Um em cada três sites criados após o ChatGPT apresenta sinais de inteligência artificial
Desde o lançamento do ChatGPT em 2022, a presença de inteligência artificial na internet cresceu de forma expressiva. Uma pesquisa recente da Pew Research Center mostra que aproximadamente um em cada três sites registrados após a chegada do modelo da OpenAI apresenta algum nível de uso de IA, sobretudo na produção dos textos publicados. O dado confirma uma transformação já perceptível na forma como conteúdos são gerados e distribuídos na web.
O levantamento analisou links recentes e identificou uma série de marcas linguísticas típicas de textos produzidos por modelos de linguagem, conhecidos como LLMs, sistemas de IA treinados para compreender e gerar texto de maneira semelhante à escrita humana. Entre os padrões mais frequentes estão o uso exagerado de travessões, vírgulas desnecessárias — como a chamada vírgula de Oxford, inserida antes da última palavra de uma enumeração — e a adoção de vocabulário rebuscado em contextos que não exigem tanta formalidade. Esses traços aparecem de forma recorrente nas respostas geradas por chatbots e servem como indícios de que o conteúdo foi, ao menos em parte, produzido por inteligência artificial.
O estudo ganha relevância em um contexto em que a presença de IAs na internet já ultrapassa a de usuários humanos. De acordo com a Cloudflare, o tráfego de robôs em buscas online superou o de pessoas antes do previsto, evidenciando que sistemas automatizados acessam, leem e interagem com páginas em volume cada vez maior. Somam-se a isso pesquisas que apontam para o aumento do chamado AI Slop, expressão usada para descrever conteúdos de baixa qualidade gerados por inteligência artificial e distribuídos em larga escala.
A pesquisa da Pew também trouxe um panorama mais amplo sobre a presença de IA em publicações na web. De um universo total de dez mil páginas analisadas, pelo menos 10% foram produzidas com algum grau de envolvimento de inteligência artificial. Quando o recorte se restringe aos conteúdos publicados após 2022, o índice sobe para 35%, o que confirma a aceleração no uso dessas ferramentas a partir da popularização do ChatGPT.
Outro ponto destacado pelo estudo diz respeito aos domínios nos quais a presença de IA é mais marcante. Páginas com extensão ".com" registraram cerca de 10% mais conteúdo com indícios de inteligência artificial do que a média. Textos com características de IA também foram encontrados em domínios ".edu" e ".gov", normalmente associados a instituições de ensino e órgãos governamentais dos Estados Unidos. Já os domínios ".org" apresentaram 4,6% de produções com algum nível de IA em sua composição.
É importante destacar que a análise considerou apenas conteúdos publicados em inglês. Os links foram levantados pela plataforma Common Crawl, um projeto que rastreia e disponibiliza grandes volumes de páginas da web para fins de pesquisa, e a identificação de possíveis textos gerados por IA foi feita com o auxílio da ferramenta Open Pangram. Embora esse tipo de detecção possa apresentar imprecisões em casos individuais, o volume analisado permite uma visão consistente do cenário como um todo.
Os cacoetes de linguagem presentes nos textos com IA vão além dos travessões e vírgulas. As publicações analisadas costumam apresentar resoluções rasas, marcadas por explicações do tipo "é isso, logo, não é aquilo", além de construções redundantes e uso excessivo de palavras comuns nas respostas de chatbots. O paralelismo negativo, isto é, a repetição de estruturas sintáticas que reforçam uma conclusão já apresentada, apareceu três vezes mais em textos com indícios de IA. As vírgulas facultativas, por sua vez, foram utilizadas com frequência 63% maior. Vale observar que muitos desses traços também aparecem em textos jornalísticos e acadêmicos, mas a diferença está no uso descontextualizado e na frequência elevada em publicações geradas por inteligência artificial.
O crescimento desses conteúdos tem provocado reações em diferentes setores. Nos Estados Unidos, consultores legislativos do Congresso relatam que parte significativa do tempo de trabalho é dedicada a revisar projetos de lei que chegam com erros clássicos de textos produzidos por IA. Redes sociais como o LinkedIn também passaram a reduzir a distribuição de posts identificados como gerados por inteligência artificial, na tentativa de conter a proliferação desse tipo de material.
As próprias empresas de inteligência artificial reconhecem a massiva presença de conteúdos gerados por seus modelos na internet e têm buscado fontes alternativas para treinar seus sistemas. Livros impressos publicados antes de 2022 estão entre os recursos cada vez mais utilizados, diante da dificuldade de encontrar dados de qualidade em meio ao volume crescente de textos sintéticos. O conjunto desses fatores aponta para um cenário em que a fronteira entre conteúdo humano e conteúdo automatizado se torna cada vez mais difusa, exigindo novas formas de verificação e leitura crítica por parte dos usuários.
