenido original.
La web puede llenarse de páginas que resumen otras páginas sin aportar reportería, experiencia o documentos nuevos.
Esto genera varios riesgos:
- repetición de errores a gran escala;
- referencias circulares entre sitios;
- suplantación de medios o especialistas;
- saturación de resultados de búsqueda;
- reducción de ingresos para autores originales;
- dificultad para localizar la fuente primaria.
Modelos entrenados con textos de modelos
Existe además un problema de retroalimentación.
Los modelos se entrenan con grandes cantidades de información recuperada de la web.
Si una proporción creciente fue generada por sistemas anteriores, las nuevas versiones pueden aprender de copias, simplificaciones y errores sintéticos.
La calidad del corpus importa tanto como su tamaño.
Sin filtros, procedencia y evaluación, la abundancia puede degradar diversidad y precisión.
Qué significa para los medios
Las redacciones ya utilizan IA para transcribir, resumir documentos, traducir, clasificar archivos, sugerir titulares y automatizar tareas.
El uso responsable exige políticas visibles.
Un medio debería determinar:
- qué tareas pueden automatizarse;
- qué contenidos requieren revisión humana;
- cuándo debe informarse a la audiencia;
- cómo se verifican nombres, cifras y citas;
- quién responde por un error;
- qué datos confidenciales no pueden introducirse en herramientas externas;
- cómo se protegen derechos de autor y fuentes.
La responsabilidad editorial no puede transferirse al proveedor del modelo.
La fuente primaria como defensa
En un entorno saturado de resúmenes automáticos, enlazar la investigación original se vuelve una práctica esencial.
Permite comprobar definiciones, muestra, periodo, limitaciones y autores.
En este caso, la fuente primaria muestra por qué dos cifras aparentemente contradictorias —10% y 35%— pueden ser correctas dentro de universos distintos.
También evita transformar una estimación sobre páginas en inglés en una afirmación sobre todo Internet.
Cómo leer estudios de detección de IA
Antes de repetir una cifra, conviene preguntar:
- ¿qué unidad se midió: páginas, artículos, palabras o dominios?
- ¿qué idiomas incluyó la muestra?
- ¿qué fechas cubrió?
- ¿cómo se seleccionaron las páginas?
- ¿qué detector se utilizó?
- ¿cuál fue el umbral?
- ¿qué tasa de error tiene?
- ¿la cifra describe toda la muestra o solo contenido reciente?
Sin estas respuestas, un porcentaje preciso puede producir una impresión engañosa de certeza.
Una transformación real, aunque no universal
La corrección metodológica no cambia la conclusión general.
La escritura asistida o generada por IA crece rápidamente en la web en inglés.
El cambio es especialmente visible en páginas recientes y dominios comerciales.
Lo que debe evitarse es convertir ese fenómeno en una cifra absoluta sobre toda la red.
El estudio de Pew ofrece una fotografía amplia y rigurosa, pero sigue siendo una estimación basada en una muestra, un idioma, un archivo de rastreo y un detector imperfecto.
La mejor lectura no es “las máquinas ya escriben exactamente 35% de Internet”.
Es que una parte sustancial del contenido web nuevo analizado presenta señales de intervención artificial y que esa proporción continúa aumentando.
La pregunta siguiente no será únicamente cuánto texto produce la IA.
Será cuánto de ese contenido aporta información verificable, reconoce sus fuentes y merece la confianza de las personas.
Fuente primaria: Samuel Bestvater, Aaron Smith, Carson TerBush, Chris Baronavski y Janakee Chavda, “How Much of the Internet Is Written With AI?”, Pew Research Center, 20 de agosto de 2026.
Fuente periodística: Carlos Sánchez, “La inteligencia artificial escribe ya el 35% de lo que se publica en Internet desde la llegada de ChatGPT”, El Confidencial, 29 de agosto de 2026.
Publicación compartida: Gerardo Albarrán de Alba / Sala de Prensa en X.
Imagen: Sam Altman durante un acto de OpenAI en Tokio. Fotografía de Rodrigo Reyes Marin / Reuters, publicada por El Confidencial.
