A Pew Mediu Quanto da Web é Escrito com IA, e Publicou os Sinais

Dez por cento das páginas web amostradas pelo Pew Research Center apresentam sinais significativos de autoria por IA em julho de 2026. Se a amostra é restrita às páginas publicadas depois do lançamento do ChatGPT, em 30 de novembro de 2022, a fatia passa de um terço. O corpus foi de quase 500 mil páginas em inglês extraídas do arquivo Common Crawl, entre janeiro de 2021 e julho de 2026.

O número da manchete vai ser citado. A parte mais útil do estudo está embaixo dele. A Pew publicou os marcadores linguísticos específicos em que o classificador se apoia, e o quanto cada um se moveu desde uma linha de base de 2023. Isso converte “soar menos como máquina”, um juízo de gosto sobre o qual dois revisores discutem para sempre, em algo que um pipeline consegue contar.

O que o classificador mede, e o que ele não consegue fazer

As páginas foram pontuadas pelo Open Pangram, um modelo de aprendizado de máquina que, na descrição da Pew, “observa padrões na linguagem, identificando palavras, expressões e peculiaridades linguísticas mais comumente usadas por IA do que por autores humanos”. Ninguém leu as páginas. Não houve respondentes de pesquisa, nem entrevistas, nem sala. A unidade de análise é um documento arquivado e a pontuação de um modelo sobre ele.

A Pew declara a limitação sem rodeios: “modelos de detecção de IA não são perfeitos, às vezes classificam de forma errada documentos individuais escritos por humanos como tendo sinais de autoria por IA, e vice-versa”. Então os 10% e o um terço são estimativas derivadas de um detector sobre um corpus, com erro correndo nas duas direções.

Essa restrição decide o que você pode fazer com o achado. Medir a composição de um grande conjunto de textos está dentro do que o método sustenta. Dar veredito sobre o documento único à sua frente fica fora dele, e a própria ressalva da Pew é a razão. Se um fornecedor afirma que o detector dele resolve a autoria de uma página, ele está prometendo mais do que esta pesquisa sustenta.

Quatro marcadores, e a velocidade de cada um

A Pew reporta a variação de cada marcador contra a linha de base de 2023, medida por 10 mil palavras. Travessões subiram cerca de 193%, o maior movimento do conjunto. Vírgulas de Oxford subiram 63%. Vocabulário típico de IA mais que dobrou. O paralelismo negativo quase triplicou.

Esse último merece definição, porque é uma estrutura e não uma palavra. O paralelismo negativo apresenta uma opção, a rejeita e entrega a preferida no mesmo fôlego. Um espécime: “não é sobre velocidade, é sobre confiança”. A forma dá ao autor a sensação de insight e entrega ao leitor um argumento que nunca foi construído.

A Pew é cuidadosa em um ponto que qualquer um construindo verificações sobre isso precisa absorver. Autores humanos usam todos esses recursos. Escritores sempre usaram o travessão, a vírgula de Oxford é preferência de casa consolidada em manuais de estilo em inglês, e a construção de paralelismo negativo antecede em muito o transformer. A detecção funciona sobre padrões estatísticos agregados em muitos documentos, então nenhum sinal isolado identifica nada. Uma página cheia de travessões é uma página cheia de travessões.

A divisão por domínio é a metade mais útil do estudo

Separado por domínio de topo, o percentual estimado de páginas com sinais de autoria por IA diverge com força. Páginas comerciais ficam em aproximadamente 10% no .com. Organizações sem fins lucrativos aparecem com 4,6% no .org. As duas classes de domínio que carregam credibilidade institucional ficam bem abaixo: aproximadamente 1% no .edu e aproximadamente 1% no .gov.

A Pew não diz por que os domínios divergem, e o estudo não consegue responder: ele mede páginas, não os processos por trás delas. A explicação mais econômica disponível para uma operação de conteúdo é carga de revisão, e ela é hipótese, não achado. Onde mais mãos tocam uma página antes de publicar, menos páginas carregam os marcadores.

O gradiente por domínio funciona, portanto, como um mapa grosseiro de onde o processo editorial ainda obriga. Se o seu conteúdo precisa carregar o peso de uma página .edu enquanto sai na velocidade de uma página .com, este é o número para colocar na frente do time.

Uma regra de estilo pode servir como controle auditável

Nosso manual de estilo bane o travessão desde antes de alguém conseguir medir isso, sob o argumento de que ele soa como ritmo de máquina. A Pew agora mostra o travessão como o marcador que mais se moveu no conjunto, cerca de 193% para cima. A regra não ficou mais inteligente. Ela ganhou uma medição atrás de si, que é a diferença entre uma preferência defendida por um revisor num fio de comentários e uma verificação que roda antes de o fio existir.

Contar um marcador e rodar um detector são exercícios diferentes, e a distinção sobrevive ao argumento inteiro. Um detector devolve uma probabilidade de o documento ter sido escrito por máquina, e a ressalva da Pew manda desconfiar disso documento a documento. Uma contagem de marcador devolve um fato sobre o texto: quantos travessões ele carrega por 10 mil palavras. O fato é verificável, reproduzível por qualquer um com o mesmo arquivo, e livre de qualquer afirmação sobre quem digitou. Um processo de revisão consegue agir com honestidade sobre o segundo tipo de número. Sobre o primeiro, não consegue.

Esse é o movimento transferível aqui. Três dos quatro marcadores são contáveis com uma expressão regular e uma contagem de palavras. Assim que uma preferência é expressa como contagem por 10 mil palavras, ela para de consumir atenção de revisão, do mesmo jeito que uma regra de lint acabou com a discussão sobre indentação.

Faça isso agora

Pegue seus últimos vinte textos publicados e conte quatro coisas em cada um: travessões, vírgulas de Oxford, sua própria lista de vocabulário típico de IA e construções de paralelismo negativo. Normalize toda contagem por 10 mil palavras para que um texto longo e um curto fiquem comparáveis. Você passa a ter uma linha de base do seu próprio corpus, a única que importa, porque os números da Pew descrevem a web aberta e não o seu time.

Depois ligue as contagens à revisão como sinalização, com um limiar que você mesmo define, e mantenha isso fora da decisão de publicar. A contagem diz ao revisor onde olhar. Ela nunca diz quem escreveu a página, e um pipeline que trata limiar como veredito vai rejeitar boa escrita humana, que é a falha sobre a qual a Pew alertou.

Para uma operação de conteúdo, o que se tira deste estudo é o instrumento. A Pew tornou o estilo de autoria uma propriedade mensurável de um documento neste ano, com marcadores publicados e comportamento de erro publicado. Governança que roda em gosto agora pode rodar em contagem, e a parte que ainda exige julgamento ficou menor e mais bem definida do que era antes deste estudo.

Fontes

Pew Research Center. “How much of the internet is written with AI?.” Agosto de 2026.

A Victorino ajuda times de conteúdo e engenharia a transformar padrões editoriais em verificações automáticas que rodam antes da revisão: contato@victorino.com.br | www.victorino.com.br