Pew je izmjerio: više od trećine stranica nastalih poslije ChatGPT-a nosi trag mašinskog pisanja

Pew Research je dao brojku onome što se na webu osjeća dvije godine. Provjerom stranica iz arhive Common Crawl, istraživanje je našlo jasan trag mašinskog pisanja u više od trećine stranica objavljenih poslije izlaska ChatGPT-a u novembru 2022. U nasumičnom uzorku od 10.000 stranica prikupljenih u julu 2026. godine, koji nužno sadrži i stranice starije od alata za pisanje, brojka je oko 10 odsto.

Kako je brojka nastala

Pew je prikupio blizu pola miliona stranica na engleskom kroz otprilike pet godina, počev od dvije godine prije ChatGPT-a, i propustio ih kroz tehnologiju za prepoznavanje firme Open Pangram. Dvije brojke odgovaraju na dva pitanja: 10 odsto je koliko nasumičan presjek weba izgleda mašinski napisano, a više od trećine je koliko tako izgleda ono što je napisano poslije novembra 2022.

Podjela po domenima je ono što ostaje u pamćenju. Stranice na .com nose trag otprilike deset puta češće nego .edu i .gov, koji su oba blizu jednog odsto. Domen .org je na 4,6 odsto. Komercijalno objavljivanje je tamo gdje je i obim, dakle tačno tamo gdje se i očekuje.

• Nasumičan uzorak, jul 2026: oko 10 odsto stranica nosi jasan trag.
• Stranice objavljene poslije novembra 2022: više od trećine.
• Domeni .edu i .gov: oko jedan odsto svaki. Domen .org: 4,6 odsto.
• Provjereno je blizu 500.000 stranica na engleskom iz arhive Common Crawl.

Šta brojka ne može da kaže

Detektori griješe. Pangram i svaki sličan alat proglasiće neke ljudske stranice mašinskim, a greška nije ravnomjerno raspoređena: temeljno lektorisan tekst, stručno pisanje i engleski koji nije maternji klasifikatoru zvuče mašinskije. Pew to i kaže, pa je pošteno čitanje da je oblik trenda pouzdan, a pojedinačna presuda nije.

Istraživanje prati i stilske tragove koji su s godinama postali češći, među njima crtu, oksfordski zarez i sklop „nije X, nego Y“. To su podudarnosti s mašinskim nacrtom, a ne dokaz, i uzimati ih kao dokaz znači kažnjavati onoga ko tako piše oduvijek.

Zašto je ovo važno svakome ko objavljuje

Kontekst je web na kojem je Cloudflare već prijavio da je saobraćaj botova prestigao ljudski. Kad se dva nalaza slože jedan uz drugi, dobar dio weba su mašinski pisane stranice koje čitaju mašine, a ljudska publika je manji udio na oba kraja nego što sirov broj stranica sugeriše.

Za izdavača praktična posljedica nije da izbjegava alate. Posljedica je da mora umjeti da kaže šta je uradio. Stranica koja navodi kako je nastala, na čemu se zasniva i koja se ispravlja kad pogriješi preživljava filter koji stranica bez toga ne preživljava.