Estudo aponta sinais de inteligência artificial em 1 de cada 3 sites recentes

O dado faz parte de uma pesquisa do Pew Research Center, organização norte-americana especializada em estudos de comportamento, tecnologia e sociedade. Foram analisadas 490 mil páginas em inglês coletadas entre janeiro de 2021 e julho de 2026.

No recorte geral da internet, que também inclui páginas antigas, 10% dos conteúdos examinados apresentaram sinais significativos de inteligência artificial. Quando os pesquisadores consideraram somente páginas publicadas depois de 30 de novembro de 2022, data do lançamento público do ChatGPT, o índice chegou a aproximadamente 35%.

O resultado não significa que um em cada três sites tenha sido completamente criado por robôs. A pesquisa analisou páginas individuais e procurou padrões linguísticos associados à produção ou à edição substancial por ferramentas generativas.

Leia mais:

Nova inteligência artificial do Itaú busca simplificar decisões financeiras

O que a pesquisa descobriu?

O levantamento do Pew Research Center encontrou uma expansão contínua dos sinais de inteligência artificial nos textos publicados na internet.

Os principais resultados foram:

• 10% das páginas da amostra de julho de 2026 apresentaram sinais significativos de IA;
• cerca de 35% das páginas publicadas após o lançamento do ChatGPT tinham esses sinais;
• a presença foi maior nos domínios terminados em “.com”;
• o índice foi menor em páginas de instituições governamentais e educacionais;
• palavras e estruturas associadas a modelos de linguagem tornaram-se mais frequentes desde 2023.

A tendência começou a ficar mais clara no fim de 2022. Nos anos seguintes, novos serviços generativos chegaram ao mercado, incluindo Claude, Gemini e outras plataformas capazes de produzir, revisar e traduzir textos.

O estudo analisou sites ou páginas?

Essa diferença é importante. A pesquisa do Pew Research Center analisou páginas da internet, e não necessariamente sites inteiros.

Um site pode possuir milhares de endereços diferentes. Um portal de notícias, por exemplo, pode ter textos escritos por jornalistas, páginas automatizadas, conteúdos patrocinados e artigos produzidos com auxílio de IA.

Encontrar sinais de inteligência artificial em uma dessas páginas não permite afirmar que todo o domínio foi criado por IA. Também não significa que o layout, as imagens, os sistemas ou os demais textos tenham sido produzidos automaticamente.

Por isso, a formulação mais precisa é dizer que uma em cada três páginas recentes analisadas apresentou sinais de autoria ou edição por inteligência artificial.

Outra pesquisa analisou sites novos

A metodologia do Pew menciona um estudo independente que avaliou sites recém-publicados e chegou a resultado semelhante. Essa outra pesquisa estimou que 35% dos novos sites analisados continham textos gerados ou auxiliados por IA.

Os levantamentos usaram métodos diferentes, mas apontaram para a mesma direção: o conteúdo sintético tornou-se uma parte relevante da internet recente.

Como a pesquisa foi realizada?

Os pesquisadores utilizaram o Common Crawl, uma organização sem fins lucrativos que mantém um grande arquivo de páginas públicas da internet.

O Common Crawl percorre a web periodicamente e guarda cópias de páginas acessíveis. Esses registros permitem comparar como o conteúdo on-line mudou ao longo dos anos.

Foram selecionadas 10 mil páginas em inglês de cada uma das 49 coletas realizadas entre janeiro de 2021 e julho de 2026. A amostra total chegou a 490 mil páginas.

Para cada endereço, os pesquisadores coletaram:

• o código HTML;
• o texto principal;
• a data de publicação, quando disponível;
• o tipo de domínio;
• padrões de vocabulário e construção das frases.

Depois, o conteúdo foi examinado por um detector de textos de inteligência artificial desenvolvido pela Pangram.

Como um detector identifica textos de IA?

Um detector não procura uma assinatura escondida pelo ChatGPT. Ele utiliza aprendizado de máquina para encontrar padrões estatísticos mais comuns em textos produzidos por modelos de linguagem.

A ferramenta analisa elementos como:

• frequência de determinadas palavras;
• tamanho e estrutura das frases;
• repetição de construções;
• organização de listas;
• sinais de pontuação;
• nível de previsibilidade do texto;
• combinação entre vocabulário e sintaxe.

O modelo empregado pelo Pew atribuiu a cada página uma pontuação entre zero e um. Valores próximos de zero indicavam maior probabilidade de autoria humana, enquanto valores próximos de um representavam maior presença de padrões associados à IA.

A classificação incluiu tanto páginas provavelmente geradas por inteligência artificial quanto conteúdos que parecem ter recebido uma edição substancial da tecnologia.

