Pew: заметная доля англоязычных веб-страниц несет признаки AI-текста

Что произошло

Pew Research Center опубликовал исследование о распространении AI-текстов в англоязычном интернете. Согласно результатам, значимые признаки AI-авторства сейчас есть примерно у одной из 10 англоязычных веб-страниц.

Если учитывать только страницы, опубликованные после запуска ChatGPT в ноябре 2022 года, показатель возрастает до 35%. Для анализа исследователи взяли около 490 000 страниц из архива Common Crawl за период с января 2021 года по июль 2026 года и проверили их моделью Open Pangram.

Где признаки AI-текста встречаются чаще

Распределение оказалось неравномерным. На доменах .com признаки AI-авторства фиксируются примерно в 10 раз чаще, чем на .edu или .gov, где показатель находится около 1% для каждой зоны. По сравнению с .org, где уровень составляет 4,6%, домены .com показывают примерно двукратное превышение.

В материале отмечается, что разрыв связан с тем, кто и как публикует контент: академические и государственные сайты проходят редакционную проверку, институциональное согласование и работают в более медленных циклах публикации, тогда как .com включает как редакции, так и площадки аффилиатного маркетинга, выпускающие большие объемы страниц.

Как работает детектор

Open Pangram не помечает отдельное слово или фразу как доказательство AI-авторства. Модель оценивает статистические паттерны на больших массивах текста.

При этом некоторые отдельные признаки стали заметно чаще встречаться с 2023 года. Длинные тире теперь появляются примерно вдвое чаще, использование Oxford comma выросло на 63%, а слова вроде "delve", "interplay" и "testament" более чем удвоили частоту.

Конструкция отрицательного параллелизма, например формула «это не просто X, это Y», стала почти втрое чаще с 2023 года, хотя Pew отмечает, что в целом она все еще редка.

Ограничения и возможные изменения

Pew подчеркивает ограничения такого анализа: модели детекции могут ошибочно классифицировать отдельные страницы в обе стороны. Формулировка о «значимых признаках AI-авторства» также не означает, что страница полностью написана машиной: часть текста могла быть создана при помощи AI, а не полностью сгенерирована им.

Open Pangram разработан Pangram Labs. Детектор этой компании также фигурировал в отдельном исследовании, где AI-сгенерированный текст был найден примерно в 9% статей американских газет в этом году, включая колонки мнений в изданиях вроде The New York Times.

В будущем выявление AI-текста может стать проще не только из-за языковых паттернов, но и из-за технологических решений. Крупные AI-компании, включая Anthropic, уже работают над текстовым отпечатком на уровне модели, который должен упростить идентификацию AI-текста и снизить число ошибок.

Почему это важно

Тренд особенно заметен на доменах .com: показатель AI-авторства вырос примерно с 1% в январе 2021 года до 9,35% в январе 2026 года. Это указывает на быстрое изменение структуры веб-контента после распространения генеративных моделей.