In questo articolo Indice dei contenuti 2 sezioni
Più di una nuova pagina Web su tre mostra segnali riconducibili all’Intelligenza Artificiale, almeno secondo l’analisi condotta dal Pew Research Center su un campione tutt’altro che piccolo. Il numero fa impressione, ma va letto con calma, perché dietro quella percentuale c’è un metodo statistico che ha limiti dichiarati fin dall’inizio dagli stessi ricercatori.
Lo studio ha passato al setaccio 490.000 pagine in lingua inglese raccolte da Common Crawl tra gennaio 2021 e luglio 2026. Lo strumento utilizzato è Open Pangram, un modello di rilevamento che cerca schemi statistici compatibili con testi generati oppure modificati in modo sostanziale da un sistema automatico. Sull’intero campione, il 10% delle pagine presenta segnali significativi. Ma restringendo il campo alle pagine pubblicate dopo il 30 novembre 2022, giorno del debutto pubblico di ChatGPT, la quota schizza oltre un terzo.
Dove si concentrano le tracce dell’AI
La distribuzione non è affatto omogenea. Nel campione riferito al 2026, circa il 10% delle pagine con estensione .com mostra caratteristiche compatibili con la scrittura AI, contro il 4,6% dei domini .org e circa l’1% sia per i .edu sia per i .gov. Detto in modo semplice, il mondo commerciale ha adottato gli strumenti generativi molto più in fretta di quello accademico e istituzionale. Il metodo però non permette di stabilire con certezza chi abbia materialmente scritto una singola pagina, quindi il dato resta una fotografia d’insieme e non un verdetto caso per caso.
Interessante anche il cambiamento nelle abitudini linguistiche. Tra il 2023 e il 2026 l’uso dell’em dash è circa raddoppiato, mentre la Oxford comma è cresciuta del 63%. Alcune parole diventate ormai proverbiali nei testi prodotti dai modelli linguistici, come “delve”, “interplay” e “testament”, hanno più che raddoppiato la loro frequenza. Sale anche il cosiddetto negative parallelism, quella costruzione che contrappone due elementi con formule del tipo “non X, ma Y”. Chiunque legga molto online probabilmente l’ha già notata senza saperle dare un nome.
Nessuno di questi elementi, va detto, funziona come una firma. L’em dash e la Oxford comma fanno parte della scrittura umana da decenni, soprattutto nel giornalismo e nella prosa accademica. L’analisi acquista senso solo quando lavora su grandi volumi di documenti e incrocia molti indicatori insieme, invece di puntare tutto su una parola o su un segno di punteggiatura. Il risultato, insomma, va preso per quello che è: una stima statistica, non una prova di paternità.
Perché i rilevatori AI non offrono certezze
Open Pangram studia ricorrenze di parole, frasi e strutture che compaiono più spesso nei contenuti generati dai modelli. Lo stesso Pew Research Center ammette che strumenti del genere possono etichettare come artificiali testi scritti da persone in carne e ossa, oppure lasciarsi sfuggire materiale prodotto da una macchina. Il margine di errore cresce parecchio quando un autore riscrive pesantemente una bozza generata, o quando il modello viene usato solo per sistemare la punteggiatura e riformulare qualche passaggio.
C’è poi un limite nella raccolta stessa dei dati. Common Crawl archivia pagine accessibili pubblicamente, quindi i siti dietro paywall o protetti da sistemi di autenticazione risultano sottorappresentati. E la stima sui contenuti successivi a ChatGPT riguarda soltanto le pagine per cui esiste una data di pubblicazione, un sottoinsieme che non rappresenta in modo perfettamente casuale l’intero Web.
Il dato più solido che emerge dalla ricerca non è quindi la capacità di smascherare ogni singolo testo artificiale. È la crescita, misurabile su larga scala, delle caratteristiche linguistiche associate all’AI generativa. Per chi pubblica online la differenza pesa: l’originalità e l’affidabilità di un contenuto non si giudicano da due o tre vezzi stilistici, servono fonti verificabili, controllo editoriale e trasparenza su come quel testo è nato.
