A presença de conteúdo gerado por IA na web ultrapassou 35% em páginas publicadas após o lançamento do ChatGPT, de acordo com uma investigação do Pew Research Center divulgada a 20 de agosto de 2026. A análise avaliou a evolução do texto sintetizado por algoritmos na internet em língua inglesa entre janeiro de 2021 e julho de 2026. Os resultados comprovam a transição da inteligência artificial de ferramenta pontual para um dos principais motores de produção textual no ecossistema digital.
Na totalidade da amostra ativa recolhida em julho de 2026, a proporção média de páginas com marcas de automação situa-se em 10%. Esta amostra engloba todo o arquivo histórico anterior a 2022, o que atenua a média global. No entanto, o isolamento dos dados posteriores à chegada dos grandes modelos de linguagem ao mercado demonstra uma aceleração contínua na taxa de produção automatizada.
Metodologia e conclusões do estudo da Pew Research Center sobre IA
O estudo da Pew Research Center sobre IA confirma que mais de um terço da produção textual recente na internet tem intervenção algorítmica direta. A investigação recolheu 490 mil páginas web a partir do repositório público Common Crawl, divididas em 49 amostras mensais de 10 mil páginas cada.
A equipa de cientistas de dados submeteu os textos ao modelo de pesos abertos editlens_Llama-3.2-3B, desenvolvido pela organização Open Pangram. O classificador atribuiu a cada documento uma pontuação entre zero e um com base em probabilidades estatísticas de autoria. Páginas com uma pontuação igual ou superior a 0,2 foram catalogadas com sinais de redação ou edição substancial por algoritmos.
Samuel Bestvater, cientista de dados sénior no Pew Research Center e autor principal do documento, declarou no relatório que “os modelos de inteligência artificial aprendem a imitar padrões de escrita humana e podem acabar por utilizar certas palavras, frases ou peculiaridades linguísticas com maior frequência do que os autores humanos”. O centro de investigação reconhece margens de erro em textos isolados, mas sustenta a solidez estatística da amostra agregada ao longo de cinco anos.
Distribuição por domínios e prevalência de páginas web escritas por IA
A taxa de conteúdo gerado por IA na web concentra-se sobretudo em domínios comerciais .com, onde atinge 9,4% da totalidade de páginas ativas em 2026. Em contrapartida, os domínios institucionais mantêm níveis residuais de automação.
A distribuição de páginas web escritas por IA varia consoante a finalidade de cada endereço na internet:
- Domínios
.com: Registam 9,4% de páginas com marcas de IA em 2026, após uma subida contínua face aos 1,09% verificados em 2021. - Domínios
.org: Apresentam uma taxa de 4,6%, valor correspondente a metade da incidência observada nas plataformas comerciais. - Domínios
.edu: Mantêm uma presença de 1,0%, com variações mínimas face aos 0,57% registados no início de 2021. - Domínios
.gov: Fixam-se em 0,8%, a percentagem mais baixa entre todas as categorias analisadas.
A pressão pela produção de tráfego em massa e a otimização para motores de busca explicam a aceleração verificada no setor comercial. Por sua vez, as plataformas governamentais e do ensino superior mantêm processos formais de revisão humana que limitam a publicação direta de textos algorítmicos.
Padrões linguísticos e métodos de deteção de texto por inteligência artificial
A deteção de texto por inteligência artificial assenta na identificação de desvios estatísticos em elementos de pontuação, vocabulário e sintaxe. A proliferação de modelos generativos alterou a própria estrutura formal do texto disponível na internet entre 2023 e 2026.
Os dados do Pew Research Center identificam quatro alterações principais na escrita online:
- Travessões explicativos: A frequência de utilização deste sinal subiu de 5,79 para 11,19 ocorrências por cada 10 mil palavras entre 2023 e 2026.
- Vírgula de Oxford: O uso da vírgula antes da última conjunção em enumerações registou um aumento de 63% no mesmo período.
- Vocabulário caraterístico: Termos ingleses como delve, interplay, tapestry, pivotal, testament, underscore e intricate duplicaram a sua taxa de presença na web aberta.
- Paralelismo retórico negativo: Estruturas comparativas como “não é apenas X, é Y” quase triplicaram de incidência estatística.
Estes elementos não constituem prova isolada de escrita artificial, pois fazem parte do uso humano da língua. Contudo, a sua densidade cumulativa permite aos classificadores calcular a probabilidade matemática de intervenção algorítmica num documento.
Riscos estruturais e o impacto da inteligência artificial na internet
O impacto da inteligência artificial na internet coloca desafios à preservação da integridade dos dados públicos e ao desenvolvimento dos futuros sistemas computacionais. O principal risco técnico identificado por especialistas reside no colapso de modelos (model collapse).
A expansão do conteúdo gerado por IA na web significa que as futuras gerações de modelos de linguagem recolherão texto sintético como material de treino primário. Este ciclo fechado de retroalimentação pode amplificar erros factuais, reduzir a diversidade léxica e provocar a degradação gradual da qualidade das respostas dos assistentes digitais.
A proliferação de texto automatizado altera igualmente as estratégias de indexação dos motores de busca. A saturação da web por artigos produzidos a baixo custo exige o reforço de filtros de qualidade para distinguir fontes originais de sínteses mecânicas.
Por uma questão de trânsparencia editorial, saiba mais sobre como utilizamos a IA no TecheNet.
Outros artigos interessantes:
