ШІ захоплює інтернет: понад третина нових веб-сторінок створена нейромережами
Масштаби проникнення генеративних моделей у веб-контент виявилися куди серйознішими, ніж прийнято вважати. Мій аналіз свіжих даних показує: приблизно 10% усіх наявних веб-сторінок в інтернеті несуть явні сліди машинної генерації або глибокого редагування. Однак якщо дивитися на контент, створений після дебюту ChatGPT у листопаді 2022 року, картина стає радикально іншою — понад третина таких сторінок мають ознаки синтетичного походження.
Методологія та ключові цифри
Під час дослідження було проаналізовано випадкову вибірку з 10 000 англомовних сторінок, зібраних у липні 2026 року через архів Common Crawl. Для ідентифікації використовувалася модель машинного навчання, налаштована на пошук характерних лінгвістичних патернів, властивих генеративним алгоритмам. Важливо розуміти: вибірка включала значний пласт «старого» вебу, створеного до епохи сучасних LLM, що пояснює порівняно скромні 10% у загальній масі.
Але якщо відфільтрувати застарілі сторінки та зосередитися виключно на публікаціях, що з'явилися після запуску ChatGPT, частка синтетики злітає до 33% і вище. Це прямий доказ того, що поширення Claude, Gemini та інших моделей не просто прискорює виробництво контенту, а фундаментально змінює його структуру.
Комерційний сектор — головний драйвер
Розподіл ІІ-контенту за доменними зонами вкрай нерівномірний. У зоні .com ознаки генерації виявлено приблизно в кожної десятої сторінки — це вдвічі більше, ніж у .org (4,6%). На академічних і державних ресурсах (.edu та .gov) частка падає до 1%, що в десять разів нижче. Така диспропорція пояснюється просто: комерційні майданчики масово автоматизують рутинні тексти — описи товарів, SEO-статті, довідкові матеріали та новинні замітки, де швидкість публікації критична, а унікальність авторського голосу не є пріоритетом.
Застереження та реальність
Варто підкреслити: дослідження не є точним підрахунком. Йдеться про ймовірнісну оцінку, засновану на статистичних мовних маркерах, а не про верифікацію історії правок. Невелика коректура нейромережею не потрапляє в категорію «написаного ІІ», але глибока переробка — уже так. Це важливий нюанс, який, утім, не скасовує головного висновку: ми спостерігаємо тектонічний зсув у виробництві веб-контенту, і його наслідки для SEO, медіа та довіри аудиторії ще належить осмислити.
Моя експертна думка: ці цифри — лише верхівка айсберга. Поки алгоритми детекції покладаються на лінгвістичні патерни, генеративні моделі швидко вчаться їх маскувати. Уже зараз очевидно, що без впровадження криптографічного маркування походження контенту (як це робить Anthropic для Claude) ми ризикуємо потонути в потоці якісної, але невідмінної від людської синтетики, що знецінить працю живих авторів і підірве основи інформаційної гігієни.