Jedna na dziesięć stron w losowej próbce anglojęzycznego internetu nosi wyraźne ślady tekstu napisanego lub mocno przeredagowanego przez sztuczną inteligencję. Wśród stron opublikowanych już po premierze ChatGPT odsetek ten skacze do 35 procent. Takie liczby podaje Pew Research Center w analizie opartej na blisko pół miliona stron pobranych z archiwum Common Crawl.
To pierwsze tak duże, publicznie udokumentowane pomiary skali zjawiska, o którym branża SEO mówi od trzech lat na podstawie przeczuć i wyrywkowych audytów. Wnioski są niewygodne dla wszystkich: dla wydawców, dla agencji, a najbardziej dla samych wyszukiwarek, które muszą to wszystko ocenić.
Kontekst: dlaczego ten pomiar w ogóle powstał
Od listopada 2022 roku, czyli od udostępnienia ChatGPT szerokiej publiczności, koszt wyprodukowania tysiąca słów spadł praktycznie do zera. Konsekwencje były przewidywalne, ale nikt nie potrafił ich zważyć. Google w kolejnych aktualizacjach spam i helpful content deklarowało walkę ze „scaled content abuse”, jednocześnie powtarzając, że sam fakt użycia AI nie jest problemem. Wydawcy raportowali zalew ofert taniego contentu. Narzędzia do wykrywania tekstu AI mnożyły się i równie szybko traciły wiarygodność.
Pew Research Center, instytucja znana raczej z badań społecznych niż z analiz technicznych SEO, postanowiła policzyć to inaczej. Zamiast pytać ludzi o deklaracje, zespół Data Labs sięgnął po Common Crawl, czyli publiczne archiwum kopii stron internetowych, i przepuścił próbkę przez model wykrywający sygnatury stylistyczne generatorów tekstu.
Warto od razu zaznaczyć jedno: to nie jest badanie o tym, ile treści w sieci jest złej. To badanie o tym, ile treści nosi ślady maszyny. Te dwie rzeczy nie są tożsame i cała branżowa dyskusja z ostatnich dni kręci się właśnie wokół tej różnicy.
Kluczowe fakty z raportu
Zespół przeanalizował blisko 500 tysięcy anglojęzycznych stron zebranych w oknie od stycznia 2021 do lipca 2026 roku. Do klasyfikacji użyto modelu Open Pangram. Punktem odniesienia dla nagłówkowej liczby jest losowa próbka 10 tysięcy stron ze zrzutu z lipca 2026.
| Wskaźnik | Wartość | Komentarz |
|---|---|---|
| Wszystkie strony (lipiec 2026) | 10% | Ślady autorstwa AI w losowej próbce |
| Strony z datą po premierze ChatGPT | 35% | Ponad jedna trzecia nowego webu |
| Domeny .com | 9,35% | Najwyższy odsetek wśród badanych TLD |
| Domeny .org | 4,6% | Około połowa poziomu .com |
| Domeny .edu | 1,03% | Blisko dziesięciokrotnie mniej niż .com |
| Domeny .gov | 0,76% | Najniższy wynik w zestawieniu |
| Wielkość korpusu | ok. 490 tys. stron | Common Crawl, teksty anglojęzyczne |
| Okno czasowe | styczeń 2021 – lipiec 2026 | Pozwala pokazać punkt przegięcia |
Rozkład po typach domen jest najciekawszą częścią tych danych. Komercyjny internet, ten sam, w którym pracuje praktycznie każdy specjalista SEO, jest nasycony treścią generowaną około dziesięć razy mocniej niż domeny akademickie i rządowe. Tam, gdzie treść jest kosztem, maszyna wygrywa. Tam, gdzie treść jest dowodem instytucjonalnym, wciąż pisze człowiek.
Punkt przegięcia widać gołym okiem
Krzywa udziału stron z sygnaturami AI jest płaska przez cały rok 2021 i większość 2022, po czym zaczyna rosnąć od listopada 2022. To nie jest korelacja wymagająca ostrożnej interpretacji, to jest data premiery jednego produktu odciśnięta w strukturze publicznego internetu.
Common Crawl to nie jest internet
Jest jeszcze jedno ograniczenie, o którym w komentarzach mówi się rzadko, a które ma znaczenie przy przekładaniu tych liczb na własne podwórko. Common Crawl to duże, ale nie kompletne archiwum. Crawler ma swoje priorytety, nie wchodzi wszędzie, omija część treści za logowaniem i za paywallem, a strony słabo podlinkowane trafiają do niego z opóźnieniem albo wcale. Farmy treści generowanej masowo bywają jednocześnie łatwe do zescrapowania i gęsto podlinkowane wewnętrznie, co może je w takiej próbce nadreprezentować.
