Pew Research Center pasó cerca de 490.000 páginas de la web por un detector de IA y publicó el resultado el 20 de agosto. En las páginas publicadas después de que salió ChatGPT, más de un tercio muestra señales de autoría automática.

Cuatro días antes de que apareciera ese estudio, metimos al proceso de publicación de este sitio un linter que bloquea dos de las marcas exactas que Pew terminó midiendo.

Previsión ninguna. Las marcas se vuelven obvias cuando llevas meses leyendo el mismo párrafo.

El corpus del que salen las respuestas ya cambió de composición

Si tu empresa vende B2B, buena parte de la gente que te va a evaluar este trimestre no va a llegar por una búsqueda de diez enlaces azules. Va a preguntarle a un modelo, y el modelo va a componer una respuesta a partir de páginas web.

Ese conjunto de páginas es lo que Pew midió. Y ahora sabemos que una porción grande de lo publicado en los últimos tres años lo escribió una máquina.

Para un equipo de marketing eso mueve el problema de lugar. Durante dos años la discusión fue si usar IA para producir contenido, y esa la cerró el mercado sin esperar a que termináramos de discutirla. Sigue abierto cómo hace un motor de respuesta para elegir a quién cita cuando un tercio de sus candidatos se parecen entre sí.

Sobre esa parte escribimos cuando medimos la visibilidad en IA y encontramos más ruido estadístico que señal. Pew le agrega la otra mitad, que es que el pozo del que se cita se homogeneizó.

Qué midió Pew exactamente, y qué no

Vale mirar el método antes de la conclusión, porque la cifra circula recortada.

Pew publicó el análisis de unas 490.000 páginas en inglés tomadas de Common Crawl, con fechas de publicación entre enero de 2021 y julio de 2026. El detector fue Open Pangram, un modelo de peso abierto.

En la muestra de julio de 2026, el 10% de todas las páginas da señales de haber sido escrita con IA. Restringido a las publicadas después de noviembre de 2022, pasa de un tercio.

La apertura por dominio dice dónde se concentra. Los .com rondan el 10%, los .org quedan en 4,6% y los .edu y .gov andan por el 1%. Justo donde vive el contenido comercial.

Hay dos límites que conviene decir en voz alta. El estudio es solo de páginas en inglés, y no me parece prudente asumir que la cifra en español es la misma, en ninguna de las dos direcciones. Nadie la midió todavía, así que tampoco la voy a citar cuando alguien la publique la semana que viene. Y Pew aclara que los detectores de IA se equivocan cuando los aplicas a un documento suelto, aunque los patrones aguanten en colecciones grandes. Es una aclaración honesta y también un techo: el estudio no te habilita a señalar un texto y decir que lo escribió un modelo.

Las cuatro marcas, que sí puedes auditar

Pew no se quedó en el porcentaje. Midió qué cambió en la prosa de la web desde 2023, y esa parte se puede usar el lunes por la mañana.

El uso de em dashes se duplicó. La coma de Oxford subió 63%. El vocabulario asociado a modelos, palabras como delve, interplay, testament, pivotal, tapestry, bolstered, showcase o additionally, aumentó más del doble. Y el paralelismo negativo, esa construcción que niega una cosa para afirmar otra dentro de la misma frase, casi se triplicó.

Esa última la tenemos prohibida.

El 16 de agosto agregamos scripts/check-ai-slop.mjs al repositorio de este sitio. Bloquea el paralelismo negativo y bloquea el em dash, entre otras reglas. Corre en medio segundo sobre 424 archivos y devuelve error si encuentra una violación, así que un post que las traiga no llega a publicarse. Cuatro días después Pew publicó que esas dos construcciones son justo las que más crecieron en la web.

Coincidencia, no mérito. Las dos las habíamos detectado a mano, revisando lotes de borradores y notando que abrían igual.

Estas marcas son un blanco móvil, y conviene decirlo antes de que alguien arme una política interna con ellas. En el momento en que todo el mundo grepea em dashes, el em dash deja de informar, porque los va a limpiar tanto quien escribe a mano como quien no. La lista de Pew describe el estado de la web hasta julio de 2026 y va a envejecer. Lo que no envejece es el hábito de revisar contra una lista concreta en vez de contra una impresión.

Qué haría yo con tu archivo de contenido esta semana

Baja tus últimos treinta artículos y cuenta em dashes por cada mil caracteres, y cuántos abren o cierran con el paralelismo negativo. Una tarde de trabajo, y al final tienes un número en vez de una sensación. Si te sorprende, había una plantilla corriendo y nadie la había nombrado.

Después léelos seguidos y en orden, mirando la forma y no la calidad. Cualquiera puede estar impecable y el conjunto igual delatar el molde: mismo largo de párrafo, misma cantidad de secciones, mismo tipo de cierre. Si te aburres en el tercero, tu lector se aburrió en el primero.

Lo que no haría es perseguir al detector. Escribir para sacar puntaje bajo en una herramienta de detección es optimizar contra un examen que se reescribe cada tres meses, y ya jugamos todos ese partido con las meta keywords en 2005.

Esto conversa directo con lo que publicamos el domingo sobre el botón de LinkedIn para reportar slop de IA. Aquel trataba del alcance dentro de una plataforma. Este trata de la web entera y de quién termina citado. Y con lo que medimos en earned media y el 2% de solapamiento en citaciones de IA, que es el mismo hábito visto desde el resultado.

Empieza por los treinta más recientes. Son los que un motor de respuesta está viendo ahora.

Auditemos contra qué lista se revisa hoy tu contenido