Pew Research Center analyseerde 490.000 Engelstalige webpagina’s. Tien procent vertoont duidelijke tekenen van AI-auteurschap. Bij pagina’s die na de lancering van ChatGPT verschenen, loopt dat op tot meer dan een derde.
Hoeveel van geschreven content op het internet is inmiddels door een AI-model geschreven? Pew Research Center probeerde die vraag te beantwoorden met een analyse van bijna een half miljoen Engelstalige webpagina’s uit de afgelopen vijf jaar. De onderzoekers haalden hun materiaal uit het Common Crawl-archief en lieten de teksten door AI-detector Open Pangram lopen.
In de steekproef van juli 2026 vertoont tien procent van alle pagina’s significante sporen van AI-auteurschap. Dat klinkt misschien bescheiden, maar het web bestaat voor een groot deel uit oudere pagina’s die simpelweg niet door een chatbot geschreven kunnen zijn. Filter je die eruit, dan verandert het beeld. Van de pagina’s die na november 2022 zijn gepubliceerd, draagt ruim 35 procent AI-kenmerken. De stijging begint zichtbaar te worden eind 2022, rond de publieke lancering van ChatGPT en zette door naarmate AI-modellen als Claude en Gemini volgen.
Commercieel web loopt voorop
De verdeling over het web is allesbehalve gelijkmatig. Toen ChatGPT net beschikbaar was, lagen de percentages voor content op domeinen als .com, .org, .edu en .gov nog dicht bij elkaar. In 2026 is dat verleden tijd. Ongeveer één op de tien .com-pagina’s toont duidelijke AI-sporen, tegenover 4,6 procent bij .org en zo’n één procent bij .edu en .gov.
Het commerciële deel van het internet vult zich dus tien keer zo snel met AI-gegenereerde tekst als het academische en overheidsdeel. Dat AI-content commercieel aantrekkelijk is, blijkt ook elders, zo betaalt Google inmiddels uitgevers voor het publiceren van AI-gegenereerde artikelen.
Lees ook: Waarom .gov.nl meer is dan een nieuw internetadres
Verraderlijke gedachtestreepjes
Detectiemodellen kijken onder andere naar taalpatronen. Pew zette de webteksten van vandaag naast een momentopname uit 2023 en zag een aantal verschuivingen. Em-dashes komen ongeveer twee keer zo vaak voor. Het zogenaamde gebruik van Oxford-komma’s stegen met 63 procent. Woorden waar taalmodellen dol op zijn, zoals “delve”, “interplay” en “testament”, verdubbelden in gebruik. En de constructie “it’s not just X, it’s Y” is bijna verdrievoudigd, al blijft die relatief zeldzaam.
Een kanttekening plaatsen de onderzoekers zelf we. Detectiemodellen kunnen er soms ook naast zitten. Ze markeren menselijke teksten weleens als AI en andersom. Dat probleem is breder bekend. Onafhankelijke vergelijkingen noemen false-positive percentages van ongeveer één tot vijftien procent, afhankelijk van de tool en de tekstsoort. Niet-native Engelstalige schrijvers lopen daarbij extra risico.
Pew wijst erop dat losse gedachtestreepjes of komma’s niets bewijzen. Mensen gebruiken ze ook. Pas bij grote hoeveelheden documenten worden statistische patronen zichtbaar in woordkeuze en zinsbouw. Het labelen van AI-inhoud blijft ondertussen een hardnekkig knelpunt en onder andere Spanje kondigde eerder forse boetes aan voor het niet labelen van AI-content.
Lees ook: Europa verplicht label op AI-content