Nie unieważnia to wyniku, ale zmienia jego status. To jest pomiar tego wycinka sieci, który boty widzą i indeksują, a nie całego internetu. Dla specjalisty SEO akurat ten wycinek jest najbardziej interesujący, bo pokrywa się z tym, co realnie trafia do indeksu wyszukiwarki i do korpusów treningowych modeli. Innymi słowy: próbka jest obciążona dokładnie w kierunku, który nas dotyczy zawodowo.
Jak właściwie wykrywa się „ślad AI”
Pew nie twierdzi, że umie wskazać palcem konkretny wygenerowany artykuł. Model klasyfikuje na podstawie sygnatur stylometrycznych, a raport wprost pokazuje, jak te sygnatury zmieniły się między 2023 a 2026 rokiem w całym korpusie.
- Częstotliwość myślników pauzowych w tekście wzrosła dwukrotnie.
- Użycie przecinka szeregowego (tak zwanego oxford comma) wzrosło o 63 procent.
- Słownictwo typowe dla modeli językowych, czyli charakterystyczne kolokacje i formuły przejściowe, zwiększyło udział ponad dwukrotnie.
- Konstrukcje typu „negative parallelism”, czyli schemat „to nie jest X, to jest Y”, pojawiają się blisko trzy razy częściej.
Ostatnia z tych cech jest szczególnie wymowna, bo trudno ją świadomie wytrenować u człowieka, a modele produkują ją odruchowo. Sami autorzy raportu ostrzegają jednak: żadna z tych cech nie przesądza o pojedynczym dokumencie, ponieważ ludzcy autorzy używają ich wszystkich. Model działa na agregatach, nie na wyrokach jednostkowych.
Dla polskiego rynku dochodzi dodatkowe zastrzeżenie. Korpus jest anglojęzyczny, a część sygnatur stylistycznych (przecinek szeregowy, myślnik pauzowy) po prostu nie przenosi się jeden do jednego na polszczyznę. Nie znaczy to, że zjawisko nas omija. Znaczy, że nie mamy jeszcze dla niego równie twardego pomiaru.
Co to znaczy dla SEO
Pierwszy wniosek jest zimny: jeżeli 35 procent nowych stron w komercyjnym webie nosi ślady maszyny, to sam fakt wyprodukowania tekstu przestał być jakąkolwiek przewagą. Trzy lata temu opublikowanie dwustu poradników w kwartale było operacyjnym wyczynem. Dziś to jest domyślny poziom wejścia, który robi każdy konkurent w każdej niszy.
Drugi wniosek dotyczy tego, jak Google zamierza to filtrować. Sygnały z ostatnich miesięcy są spójne: wyszukiwarka nie karze użycia AI jako takiego, karze skalę bez wartości dodanej. Sierpniowy spam update uderzył dokładnie w ten wzorzec, a nie w sposób powstania tekstu. Badanie Pew tłumaczy, dlaczego takie aktualizacje przychodzą coraz częściej i coraz szerzej: pula kandydatów do przefiltrowania rośnie szybciej niż zdolność do ich ręcznej oceny.
Trzeci wniosek jest praktyczny i dotyczy audytu własnego zaplecza. Jeżeli w ciągu ostatnich dwóch lat kupowaliście treści od zewnętrznych dostawców w modelu za tysiąc znaków, statystycznie rzecz biorąc część tego portfela mieści się w tej samej kategorii, którą Pew właśnie policzył. To nie jest zarzut moralny, to jest ryzyko rankingowe warte sprawdzenia przed kolejną aktualizacją rdzenia.
Jak przejrzeć własne archiwum bez detektora
Skoro detektory nie nadają się do wyroków jednostkowych, sensowniej jest sprawdzać portfel treści po sygnałach redakcyjnych, które łatwo policzyć w arkuszu.
- Czy tekst zawiera jakąkolwiek liczbę własną. Wynik testu, dane z Search Console, cena z konkretnego cennika, cokolwiek, czego nie da się przepisać z pierwszych trzech wyników w SERP.
- Czy ma nazwane źródło i datę. Artykuł bez ani jednej daty i ani jednej nazwy instytucji jest z definicji nieweryfikowalny, niezależnie od tego, kto go napisał.
