Raport Pew Research Center: 35% nowych stron może zawierać tekst napisany lub poprawiony przez AI

Pew Research Center przeanalizowało niemal pół miliona anglojęzycznych stron internetowych, aby sprawdzić, jak szybko rośnie udział tekstów tworzonych lub znacząco redagowanych przy użyciu sztucznej inteligencji. W losowej próbce z lipca 2026 roku wyraźne oznaki wykorzystania AI znaleziono na 10% stron, ale w przypadku materiałów opublikowanych już po premierze ChatGPT odsetek sięgnął 35%.

Badacze wykorzystali archiwum Common Crawl i pobrali łącznie 490 000 anglojęzycznych stron z 49 próbek wykonanych między styczniem 2021 a lipcem 2026 roku. Teksty analizowano za pomocą modelu Open Pangram, który wyszukuje statystyczne cechy języka częściej występujące w materiałach generowanych przez modele AI.

W lipcu 2026 roku 10% wszystkich zbadanych stron wykazywało znaczące oznaki autorstwa lub edycji z udziałem sztucznej inteligencji. Wynik obejmuje jednak także starsze treści, które powstały przed popularyzacją generatywnej AI. Po ograniczeniu analizy do stron z datą publikacji późniejszą niż 30 listopada 2022 roku, czyli dnia publicznego debiutu ChatGPT, udział wzrósł do 35%.

Skala zjawiska mocno zależy również od rodzaju domeny. Na początku 2026 roku oznaki wykorzystania AI stwierdzono na 9,35% stron w domenach .com oraz 4,59% w .org. W przypadku .edu było to 1,03%, natomiast w .gov zaledwie 0,76%. Oznacza to, że sztucznie generowane treści są zdecydowanie częstsze w komercyjnej części internetu niż na stronach instytucji edukacyjnych i administracji publicznej.

Język internetu zmienia się razem z AI

Pew Research Center sprawdził również, jak w ostatnich latach zmieniał się styl tekstów publikowanych online. Od 2023 roku niemal dwukrotnie wzrosła częstotliwość używania długiego myślnika. Przecinek „oksfordzki” pojawia się o około 63% częściej, a charakterystyczna konstrukcja przeciwstawiająca dwie części zdania, na przykład „to nie tylko X, to Y”, jest stosowana niemal trzy razy częściej.

Wzrosła także popularność słów często wybieranych przez generatory tekstu, takich jak „delve”, „interplay” czy „testament”. Samo użycie konkretnego wyrażenia lub znaku interpunkcyjnego oczywiście nie oznacza, że tekst napisała maszyna. Detektory analizują jednocześnie wiele subtelniejszych zależności związanych z doborem słów i konstrukcją zdań.

Autorzy badania wyraźnie podkreślają zresztą ograniczenia takich narzędzi. Open Pangram i komercyjny Pangram 3.3 dały identyczną klasyfikację w 96% z ponad 62 000 porównanych przypadków, ale ocena pojedynczej strony nadal nie powinna być traktowana jako ostateczny dowód użycia AI. W przypadku dużych zbiorów danych wyniki pozwalają jednak obserwować kierunek zmian.

Badanie ma też ograniczenia wynikające z samego Common Crawl. Strony znajdujące się za paywallem lub wymagające logowania są w próbie niedostatecznie reprezentowane. Pew zaznacza ponadto, że dane dotyczące 35% odnoszą się tylko do stron, dla których udało się odczytać datę publikacji, więc nie można bezpośrednio przenosić tego wyniku na cały internet.