Mais de um terço das páginas da web publicadas desde o lançamento do ChatGPT mostram sinais de terem sido escritas por inteligência artificial, de acordo com um novo estudo do Pew Research Center – uma das medições mais rigorosas até agora de quão completamente a IA generativa remodelou o conteúdo da web aberta.

A descoberta, divulgada quinta-feira pela organização de pesquisa apartidária, surge em meio à crescente preocupação de que a Internet esteja se enchendo de textos escritos por máquina mais rápido do que qualquer um consegue rastreá-los. A escala da mudança é uma história definidora da era da IA ​​e monitorada continuamente na cobertura da indústria de IA.

Como o Pew mediu a Web escrita por IA

Para compilar o relatório, Pew usou o arquivo da web Common Crawl para coletar quase meio milhão de páginas da web em inglês abrangendo aproximadamente os últimos cinco anos – começando alguns anos antes do lançamento do ChatGPT em novembro de 2022. Os pesquisadores então analisaram as páginas por meio do Pangram, uma tecnologia de detecção de IA, para estimar quantas foram escritas ou fortemente editadas pela IA.

Os números das manchetes são impressionantes. Numa amostra aleatória de 10.000 páginas web recolhidas em julho de 2026, cerca de 10% apresentavam sinais significativos de autoria de IA. Mas essa amostra aleatória inevitavelmente incluía um grande número de páginas mais antigas publicadas antes da existência das ferramentas de escrita de IA – páginas que não poderiam ter sido escritas por máquina.

Quando o Pew os filtrou e olhou apenas as páginas publicadas após o lançamento do ChatGPT, a parcela que mostrava sinais de autoria de IA saltou para 35% – mais de um em cada três.

Domínios comerciais lideram o caminho

A análise em nível de domínio do estudo pode ser a descoberta mais reveladora. As páginas em domínios .com mostraram sinais de autoria de IA em cerca de dez vezes a taxa dos domínios .edu e .gov, ambos com cerca de 1% de autoria de IA. Os domínios .org sem fins lucrativos caíram no meio, com 4,6%.

O padrão conta uma história sobre incentivos. Onde o conteúdo é produzido para ser classificado nos motores de busca e gerar publicidade ou receita de afiliados, a escrita de IA proliferou. Onde as instituições atribuem a sua reputação ao que publicam – universidades, agências governamentais – a autoria humana ainda domina.

A Pew também descobriu que os sinais estilísticos clássicos da escrita automática se tornaram mais comuns na web ao longo dos anos: travessões, vírgulas Oxford e construções como "não é X, é Y" aumentaram em frequência.

A descoberta do .com também se alinha com o que os profissionais de otimização de mecanismos de busca relataram de forma anedótica durante anos: fazendas de conteúdo, sites afiliados e editores de baixo custo foram os primeiros e mais agressivos a adotar a escrita generativa, porque para eles a economia de produzir outra página – qualquer página – já havia caído para perto de zero. Os editores institucionais com padrões editoriais movimentaram-se mais lentamente, e isso fica evidente nos dados.

Bots escrevendo para bots

O relatório do Pew chega logo depois que o provedor de infraestrutura de internet Cloudflare divulgou que o tráfego de bots na web ultrapassou o tráfego humano na web – um marco alcançado antes do que a empresa havia estimado. Como observou o TechCrunch na cobertura do estudo, as duas descobertas juntas esboçam um quadro perturbador: grande parte da web agora é composta por bots navegando em páginas que foram, em muitos casos, escritas por outros bots.

Os comentaristas foram rápidos em conectar os dados à “teoria da Internet morta” – a ideia, antes marginal, de que grande parte do conteúdo online é gerado artificialmente para um público de rastreadores automatizados. O que começou como um meme conspiratório parece cada vez mais uma realidade demográfica mensurável, pelo menos para a web comercial.

Advertências na detecção

A Pew teve o cuidado de observar os limites de sua metodologia. O Pangram, como outras ferramentas de detecção de IA, pode classificar erroneamente páginas escritas por humanos como geradas por IA, e a precisão da detecção varia entre estilos e gêneros de escrita. No entanto, na escala de centenas de milhares de páginas, os dados provavelmente estão pelo menos direcionalmente corretos, disse a organização – e vários estudos independentes chegaram a conclusões semelhantes sobre a parcela de conteúdo da web mais recente que mostra sinais de autoria de IA.

O estudo também mediu apenas páginas em inglês e baseou-se no arquivo do Common Crawl, que captura um instantâneo da web em vez de sua totalidade.

Por que os números são importantes

A descoberta tem implicações muito além das curiosidades da Internet. Os mecanismos de pesquisa já estão lutando para descobrir como obter resultados confiáveis ​​quando uma parcela crescente de conteúdo indexado é gerada por máquina. Editores e educadores enfrentam mais dificuldade em estabelecer a proveniência. E os criadores de modelos de IA enfrentam um problema mais silencioso: os dados de treinamento extraídos da Web contêm cada vez mais resultados de IA, aumentando o espectro da degradação do modelo por meio de ciclos de feedback de texto sintético.

Para os leitores comuns, a conclusão prática é uma nova postura padrão de ceticismo. Uma análise de produto, um guia prático ou uma postagem de blog adjacente a notícias publicada em um domínio comercial na era pós-ChatGPT agora traz aproximadamente uma chance em três de conter as impressões digitais de uma IA – e em algumas categorias de sites, provavelmente muito maior.

A web sempre foi uma mistura do autêntico e do fabricado. O que os dados do Pew mostram é que a balança mudou rapidamente: em menos de quatro anos, a escrita automática passou de inexistente para uma fração substancial de tudo o que é publicado online.

Fique à frente da IA

Para obter as pesquisas mais recentes sobre IA, dados do setor e análises de tendências, marque AI Buzz Wire.

Leia mais notícias sobre IA →