Meer dan een derde van nieuwe webpagina's sinds de lancering van ChatGPT lijkt door AI geschreven

Waar het onderzoek naar keek

Onderzoekers van Pew Research wilden een simpel klinkende vraag beantwoorden: hoeveel van het internet wordt tegenwoordig door AI geschreven in plaats van door mensen? Om daarachter te komen, haalden ze bijna een half miljoen Engelstalige webpagina's uit een enorm publiek archief van het internet genaamd Common Crawl, dat ongeveer de laatste vijf jaar bestrijkt, en lieten ze deze door een detectietool lopen die is gebouwd om AI-gegenereerde of zwaar door AI bewerkte tekst te herkennen.

Wat ze ontdekten

Toen Pew keek naar een brede steekproef van recente pagina's, vertoonde slechts ongeveer 1 op de 10 sterke tekenen van AI-auteurschap — maar dat cijfer omvat ook veel oudere pagina's die geschreven zijn voordat AI-schrijftools zelfs maar bestonden. Zodra ze de steekproef beperkten tot alleen pagina's die zijn gepubliceerd na de lancering van ChatGPT in november 2022, schoot het cijfer dramatisch omhoog: ongeveer 35%, oftewel ruwweg één op de drie pagina's, vertoonde echte tekenen van door AI geschreven of bewerkte tekst.

Waar het het meest voorkomt

Niet alle hoeken van het internet zijn hier gelijk. Gewone commerciële websites (de sites die eindigen op ".com") hadden AI-auteurschapspercentages die ongeveer tien keer hoger lagen dan onderwijs- (".edu") of overheidssites (".gov"), die bleven steken op nauwelijks 1%. Non-profitsites (".org") zaten daartussenin, onder de 5%. Dat patroon is best logisch — commerciële content wordt vaak snel en op grote schaal geproduceerd om zoekverkeer aan te trekken, terwijl universiteits- en overheidssites doorgaans formeler worden geschreven en door meer mensen worden nagekeken voordat ze worden gepubliceerd.

Hoe ze "AI-schrijfwerk" daadwerkelijk herkenden

Naast de detectiesoftware zelf merkten de onderzoekers een aantal verraderlijke stilistische gewoontes op die vaker voorkomen in door AI gegenereerde tekst — zoals intensiever gebruik van gedachtestreepjes, vaker een komma voor "en" in opsommingen, en herhaalde zinspatronen als "het is niet X, het is Y."

Waarom dit ertoe doet

Dit sluit aan bij andere recente bevindingen — waaronder gegevens van Cloudflare die suggereren dat geautomatiseerd botverkeer inmiddels het menselijke verkeer op het web als geheel heeft overtroffen. Samen schetsen deze onderzoeken een beeld van een internet waarop een steeds groter deel van zowel de content als de bezoekers helemaal niet meer menselijk is.