Un terzo del web nuovo è scritto (anche) dall’intelligenza artificiale

Quanto della rete che consultiamo ogni giorno è opera unicamente di un essere umano? Un decimo delle pagine complessive, un terzo di quelle nuove.

La più recente analisi, firmata dal data scientist Samuel Bestvater e pubblicata dal Pew Research Center Americano, ha applicato un modello di machine learning addestrato a riconoscere le tracce linguistiche tipiche dei testi generati dall’IA — parole, frasi e “tic” stilistici più frequenti nei modelli che negli autori umani. Il risultato: nel campione fotografato a luglio 2026 il 10% delle pagine web mostra segnali significativi di scrittura artificiale.
Il dato, si legge nello studio, va però contestualizzato: la rete è un deposito di materiale vecchio e nuovo, e gran parte delle pagine più datate non può per definizione essere stata scritta da un’IA che non esisteva ancora. Se si isolano solo i contenuti pubblicati dopo il lancio di ChatGPT, la quota sale a oltre un terzo delle pagine.

La diffusione, inoltre, non è uniforme. Nei mesi immediatamente successivi al debutto di ChatGPT, i segnali di scrittura artificiale comparivano con frequenza simile su tutti i principali domini di primo livello — .com, .org, .edu, .gov. Nel 2026 le distanze si sono invece allargate: circa un decimo delle pagine .com mostra tracce di IA, contro il 4,6% dei domini .org e circa l’1% di quelli .edu o .gov, ambiti — accademico e istituzionale — dove la scrittura resta in larghissima parte umana.

Gli indizi: dai trattini agli avverbi

Quali sono i segnali che tradiscono un testo generato da un modello? Nessun elemento isolato è una prova definitiva, ma su grandi masse di documenti alcune ricorrenze emergono con chiarezza statistica. Rispetto a uno scatto del 2023, oggi il web mostra un uso doppio del trattino lungo (—), un aumento del 63% nella virgola di Oxford nelle enumerazioni (si tratta di una virgola inserita dopo il penultimo elemento di un elenco, immediatamente prima della congiunzione), un utilizzo più che raddoppiato di parole come “approfondire”, “interazione” o “testimonianza”, e un ricorso quasi triplicato al parallelismo negativo del tipo “non è solo X, è Y”. Anche gli autori umani usano trattini lunghi e virgole di Oxford, ma i modelli apprendono questi tratti dai dati di addestramento, dove certi registri di scrittura sono sovrarappresentati. Più contenuti generati dall’IA finiscono online, più queste caratteristiche si diffondono nel corpus complessivo del web, in una sorta di circolo che si autoalimenta.

Come ci trasforma? Sei ipotesi al banco di prova

Una seconda ricerca, pubblicata su GitHub nell’aprile 2026 da Jonas Dolezal (Imperial College London), Sawood Alam e Mark Graham (Internet Archive) e Maty Bohacek (Stanford University), arriva a una stima ancora più alta lavorando su un campione di siti pubblicati tra il 2022 e il 2025, ricostruito attraverso l’Internet Archive e sottoposto a un rilevatore di testo IA allo stato dell’arte: entro la metà del 2025, circa il 35% dei siti web di nuova pubblicazione risultava classificato come generato o assistito dall’intelligenza artificiale, contro una quota pari a zero prima del lancio di ChatGPT, alla fine del 2022.

Gli autori si sono spinti oltre la semplice misurazione, testando sei ipotesi diffuse su come la crescita dei testi IA stia trasformando il discorso online, e qui i risultati riservano alcune sorprese.Due ipotesi hanno trovato conferma statistica. La prima è la “contrazione semantica”, cioè il restringimento della varietà di idee e punti di vista: la similarità semantica media tra siti classificati come IA risulta superiore del 33% rispetto ai siti non-IA. La seconda è lo “spostamento verso la positività”, con testi via via più rassicuranti e ottimisti: il punteggio di sentiment positivo è più alto del 107% nei contenuti IA. Non hanno invece trovato riscontro nei dati altre quattro ipotesi molto diffuse: che l’IA stia aumentando le informazioni fattualmente scorrette (si parla di “truth decay”), che riduca i link a fonti esterne (“epistemic island”), che allunghi i testi diluendone la densità informativa (“entropy dilution”) o che stia uniformando gli stili di scrittura individuali in una voce generica (“stylistic monoculture”).

Più la usi, più ti fidi…

Il divario più interessante, tuttavia, riguarda la percezione. In un sondaggio condotto tra adulti statunitensi, la maggioranza degli intervistati dichiara di credere in tutte e quattro le ipotesi negative citate, comprese quelle che l’analisi dei dati non conferma. Le persone che usano l’IA raramente o per nulla tendono a credere più spesso in questi effetti negativi rispetto a chi la usa con frequenza; lo stesso vale per chi ha già un giudizio sfavorevole sulla tecnologia. Un divario tra percezione diffusa ed evidenza empirica che, sottolineano gli autori, merita altrettanta attenzione quanto la crescita stessa dei contenuti generati dall’IA.

Il metodo

Per arrivare a queste stime, i ricercatori hanno costruito un campione rappresentativo di pagine web attingendo alla Wayback Machine dell’Internet Archive, campionando 33 mesi tra agosto 2022 e maggio 2025 secondo una metodologia stratificata, per data di prima archiviazione, tipo di file, profondità dell’URL e dominio, pensata per correggere le distorsioni tipiche dell’Archivio, che tende a sovra-rappresentare i domini più popolari e i periodi più recenti. Da ogni pagina è stato estratto il testo visibile, selezionando il paragrafo più lungo come campione rappresentativo ed escludendo i testi sotto le 100 parole; è stato conservato solo il contenuto in lingua inglese. Per riconoscere il testo generato dall’IA, il team ha confrontato quattro strumenti di rilevamento – Binoculars, Desklib, DivEye e Pangram 3.0 – testandone l’affidabilità su testi di lunghezza diversa, in formato semplice o incorporato in HTML, su output di più famiglie di modelli (GPT-4o, Claude, Gemini) e su più lingue. È stato scelto Pangram 3.0, l’unico a mantenere un’accuratezza pressoché perfetta su tutte le dimensioni testate, mentre gli altri strumenti hanno mostrato punti deboli specifici (Binoculars perde precisione con l’HTML e fatica a riconoscere i testi di Claude, DivEye non distingue l’IA dall’uomo nelle lingue diverse dall’inglese). A differenza dei rilevatori binari, Pangram 3.0 classifica ogni testo su tre livelli – interamente generato dall’IA, scritto da un umano con assistenza dell’IA, o interamente umano – permettendo di calcolare per ciascun campione mensile un punteggio aggregato di probabilità IA, la principale variabile usata nei test statistici dello studio.

Cosa è Ai Stories? Storie lunghe su fatti, accadimenti e personaggi della rivoluzione Ai Gen.

Per approfondire

Uno streamer fa causa a Twitch e Amazon. L’accusa? Usare i video della piattaforma per addestrare l’AI senza consenso