Detectores de IA são totalmente confiáveis?

Não. O próprio Pew Research Center alerta que detectores podem cometer erros nas duas direções.

Um texto humano pode ser classificado incorretamente como produzido por IA. Ao mesmo tempo, uma publicação gerada por uma ferramenta avançada pode passar pelo detector sem ser identificada.

Esses erros são chamados de:

• falso positivo, quando um texto humano é classificado como IA;
• falso negativo, quando um conteúdo de IA é considerado humano.

Por esse motivo, a pesquisa não recomenda utilizar o resultado do detector como prova contra um autor específico. A ferramenta é mais adequada para observar tendências em centenas de milhares de documentos.

Quando vários textos são analisados em conjunto, erros individuais tendem a ter menos peso. Ainda assim, os números devem ser interpretados como estimativas, e não como uma contagem exata de tudo que foi escrito por máquinas.

Quais são os sinais mais comuns de um texto de IA?

A pesquisa identificou o crescimento de alguns hábitos linguísticos em páginas publicadas depois de 2022. Esses elementos já eram usados por pessoas, mas passaram a aparecer com maior frequência.

Uso recorrente de travessões

Em textos em inglês, o travessão longo passou a aparecer aproximadamente duas vezes mais do que em 2023.

Modelos de linguagem costumam usar esse sinal para incluir explicações, criar pausas ou separar ideias. Isso não significa, contudo, que todo texto com travessões foi produzido por IA.

Jornalistas, escritores e pesquisadores usam esse recurso há muito tempo. O indício surge quando ele aparece repetidamente junto a outros padrões.

Vírgula de Oxford

A vírgula de Oxford é colocada antes do último item de uma lista em inglês. Seu uso cresceu 63% nas páginas examinadas entre 2023 e 2026.

Esse fenômeno é próprio da língua inglesa e não pode ser transportado automaticamente para conteúdos em português. As regras e os hábitos de pontuação são diferentes.

Vocabulário repetitivo e rebuscado

Termos como “delve”, “interplay” e “testament” mais do que dobraram de frequência. Em determinados contextos, essas palavras podem deixar o texto artificialmente sofisticado.

O problema não está no uso isolado. A desconfiança aumenta quando várias palavras rebuscadas aparecem em um texto simples, no qual não seriam necessárias.

Em português, existem comportamentos parecidos, como o uso excessivo de expressões genéricas:

• “é fundamental destacar”;
• “desempenha um papel crucial”;
• “em um cenário cada vez mais dinâmico”;
• “vale ressaltar”;
• “mergulhar profundamente”;
• “uma verdadeira jornada”.

Essas frases também podem ser escritas por pessoas. Elas apenas não acrescentam muita informação quando aparecem de forma automática.

Paralelismo negativo

Outra estrutura que quase triplicou foi o paralelismo negativo. Trata-se da construção “não é apenas isso, é também aquilo”.

Esse recurso pode ser útil para criar contraste, mas os modelos tendem a empregá-lo mesmo quando a comparação não ajuda a explicar o assunto.

É possível reconhecer um texto de IA apenas pelo estilo?

Não com segurança. Pontuação, vocabulário e estrutura oferecem indícios, mas não constituem prova.

Uma pessoa pode possuir um estilo parecido com o dos modelos. Também pode utilizar uma ferramenta apenas para corrigir gramática, reorganizar parágrafos ou traduzir um conteúdo originalmente escrito por ela.

Do outro lado, um texto gerado por IA pode passar por uma revisão humana cuidadosa e perder grande parte dos padrões detectáveis.

Para avaliar a confiabilidade de uma publicação, é mais útil observar um conjunto de fatores:

• identificação clara do autor;
• fontes verificáveis;
• dados que possam ser confirmados;
• domínio do assunto;
• transparência sobre correções;
• ausência de informações inventadas;
• atualização do conteúdo;
• responsabilidade editorial.

A pergunta mais importante nem sempre é “isso foi escrito por IA?”, mas “essa informação é correta, útil e responsável?”.

Usar inteligência artificial para escrever é sempre ruim?

Não. A inteligência artificial pode ser empregada como ferramenta de apoio, assim como corretores ortográficos, tradutores e sistemas de pesquisa.

Ela pode ajudar a:

• organizar ideias;
• revisar ortografia;
• resumir documentos extensos;
• localizar repetições;
• adaptar uma explicação;
• criar uma primeira estrutura;
• traduzir um texto;
• melhorar a acessibilidade.

O problema aparece quando a automação substitui a apuração, a responsabilidade e a revisão humana.

