Alisina Nawabi35 procent van de webpagina's die sinds de lancering van ChatGPT zijn gepubliceerd, draagt duidelijke sporen van AI-auteurschap. Dat meet Pew Research Center in een analyse van 490.000 Engelstalige pagina's uit het Common Crawl-archief, vandaag gepubliceerd.
Voor iedereen die in Nederland teksten publiceert of inkoopt, verschuift daarmee de basisaanname over het open web. De blog, productpagina of kennisbank die je deze week online zet, landt in een veld waarin ongeveer een op de drie recente pagina's machinaal geschreven of bewerkt is. Dat raakt drie dingen tegelijk: waarmee je nog opvalt in zoekresultaten, hoeveel gewicht een detectiescore mag krijgen, en welke afspraak je maakt met het bureau of de freelancer die voor jou schrijft.
Hoe Pew aan het cijfer komt
Pew trok uit elk van de 49 Common Crawl-momentopnames tussen januari 2021 en juli 2026 een aselecte steekproef van 10.000 Engelstalige pagina's, samen 490.000 stuks. Elke pagina ging door Open Pangram, een open-weight detectiemodel van Pangram dat een score tussen 0 en 1 teruggeeft. Alles vanaf 0,2 telde Pew als een betekenisvol spoor van AI-schrijfwerk of AI-bewerking.
Daaruit komen twee getallen die je niet door elkaar moet halen. Over de hele steekproef van juli 2026 toont 10 procent van de pagina's zulke sporen. Filter je op pagina's met een publicatiedatum ná 30 november 2022, de dag dat ChatGPT publiek werd, dan is het 35 procent.
Dat tweede getal heeft een randvoorwaarde die Pew zelf benoemt: slechts 10 tot 15 procent van de pagina's in een crawl heeft überhaupt een publicatiedatum in de HTML staan, en die deelverzameling is geen aselecte doorsnede van het web. De 35 procent gaat dus over gedateerde content, niet over het internet als geheel. Pagina's achter een betaalmuur of een inlog zitten er sowieso nauwelijks in, want Common Crawl komt er niet bij.
De orde van grootte staat niettemin niet op zichzelf. Een team van Imperial College London, het Internet Archive en Stanford kwam in april via een heel andere route uit op vrijwel hetzelfde: uit steekproeven in de Wayback Machine bleek dat medio 2025 ongeveer 35 procent van de nieuw gepubliceerde websites AI-gegenereerde of AI-ondersteunde tekst bevatte.
Het commerciële web loopt voorop
De groei zit niet gelijkmatig over het web verspreid. In de meetpunten voor 2026 ligt het aandeel op .com-domeinen op 9,4 procent, tegen 4,6 procent op .org en ongeveer 1 procent op .edu en .gov. Vlak voor de komst van ChatGPT zaten alle vier de domeinsoorten nog rond de 1 procent bij elkaar.
Precies daar staan je productpagina's, je casepagina's en je blog. Het deel van het web dat commercieel iets wil, schrijft het snelst met AI mee.
De tells zijn meetbaar en tegelijk zwak bewijs
Pew telde ook los van het detectiemodel hoe vaak typische AI-signalen voorkomen, per 10.000 woorden, in pagina's van na november 2022. Het gedachtestreepje ging van 5,79 naar 11,19, ruwweg een verdubbeling sinds begin 2023. De Oxford-komma steeg met 63 procent. Woorden waar modellen graag naar grijpen, zoals "delve", "interplay" en "testament", meer dan verdubbelden. En de constructie "het is niet X, het is Y" verdrievoudigde bijna, van 0,87 naar 2,36 per 10.000 woorden.
Handig om te weten als je teksten beoordeelt, maar het blijft statistiek over grote hoeveelheden. Een gedachtestreepje in één alinea zegt niets, want mensen gebruiken dat leesteken al een eeuw.
Wat een detectiescore waard is
Voor wie overweegt om ingekocht werk door een detector te halen, staat het scherpste voorbehoud in de methodologie. Pew liet 62.370 pagina's ook door Pangram 3.3, het commerciële model, en de twee modellen zijn het in 96 procent van de gevallen eens, met een Cohen's kappa van 0,61. Op paginaniveau blijven er dus verschillen. Pew noemt de uitkomst van zo'n model een waarschijnlijkheid, geen definitief oordeel over wie een pagina schreef.
Dat is dezelfde grens die opduikt bij herkomstmarkeringen: een treffer op het watermerk van Claude zegt dat Claude betrokken was, niet dat Claude de tekst schreef. Een leverancier afrekenen op een detectiescore is daarom een zwakke basis. Een afspraak vooraf over hoe AI gebruikt mag worden, wat er feitelijk gecontroleerd wordt en wie voor de bronnen tekent, is er een sterkere.
Waar de schaarste verschuift
De curve van Pew loopt sinds eind 2022 vrijwel onafgebroken omhoog en vlakt nog niet af. Tekst produceren is daarmee opgehouden een onderscheidend vermogen te zijn: het is bijna gratis geworden, en dat is precies te zien in de .com-lijn die in vier jaar vernegenvoudigde.
Wat schaars blijft, is het omgekeerde: eigen waarneming, een controleerbare bron, een cijfer dat ergens vandaan komt. Dat sluit aan op de andere beweging die Pew eerder mat, waarbij nog maar 8 procent van de gebruikers op een gewoon zoekresultaat klikt zodra er een AI-samenvatting boven staat, tegen 15 procent zonder. Minder klikken op een web met meer machinetekst betekent dat volume je steeds minder oplevert en dat citeerwaardigheid het werk moet doen.
Veelgestelde vragen
Opvallen op een vol web
Als tekst bijna gratis wordt, zit je voorsprong in een eigen, controleerbare bron en in systemen die jouw kennis vindbaar maken. Ik denk daarin met je mee, ontwerp het en bouw het ook echt, van eerste schets tot een werkend platform, self-hosted waar dat kan.
Dit artikel is geproduceerd samen met het Agent Team. Meer over de redactie.
