Um terço da web escrita desde o ChatGPT tem sinais de autoria por IA

O que o estudo descobriu

Pegue qualquer página que você abriu na internet essa semana. As chances de ela ter passado pelas mãos — ou melhor, pelos algoritmos — de uma inteligência artificial são bem maiores do que pareciam há poucos anos. É essa a conclusão de um levantamento do Pew Research Center, divulgado nesta quinta-feira (20/8): 35% das páginas em inglês publicadas desde o lançamento do ChatGPT, em novembro de 2022, mostram "sinais significativos de autoria por IA". Ou seja, mais de um terço da web recente.

Para chegar a esse número, os pesquisadores usaram o Common Crawl — um arquivo público que funciona como uma espécie de "fotografia" gigante da internet, guardando cópias de páginas ao longo do tempo — e reuniram cerca de 500 mil páginas coletadas nos últimos cinco anos, começando dois anos antes do ChatGPT existir. Desse universo, uma amostra de 10 mil páginas coletadas em julho deste ano foi analisada pela ferramenta de detecção da Open Pangram, especializada em identificar texto gerado por modelos de linguagem.

Antes e depois do ChatGPT

O contraste entre os dois períodos é o coração da pesquisa. Olhando para uma amostra aleatória do conjunto inteiro — que inclui páginas anteriores ao ChatGPT — apenas 10% tinham indícios de autoria por IA. Já entre as páginas publicadas depois do lançamento do chatbot, esse índice salta para 35%. É como comparar uma sala de aula onde só um aluno em cada dez usava calculadora com outra em que mais de três a cada dez já dependem dela.

O estudo também mostrou que o fenômeno não é uniforme. Domínios ".com" tiveram uma taxa de sinais de IA cerca de dez vezes maior que a de sites ".edu" ou ".gov" (ambos perto de 1%), enquanto os ".org" ficaram em 4,6%. Faz sentido: páginas comerciais, que precisam publicar em volume para atrair tráfego, são justamente as que mais se beneficiam — e mais recorrem — à escrita automatizada.

Produtividade de um lado, ruído do outro

Aqui é que a história se divide, como sempre acontece com tecnologia nova. Do lado positivo, ferramentas como o ChatGPT permitem que pequenas empresas, blogueiros e profissionais de marketing produzam conteúdo numa velocidade impensável há cinco anos — o equivalente a trocar a caneta pela impressora industrial. Do lado preocupante, especialistas citados no estudo original resumem o fenômeno numa frase direta: o ChatGPT e outros modelos de IA estão agora escrevendo e editando boa parte da nova web. Isso levanta a dúvida sobre qualidade, originalidade e até sobre o risco de a própria IA passar a "aprender" com textos gerados por outras IAs, um ciclo que os pesquisadores comparam a fazer cópia de cópia — cada geração perde um pouco de nitidez.

Os autores do estudo fazem uma ressalva importante: ferramentas de detecção como a Pangram não são infalíveis e podem classificar erroneamente algumas páginas. Ainda assim, a leitura predominante entre os pesquisadores é que os números captam corretamente a direção do fenômeno, mesmo que o percentual exato possa variar. A web, resumindo, está cada vez mais coautoral — e cabe ao leitor, mais do que nunca, exercitar o olho crítico sobre o que consome.