Um conteúdo pode estar gramaticalmente correto e, ainda assim, apresentar datas inexistentes, estudos que nunca foram publicados ou declarações atribuídas a pessoas erradas. Modelos generativos produzem respostas com base em padrões, não em uma garantia automática de verdade.

O que é “AI slop”?

A expressão “AI slop” é utilizada para descrever conteúdos produzidos em massa por inteligência artificial, geralmente com pouca revisão, baixa utilidade ou erros evidentes.

Em português, a ideia pode ser entendida como “entulho de IA”. São textos, imagens e vídeos criados rapidamente para ocupar espaço, atrair cliques ou manipular sistemas de recomendação.

Algumas características comuns são:

• títulos exagerados;
• informações genéricas;
• repetição de palavras-chave;
• erros factuais;
• fontes inexistentes;
• imagens com deformações;
• textos longos que não respondem à pergunta;
• grande volume de publicações semelhantes;
• ausência de autoria ou responsabilidade editorial.

Nem todo conteúdo feito com IA é “slop”. A expressão se refere principalmente a produções de baixa qualidade distribuídas em escala.

Por que o crescimento de textos com IA merece atenção?

A internet funciona como fonte de informação e como matéria-prima para novas ferramentas. Quando conteúdos não verificados se multiplicam, os erros também podem ser reproduzidos.

Uma informação falsa gerada por IA pode ser publicada em vários sites, aparecer em mecanismos de busca e, posteriormente, ser utilizada como referência por outro sistema. O resultado é um ciclo em que a repetição dá aparência de credibilidade ao erro.

Risco de contaminação dos dados

Modelos são treinados com grandes volumes de material. Se a internet passar a conter cada vez mais textos sintéticos, futuras ferramentas poderão aprender com conteúdos produzidos por modelos anteriores.

Isso pode reduzir a diversidade da escrita e reforçar erros, clichês e simplificações.

Dificuldade para encontrar conteúdo original

A produção automatizada permite publicar centenas de páginas em pouco tempo. Sites legítimos, que investem em apuração e especialistas, passam a competir com grandes volumes de material barato.

Para o leitor, fica mais difícil identificar quem realmente conhece o assunto e quem apenas reorganizou informações já existentes.

Impacto sobre autores e veículos

Textos originais podem ser coletados por robôs, resumidos por sistemas de IA e apresentados ao usuário sem que ele visite a fonte.

Isso reduz audiência, assinaturas e receitas de publicidade. O problema afeta especialmente veículos jornalísticos, blogs especializados e criadores independentes.

Bots já produzem mais da metade do tráfego?

A Cloudflare informou em 2026 que o tráfego automatizado ultrapassou a atividade humana em sua medição, chegando a aproximadamente 57% das solicitações na web.

O número inclui diferentes tipos de robôs. Nem todos estão relacionados à inteligência artificial nem possuem finalidade maliciosa.

Existem bots responsáveis por:

• indexação em buscadores;
• monitoramento de disponibilidade;
• verificação de segurança;
• treinamento de modelos;
• coleta de preços;
• assistentes automatizados;
• tentativas de fraude;
• ataques a serviços.

Em junho de 2026, 52% das solicitações feitas por rastreadores identificados pela Cloudflare tinham como finalidade o treinamento de inteligência artificial. A empresa também encontrou uma participação expressiva de robôs de uso misto, empregados em pesquisa, treinamento e agentes digitais.

Os dados ajudam a explicar uma mudança maior: máquinas não estão apenas escrevendo parte da internet. Elas também estão lendo, classificando e reutilizando esse conteúdo em escala crescente.

O estudo representa a internet brasileira?

Não diretamente. A análise considerou apenas páginas escritas em inglês.

Textos em português possuem vocabulário, pontuação e estruturas diferentes. Um detector treinado principalmente com inglês pode apresentar um desempenho distinto quando aplicado ao conteúdo brasileiro.

Além disso, a amostra veio do Common Crawl. Páginas protegidas por login, paywalls ou bloqueios de rastreamento provavelmente aparecem menos no arquivo.

A pesquisa é importante para identificar uma tendência global, mas não permite afirmar que exatamente 35% das páginas brasileiras recentes apresentam sinais de IA. Para chegar a essa conclusão, seria necessário um estudo específico em português, com amostra representativa do Brasil.

Quais tipos de domínio têm mais sinais de IA?

A presença não foi igual em toda a internet. Nos dados referentes ao início de 2026, cerca de 9,35% das páginas em domínios “.com” apresentaram sinais significativos.

Nos endereços terminados em “.org”, o índice foi de aproximadamente 4,59%. Em páginas “.edu”, a proporção ficou próxima de 1%, enquanto os domínios “.gov” registraram cerca de 0,76%.

Esses números consideram a amostra geral, incluindo páginas antigas e recentes.