- Czy ma stanowisko. Teksty produkowane hurtowo są zwykle neutralne do bólu, bo model bez wyraźnego polecenia nie zajmuje strony. Brak jakiejkolwiek rekomendacji jest dobrym sygnałem ostrzegawczym.
- Czy odpowiada na pytanie w pierwszym akapicie. Rozgrzewkowy wstęp o tym, jak bardzo dana dziedzina jest dziś ważna, to najtańszy do rozpoznania marker treści wypełniającej. Materiał, który zaczyna od odpowiedzi, radzi sobie lepiej i w SERP, i w wyciągach generatywnych.
- Czy ktoś się pod nim podpisał. Nie chodzi o wymyśloną personę z wygenerowanym zdjęciem, tylko o autora, którego da się skonfrontować z dorobkiem poza tą jedną domeną.
Pięć pytań, żadnego narzędzia, żadnej licencji. Portfel, który przechodzi ten test, zwykle przechodzi też kolejne aktualizacje rdzenia, i to niezależnie od tego, jaka część jego szkicu powstała w edytorze z asystentem.
Czego to badanie nie mówi
Warto trzymać się faktów, bo nagłówki w ostatnich dniach mocno przesuwały akcenty. Raport nie mówi, że jedna trzecia internetu to spam. Nie mówi, że treści z tej grupy rankują gorzej. Nie mówi też, że Google potrafi je rozpoznać tym samym narzędziem. Próg zastosowany przez Pew łapie zarówno tekst wygenerowany od zera, jak i tekst napisany przez człowieka i przepuszczony przez asystenta w celu wygładzenia. Obie sytuacje lądują w jednym worku, a to są zupełnie różne rzeczy redakcyjnie.
Co to znaczy dla AIO
Dla optymalizacji pod odpowiedzi generatywne konsekwencja jest inna niż dla klasycznego SEO i w pewnym sensie poważniejsza. Modele językowe budują odpowiedzi na materiale, który same częściowo wyprodukowały. Im większy udział treści syntetycznej w korpusie źródłowym, tym trudniej odróżnić oryginalne ustalenie od jego dziesiątej parafrazy.
W praktyce oznacza to, że w AI Overviews, w ChatGPT Search czy w Perplexity coraz mocniej premiowany będzie ten typ materiału, którego maszyna nie potrafi wyprodukować sama: własne dane, własny pomiar, nazwana metodologia, cytowalna liczba z podanym źródłem i datą. Model, który ma do wyboru pięćdziesiąt tekstów mówiących to samo i jeden, który podaje własny wynik, wybierze ten jeden.
Do tego dochodzi warstwa formatu. Treść musi być nie tylko unikalna merytorycznie, ale też łatwa do wyciągnięcia. Konkretne liczby zamknięte w tabelach porównawczych są cytowane przez modele znacznie chętniej niż te same dane rozmyte w akapicie. To akurat jest tania optymalizacja, którą można zrobić na istniejącym archiwum.
Trzeci element to widoczność samej marki jako encji. Jeżeli w korpusie treningowym rośnie szum, to rozpoznawalność nazwy przestaje być miękkim wskaźnikiem wizerunkowym, a staje się warunkiem cytowania. Warto co jakiś czas sprawdzić, co model wie o Waszej marce, zamiast zakładać, że wie cokolwiek.
Reakcje branży
Reakcje na raport rozłożyły się na dwa obozy i różnica między nimi jest przede wszystkim metodologiczna.
Pierwszy obóz uważa, że Pew liczy zbyt zachowawczo. Firma analityczna Graphite szacowała wcześniej, że blisko połowa (49,9 procent) nowo publikowanych artykułów ma AI jako głównego autora. Preprint zespołu z Imperial College London podawał, że około 35 procent nowych witryn w połowie 2025 roku było generowanych lub wspieranych przez AI. Wszystkie trzy pomiary używają innych definicji i innych progów, więc zbieżność liczby 35 przy dwóch z nich jest raczej przypadkiem niż potwierdzeniem.
Drugi obóz, mocno reprezentowany w komentarzach redakcji branżowych, zwraca uwagę na coś innego. Skoro detektory łapią również redakcję wspomaganą przez AI, to za kilka lat wskaźnik dobije do stu procent po prostu dlatego, że każdy edytor tekstu będzie miał wbudowanego asystenta. Wtedy sam pomiar przestanie cokolwiek znaczyć, a jedynym sensownym kryterium zostanie to, co zawsze nim było: czy strona jest prawdziwa, przydatna i warta opublikowania. Ta ocena wciąż wymaga przeczytania tekstu przez człowieka.
