Pew: 35% de páginas web nuevas ya están escritas por IA

La cifra que cambia la conversación: 35% del contenido nuevo ya lleva firma de IA

El Pew Research Center puso números a algo que el ecosistema tech intuye desde hace meses: uno de cada tres textos nuevos que aparecen en la web en inglés muestra señales claras de haber sido escrito o editado en profundidad por inteligencia artificial. En una muestra aleatoria, la cifra baja al 10% porque internet arrastra décadas de material anterior a ChatGPT — pero al filtrar solo las páginas publicadas desde noviembre de 2022, el porcentaje se dispara al 35% según el propio estudio de Pew, publicado el 20 de agosto de 2026 y citado por Infobae.

Para un founder, esto no es una curiosidad estadística: es la prueba de que la materia prima con la que se entrenan los modelos, se posiciona en Google y se compite por atención ya no es mayoritariamente humana. Tu próximo artículo, tu landing y tu newsletter se juegan en un campo donde la media de la competencia ya está redactada por una máquina.

Qué midió Pew (y con qué método)

El equipo de Data Labs de Pew descargó cerca de 490.000 páginas en inglés del archivo Common Crawl — el mismo repositorio que alimenta el entrenamiento de los grandes modelos — distribuidas entre enero de 2021 y julio de 2026. Luego pasó el texto por Open Pangram, el detector de código abierto que adoptó Substack para cazar newsletters automatizadas, con un umbral de 0,2 en una escala de 0 (humano) a 1 (IA pura). El resultado: en julio de 2026, alrededor del 10% de las páginas en circulación muestran señales fuertes de autoría sintética, y más de un tercio del contenido publicado tras la llegada de ChatGPT lleva el mismo sello, según Pew Research.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Pew mismo recuerda que ningún detector es infalible para un documento aislado: humanos ya usaban em dashes y comas de Oxford antes de que existieran los LLM. El valor del estudio está en el agregado: al mirar cientos de miles de páginas, los patrones estadísticos separan con fiabilidad lo humano de lo sintético aunque cualquier veredicto individual pueda fallar.

Dónde la máquina ya ganó: la geografía de la IA en la web

El hallazgo más revelador no es la media, sino el reparto por dominios. Cuando se lanzó ChatGPT, los cuatro grandes TLD — .com, .org, .edu, .gov — estaban por debajo del 1,1%. En julio de 2026 las distancias son brutales:

.com: 9,4% de las páginas con señales de IA — el doble que en .org.
.org: 4,6%.
.edu: alrededor del 1%.
.gov: 0,8% — la décima parte que en .com.

La conclusión es incómoda: la adopción de IA en la escritura no la explicó la tecnología, la explicó el modelo de negocio. Donde hay incentivo a producir volumen barato paraSEO, la máquina escribe. Donde hay reputación institucional en juego — ciencia revisada por pares, regulación pública — el humano resiste. Los propios autores del estudio hablan de "una página de dónde la escritura es un coste y no un propósito".

Las huellas lingüísticas que delatan al texto sintético

Pew también puso cifras a los clichés. Comparado con enero de 2023:

El em dash — la raya larga tan típica de los LLM — pasó de 5,79 a 11,19 apariciones por cada 10.000 palabras, casi el doble.
La coma de Oxford creció 63%.
Palabras favoritas de los modelos como delve ("ahondar") o testament más que duplicaron su presencia.
La estructura de "paralelismo negativo" ("no es solo X, es Y") casi se triplicó, según ExtremeTech.

El internet nuevo no solo contiene más texto de máquina: suena cada vez más a máquina. Si tu startup edita un blog y el redactor freelancer te entrega un texto lleno de estos marcadores, recibes lo mismo que publican cientos de competidores. La huella se ha vuelto el acento dominante de la prosa comercial en inglés.

Volumen vs. visibilidad: lo que Google y los chatbots realmente citan

La consultora de SEO Graphite confirmó en un estudio paralelo que las publicaciones generadas por IA llegaron a superar el 50% del contenido nuevo a fines de 2024, según recoge Infobae. El propio análisis de Graphite añade el contrapeso clave: aunque la IA escribió más artículos, su presencia en Google y en las respuestas de chatbots es mucho menor. En sus datos más recientes, el 86% de los artículos que aparecen en resultados de Google sigue siendo de autoría humana y el 82% de las fuentes citadas por chatbots también son humanas.

La moraleja: la marea de texto sintético existe, pero los sistemas que ordenan la web todavía la filtran. La paradoja es que ese filtro no es estable: arXiv anunció en mayo de 2026 que prohíbe durante un año a autores cuyos artículos contengan "evidencia incontrovertible" de contenido no verificado escrito por LLM, tras detectar cerca de 150.000 referencias inventadas por IA solo en 2025, según Inside Higher Ed. Incluso la plataforma profesional LinkedIn reconoció el problema en mayo de 2026 y redujo el alcance de contenido repetitivo: según datos de Pangram citados por Digital Trends, más del 40% de sus posts largos fueron clasificados como totalmente generados por IA en escaneos voluntarios.

Qué significa esto para tu startup

Si tu contenido compite por SEO, tráfico orgánico o por ser citado por ChatGPT, Perplexity o Gemini, la ventana competitiva se cierra en dos frentes a la vez: escribes contra millones de páginas más baratas que la tuya, y los algoritmos de visibilidad premian cada vez más señales de autoría humana verificada. El dato que importa留着: la mitad de los adultos estadounidenses ya usa chatbots y el 24% lo hace a diario, según el propio reporte de Pew. Cada pregunta deja sedimento de citación en la web.

El texto humano publicado ya se comporta como un activo escaso. Quien pueda entregar prosa original, firmada y citable gana una ventaja medible: los modelos necesitan prosa humana fresca para seguir entrenándose.

Acciones concretas que puedes tomar este mes

Audita tu backlog de contenido publicado en los últimos 18 meses y detecta el que cae en los patrones de Pew (em dashes repetidos, "delve", paralelismos negativos, comas de Oxford mecánicas). Rescríbelo con voz humana y añádele datos propios — los detectores funcionan en agregado, pero los editores de Google y los LLMs también leen calidad real.
Invierte en originalidad primaria en vez de en volumen: casos de clientes reales, benchmarks propios, entrevistas. Esos formatos son caros de clonar para la IA y conservan valor cuando los detectores caen en precisión.
Documenta la autoría: añade nombre, biografía y enlace al perfil del autor en cada pieza, y publica tus datasets originales. arXiv, LinkedIn y Google ya premian la trazabilidad humana — tu web debería hacer lo mismo antes de que el próximo core update te obligue.
Capacita a tu equipo editorial para que detecte los "tells" del em dash y el paralelismo: editarlos de forma consciente antes de publicar te diferencia del 35% que ya publica sin filtro.