A diferença pode estar relacionada à velocidade e ao volume de publicação. Sites comerciais possuem incentivos maiores para automatizar descrições de produtos, textos de marketing, atendimento e páginas voltadas aos mecanismos de busca.

Instituições públicas e educacionais costumam utilizar processos formais de aprovação, embora isso não impeça completamente o emprego de inteligência artificial.

Como o leitor pode avaliar uma página suspeita?

Não é preciso instalar um detector para fazer uma análise inicial. Alguns cuidados ajudam a identificar conteúdo pouco confiável.

Confira quem publicou

Procure nome do autor, informações sobre a empresa e formas de contato. Sites sem identificação exigem cautela maior.

Verifique as fontes

Quando o texto apresenta números, pesquisas ou decisões, confira se a fonte realmente existe. O ideal é buscar o documento original.

Observe datas e contexto

Conteúdos automatizados podem misturar acontecimentos de anos diferentes ou tratar regras antigas como se ainda estivessem em vigor.

Desconfie de respostas genéricas

Um texto pode ser longo sem responder à dúvida principal. A repetição de conceitos, introduções exageradas e conclusões vazias são sinais de baixa qualidade, independentemente de quem escreveu.

Compare com fontes confiáveis

Em assuntos de saúde, direito, finanças e serviços públicos, procure órgãos oficiais e profissionais qualificados. Não tome uma decisão importante com base em uma única página.

O Google proíbe conteúdo feito com IA?

O foco das políticas do Google não é simplesmente saber se uma ferramenta de inteligência artificial participou da produção. O buscador avalia principalmente a utilidade, a originalidade e a confiabilidade.

Conteúdo automatizado pode ter problemas quando é produzido em grande escala apenas para manipular resultados de pesquisa. Publicar centenas de páginas superficiais, repetitivas ou sem revisão pode ser entendido como abuso.

Para sites e produtores, a prática mais segura é utilizar IA como apoio, mantendo:

• revisão humana;
• apuração própria;
• fontes confiáveis;
• autoria responsável;
• valor original;
• correção de erros;
• transparência editorial.

Trocar algumas palavras de um texto existente ou gerar variações em massa não cria automaticamente um conteúdo útil.

O que deve mudar nos próximos anos?

A tendência é que a participação da inteligência artificial continue crescendo, mas sua identificação pode se tornar mais difícil.

Os modelos estão melhorando a capacidade de adaptar tom, vocabulário e estrutura. Ao mesmo tempo, escritores humanos passam a incorporar expressões popularizadas pelas ferramentas.

Isso aproxima os dois estilos e diminui a eficiência de regras simples, como procurar travessões ou determinadas palavras.

A discussão deverá se concentrar menos em detectar uma origem puramente humana ou artificial e mais em avaliar responsabilidade, transparência e qualidade.

O estudo da Pew mostra que a transformação já está em curso. Na amostra de julho de 2026, cerca de 35% das páginas com data posterior ao lançamento do ChatGPT apresentaram sinais de autoria ou edição por IA.

O próximo passo para leitores, empresas e veículos é aprender a conviver com esse cenário sem tratar todo conteúdo automatizado como falso, mas também sem aceitar informações apenas porque foram apresentadas com linguagem convincente.

Perguntas frequentes sobre textos de IA na internet

Quantas páginas recentes apresentam sinais de IA?

Na amostra de julho de 2026, aproximadamente 35% das páginas publicadas depois do lançamento do ChatGPT apresentaram sinais de autoria ou edição substancial por IA.

A pesquisa analisou toda a internet?

Não. O estudo analisou 490 mil páginas em inglês coletadas pelo Common Crawl entre janeiro de 2021 e julho de 2026.

O uso de travessão prova que um texto foi feito por IA?

Não. Pessoas usam travessões, vírgulas e estruturas semelhantes. Esses elementos são apenas padrões estatísticos quando observados em conjunto com outros sinais.

Detectores de IA podem errar?

Sim. Eles podem classificar um texto humano como inteligência artificial ou deixar de identificar um conteúdo automatizado. Por isso, não devem ser tratados como prova isolada.

A pesquisa representa os sites brasileiros?

Não diretamente. A análise considerou somente páginas em inglês. Seria necessário um estudo específico em português para estimar a presença de IA na internet brasileira.

Todo conteúdo produzido com IA é de baixa qualidade?

Não. A tecnologia pode ajudar na pesquisa, organização e revisão. A qualidade depende da apuração, da supervisão humana, das fontes e da responsabilidade de quem publica.

O que significa “AI slop”?

É uma expressão usada para conteúdos automatizados de baixa qualidade, produzidos em grande escala, com pouca revisão e baixo valor para o público.