W polskiej części branży dyskusja poszła bardziej w stronę operacyjną. Pojawia się pytanie, czy raport da się przełożyć na politykę zakupową wobec dostawców treści i czy warto wprowadzać wewnętrzne progi akceptacji. Praktyka pokazuje, że progi oparte na detektorach kończą się źle, bo fałszywie pozytywne wyniki uderzają najczęściej w autorów piszących zwięźle i schematycznie, czyli w dobrych autorów technicznych.
Osobny wątek otworzyli wydawcy. Jeżeli udział treści syntetycznej w otwartym webie rośnie w takim tempie, to wartość archiwów redakcyjnych o potwierdzonym ludzkim autorstwie idzie w górę, a nie w dół. Widać to już w umowach licencyjnych zawieranych przez dostawców modeli z serwisami informacyjnymi: płaci się nie za objętość, tylko za pochodzenie i za możliwość wskazania odpowiedzialnego redaktora. To jest ta sama logika, którą Pew mierzy od strony statystycznej, tylko wyrażona w cenniku.
Co dalej
Trzy rzeczy warto obserwować w najbliższych tygodniach.
- Reakcja Google. Jeżeli liczby Pew są choćby z grubsza trafne, to presja na mechanizmy filtrujące będzie rosnąć, a kolejne aktualizacje spam i core będą przychodzić w krótszych odstępach. Historia ostatnich dwunastu miesięcy już to sugeruje.
- Powtarzalność pomiaru. Pew zapowiada kontynuację serii. Dopiero drugi punkt na tej samej metodologii pokaże, czy krzywa nadal rośnie, czy weszła w plateau. Pojedynczy zrzut z lipca 2026 nie wystarczy do prognozy.
- Odpowiedź wydawców. Rośnie liczba serwisów, które podają datę aktualizacji, imię autora z realnym dorobkiem i opis metody zbierania danych. To nie jest ozdobnik pod E-E-A-T, tylko jedyny sygnał, którego nie da się wygenerować hurtowo.
Dla zespołów contentowych praktyczny wniosek z tego raportu jest jeden i nie jest szczególnie porywający: przewaga przesuwa się z produkcji na weryfikację. Wygrywa nie ten, kto opublikuje więcej, tylko ten, kto jest w stanie udowodnić, skąd wziął liczbę.
FAQ
Czy Google karze treści napisane przez AI?
Nie za sam fakt użycia AI. Wytyczne Google konsekwentnie mówią o jakości i przydatności, a nie o sposobie powstania tekstu. Karane jest natomiast masowe publikowanie treści bez wartości dodanej, czyli tak zwane scaled content abuse, i to niezależnie od tego, czy tekst napisał model, czy człowiek.
Czy 10 procent i 35 procent to sprzeczne liczby?
Nie, to dwa różne wycinki tego samego zbioru. 10 procent dotyczy losowej próbki wszystkich stron dostępnych w lipcu 2026, w tym archiwalnych. 35 procent dotyczy wyłącznie stron z datą publikacji po premierze ChatGPT w listopadzie 2022. Starszy internet obniża średnią.
Czy detektory AI są wiarygodne na poziomie pojedynczego artykułu?
Nie. Pew wprost zaznacza, że model bywa mylny przy pojedynczych dokumentach w obie strony i jest projektowany do pracy na dużych zbiorach. Podejmowanie decyzji redakcyjnych czy kadrowych na podstawie wyniku detektora dla jednego tekstu jest metodologicznie nieuzasadnione.
Czy wyniki przenoszą się na polski internet?
Kierunkowo tak, ilościowo nie wiadomo. Korpus był anglojęzyczny, a część wykorzystanych sygnatur stylometrycznych jest specyficzna dla angielszczyzny. Zjawisko na polskim rynku jest widoczne, ale nie dysponujemy dla niego równie dużym i jawnym pomiarem.
Co zrobić z archiwum treści kupowanych hurtowo w latach 2023–2025?
Przejrzeć je pod kątem wartości dodanej, a nie pochodzenia. Teksty, które nie wnoszą własnych danych, przykładów ani stanowiska, warto scalić, przepisać albo usunąć. Kryterium jest proste: czy ta strona odpowiada na pytanie lepiej niż pierwsze pięć wyników w SERP. Jeśli nie, jest kandydatem do przycięcia.