Pew: más de un tercio de las páginas web publicadas desde ChatGPT muestran señales de autoría con IA

Pew Research Center respondió con datos una pregunta que el marketing de contenidos venía discutiendo a ciegas: cuánto de internet está escrito hoy con inteligencia artificial. El equipo de Data Labs analizó cerca de 490.000 páginas web en inglés recolectadas del archivo Common Crawl entre enero de 2021 y julio de 2026, y las pasó por un modelo de detección de autoría llamado Open Pangram.

¿Cuánto de internet está escrito con IA?

En una muestra aleatoria de 10.000 páginas recolectadas en julio de 2026, el 10% mostró señales significativas de haber sido escrita o editada de forma sustancial con IA. Esa cifra parece baja, pero mezcla contenido nuevo con material antiguo que no pudo haber sido generado por un modelo.

Cuando Pew filtra las páginas viejas y deja solo las publicadas después del lanzamiento de ChatGPT, en noviembre de 2022, la proporción sube a más de un tercio. La tendencia es sostenida al alza desde fines de 2022 y se aceleró a medida que llegaron otros asistentes como Claude y Gemini.

¿Dónde se concentra el contenido generado con IA?

El reparto no es parejo. En las muestras de 2026, cerca de una de cada diez páginas con dominio .com muestra señales de autoría con IA, contra 4,6% en los .org y alrededor de 1% en los .edu y .gov. Es decir, los dominios comerciales tienen aproximadamente el doble de la tasa de las organizaciones sin fines de lucro y unas diez veces la de sitios académicos y de gobierno.

Cuando ChatGPT recién salió, esos cuatro tipos de dominio tenían tasas parecidas. La brecha se abrió después, y apunta a una causa económica evidente: el contenido comercial es el que tiene incentivo directo de volumen.

¿Cuáles son las marcas típicas del texto escrito con IA?

Pew comparó el internet actual con una fotografía de 2023 y midió cuatro señales por cada 10.000 palabras. El guion largo, ese trazo que separa una idea dentro de la frase, aparece cerca del doble de veces. La coma de Oxford, propia del inglés, subió 63%. Cierto vocabulario que los modelos prefieren, con palabras como «delve», «interplay», «tapestry» o «testament», más que duplicó su uso. Y el paralelismo negativo, la estructura «no es solo X, es Y», casi se triplicó, aunque sigue siendo poco frecuente en términos absolutos.

Pew advierte que ninguna de estas marcas prueba nada por sí sola, porque los humanos también las usan. El detector no se basa en buscar tres o cuatro señales sueltas, sino en patrones estadísticos más sutiles de elección de palabras y estructura de oraciones sobre grandes volúmenes de texto.

¿Qué implica esto para las empresas B2B en Chile y Latinoamérica?

El estudio mide páginas en inglés, así que la cifra exacta no es trasladable a Chile y Latinoamérica. La dinámica sí lo es, y probablemente con retraso: las mismas herramientas, los mismos incentivos de volumen y una base de contenido en español mucho más chica, lo que hace que cada oleada de material generado pese más sobre el total.

La consecuencia práctica es que el contenido dejó de ser escaso. Publicar cien artículos correctos ya no diferencia a nadie, porque la competencia puede publicar mil a un costo marginal cercano a cero.

Análisis de Revenue Hub

Para un líder comercial o de marketing B2B en la región, el dato relevante de este estudio no es el 35%. Es que el costo de producir contenido que parece bueno cayó a cerca de cero, mientras el costo de producir contenido que un comprador cree se mantuvo igual o subió. Cuando la oferta se vuelve infinita, el precio de lo genérico tiende a cero y el valor se desplaza hacia lo que no se puede generar: datos propios, cifras de clientes reales, criterio con nombre y apellido, y experiencia operativa verificable.

Esto tiene una implicancia incómoda para muchos planes de marketing vigentes en Chile y Latinoamérica. Si el plan anual está construido sobre cantidad de piezas publicadas por mes, está midiendo un insumo que se volvió barato y abundante. El indicador estructural es otro: qué proporción de tu contenido contiene información que ningún competidor puede replicar sin hacer el trabajo.

La recomendación es concreta. Reasigna parte del presupuesto de volumen hacia investigación propia, aunque sea pequeña: una encuesta a tu base instalada, benchmarks anonimizados de tus clientes, cifras de tus propias implementaciones. Ese material sostiene la autoridad de marca, es citable por los modelos y no compite en el terreno donde la IA gana por costo. Puedes revisar cómo aterrizamos esto en nuestro blog y seguir el resto de la cobertura de industria en tendencias SaaS.