Durante il mese di novembre del 2022 OpenAI ha reso pubblico ChatGPT, il chatbot conversazionale basato su IA che si è guadagnato in tempi brevi gli onori mondiali della cronaca.

Una diffusione tanto rapida da rendere puntuale e attuale chiedersi quanti dei contenuti che leggiamo ogni giorno online sono stati scritti da persone e quanti, invece, sono generati da algoritmi.

Una domanda a cui ha voluto dare risposta l’istituto di ricerca indipendente americano Pew Research Center che, limitando le ricerche a 500mila siti web, ha dato una misura al fenomeno.

Per mappare la presenza di testi artificiali sulla rete, il gruppo di ricerca ha utilizzato Common Crawl, un archivio digitale gestito da una fondazione senza scopo di lucro che raccoglie e conserva una copia pubblica e gratuita di una fetta enorme delle pagine web mondiali.

Attraverso questo archivio sono state raccolte quasi 500mila pagine web in lingua inglese pubblicate negli ultimi cinque anni, coprendo un arco temporale iniziato circa due anni prima del debutto di ChatGpt. I ricercatori hanno in seguito analizzato i testi raccolti mediante Open Pangram, strumento software specializzato nel rilevamento di testi scritti tramite modelli IA.

Ciò che è emerso da questa analisi contribuisce a determinare uno scenario nel quale emerge l'avanzata delle macchine nella produzione informativa quotidiana.

Prendendo in esame un campione casuale di 10mila pagine web raccolto durante il mese di luglio del 2026, i ricercatori hanno scoperto che il 9,6% di queste mostra segni evidenti di paternità artificiale.

Un dato che rappresenta la curva di una tendenza in costante crescita iniziata a fine 2022 e alimentata dal rilascio sia di ChatGpt, sia di altri sistemi di conversazione automatica successivi come Claude di Anthropic, e Google Gemini.

Tuttavia, un campione casuale della rete include inevitabilmente moltissime pagine vecchie, create prima che questi strumenti esistessero. Per ottenere un quadro reale della situazione attuale, gli analisti del Pew Research Center hanno rimosso i vecchi siti web per concentrarsi esclusivamente su quelli pubblicati dopo il mese di novembre del 20255.

Escludendo il materiale precedente, la quota di testi scritti o ampiamente modificati dalle IA sale a oltre un terzo del totale, toccando il 35% delle pagine pubblicate negli ultimi anni.

I testi generati dalle IA non sono distribuiti in modo uniforme su internet. Lo studio evidenzia enormi differenze a seconda del tipo di dominio web esaminato.

Nel 2026, circa il 9,4% delle pagine commerciali (i domini con suffisso .com) mostra segni di scrittura robotica.

Una frequenza doppia rispetto a quella registrata sui domini .org, teoricamente associati a organizzazioni senza scopo di lucro, che attesta al 4,6%.

Il divario diventa marcato se confrontato con i domini .edu riservati a scuole e università e con i domini .gov, utilizzati dalle istituzioni governative statunitensi, entrambi scritti da IA in misura prossima all’1%.

Ciò significa che la probabilità di imbattersi in un articolo scritto da un algoritmo su un sito commerciale è oltre nove volte superiore rispetto a quella di un sito accademico o istituzionale.

Per capire se un testo è umano o artificiale, i sistemi di rilevamento come Open Pangram non sono perfetti e possono commettere errori di classificazione ma, ribadisce il Pew Research Center, su grandi volumi di dati riescono a individuare schemi statistici più precisi e ricorrenti.

Le IA vengono addestrate su enormi database di testi umani in cui alcuni generi di scrittura, come quelli accademici o giornalistici, sono eccessivamente rappresentati. Di conseguenza, i modelli finiscono per usare termini specifici, strutture sintattiche o segni di punteggiatura che gli esseri umani usano molto più raramente.

Tra queste spie linguistiche spicca l'uso del trattino lungo, un segno grafico impiegato per inserire incisi o interruzioni di pensiero, la cui presenza sul web è raddoppiata rispetto a un campionamento del 2023. Anche l'uso della virgola di Oxford, ossia la virgola posta prima della congiunzione finale in un elenco di tre o più elementi, ha registrato un incremento del 63%.

Inoltre, termini molto amati dagli algoritmi come approfondire, interazione o testimonianza sono più che raddoppiati nei testi online. Infine, la struttura di confronto nota come parallelismo negativo, che si esprime con la formula “non è solo questo ma è anche quello”, è quasi triplicata.

Questa valanga di contenuti artificiali si inserisce in un quadro tecnologico ancora più ampio. A giugno del 2026 Cloudflare, azienda di infrastruttura internet e sicurezza informatica che fornisce servizi di protezione e distribuzione dei dati, ha diffuso un altro dato storico, misurando che il traffico web generato dai programmi automatici (i bot), ha superato per la prima volta quello generato dagli utenti umani.

L'unione dei due rapporti tratteggia uno scenario in cui gran parte della rete internet non è più un luogo di scambio tra persone, ma una stanza vuota dove software automatici navigano e leggono pagine scritte da altri software automatici.