Una de cada cuatro páginas web ya lleva texto de IA. Dónde ha crecido te dice qué hacer con la tuya

Qué muestran 5,1 millones de páginas y por qué la media esconde la historia

El recuento viene de Adam Visokay y un equipo repartido entre la Universidad de California en Berkeley, la Universidad de Washington y varios departamentos más, en un artículo publicado el 27 de octubre de 2026. Cogieron 5.118.347 páginas de 505.974 dominios, a lo largo de 71 instantáneas de Common Crawl que van de enero de 2019 a agosto de 2026: todos los idiomas, el grafo de enlaces completo, con un muestreo estratificado por conglomerados en dos etapas y ponderado después de vuelta a la población indexable.

Medir texto no es como contar cajas, así que el método importa. Pasaron varios detectores de IA contra conjuntos de referencia etiquetados, se quedaron con los dos que mejor funcionaban y después pasaron los indicadores en bruto por un modelo bayesiano que corrige los falsos positivos y los falsos negativos de cada detector. El titular no es la salida de un detector. Es una estimación con el error del detector ya descontado.

Esa estimación: en agosto de 2026, el 24 % de las páginas indexables llevaba texto generado o editado en gran medida por un modelo de IA, con un intervalo de credibilidad del 95 % entre el 22,9 % y el 24,4 %. La tendencia por detrás es más pronunciada que el nivel. El aumento medio anual fue de 0,2 puntos porcentuales de enero de 2019 a febrero de 2023, de 4,6 puntos al año de febrero de 2023 a enero de 2025, y de 8,1 puntos al año de enero de 2025 a agosto de 2026. El cambio en la propia tasa de cambio también es significativo: 3,6 puntos por año, con un intervalo de 3,3 a 3,9.

Un segundo equipo llegó a una cifra menor con una muestra más estrecha. Pew Research Center tomó 490.000 páginas en inglés del mismo archivo y encontró que el 10 % de una muestra aleatoria de julio de 2026 mostraba señales de autoría por IA. Si te quedas solo con las páginas publicadas después del lanzamiento de ChatGPT, esa misma muestra da más de un tercio. El 10 %, el 24 % y el 35 % no se contradicen. Son el mismo hecho medido en cortes distintos, y saber cuál es tu corte es la sección siguiente.

Dónde está de verdad el texto y por qué tus páginas caen en ese nivel

El artículo ordena cada dominio en seis niveles según su PageRank, es decir, cuántos otros dominios bien enlazados apuntan a él. El nivel superior es el 0,001 % de los dominios y el 2,7 % de las páginas: WordPress.org, Wix, Vimeo, Internet Archive, la Unión Europea, el IRS, Harvard, el Financial Times. Los dos niveles inferiores son el 99 % de todos los dominios y el 70,5 % de todas las páginas. Los autores enumeran qué vive ahí: un criador de conejos sueco, un servicio de paseo de perros de Louisville, una peluquería alemana, un contratista de tejados francés, una pizzería. Si llevas la web de una pyme, esa frase habla de ti.

La prevalencia por nivel en agosto de 2026 iba del 11,6 % en el nivel más central al 27,5 % en el menos central. Todos los niveles subieron, pero el crecimiento se concentró en el borde: cerca de cuatro quintas partes del aumento total vinieron de dominios en la periferia del grafo de enlaces. De los 21,7 puntos de subida entre diciembre de 2021 y agosto de 2026, 15,7 puntos vinieron de una mayor prevalencia dentro de los dos niveles inferiores y solo 1,4 puntos de que esos niveles ocuparan una porción mayor de las páginas. La riada no es una ola que barre toda la web. Está llenando las esquinas donde nadie comprueba credenciales.

Los finales de dominio cuentan la misma historia con más crudeza. En la última instantánea, el 29,5 % de las páginas .com contenían texto de IA, frente al 20,4 % de .net, el 14,6 % de .org y en torno al 6 % de .edu y .gov. Desde diciembre de 2021, la prevalencia en .edu y .gov subió 4,9 y 4,0 puntos; en .com subió 27,1. La muestra independiente de Pew sitúa .com en unas diez veces la tasa de .edu y .gov. Las páginas en inglés son la otra concentración: el 32,8 % frente al 17,0 % de las páginas sin inglés detectado, una proporción que no ha dejado de ampliarse cada año desde 2023.

Leídas desde fuera, esas cifras asustan. Leídas desde la silla de un empresario, aclaran. El volumen de texto generado es más alto precisamente donde no hay reputación que proteger ni cliente que conservar. Eso no describe a un negocio local serio con nombre, teléfono y furgoneta.

«Google no penaliza el contenido con IA» es verdad, y más limitado de lo que suena

Ese resumen circula en el blog de cualquier agencia de SEO, y la fuente es el propio Google. En un artículo de febrero de 2023 firmado por Danny Sullivan y Chris Nelson, Google escribió: «Usar IA no da al contenido ninguna ventaja especial. Es solo contenido». Sus sistemas, dice el artículo, premian el trabajo original y de calidad al margen de cómo se haya producido, y la automatización lleva años generando páginas útiles: marcadores, el tiempo, transcripciones.

El mismo documento traza una línea en la que puedes tropezar. Usar automatización «con el propósito principal de manipular el posicionamiento en los resultados de búsqueda es una violación de nuestras políticas de spam». La política que lo cubre es el abuso de contenido a escala (scaled content abuse), definido como muchas páginas generadas sobre todo para manipular los rankings en lugar de ayudar a los usuarios, «sin importar cómo se hayan creado». Sus ejemplos nombran la IA generativa de forma explícita. Y termina con una instrucción que la mayoría de los dueños nunca lee: si alojas ese contenido, exclúyelo de Search.

La propia guía de Google para propietarios de sitios también te remite a las Directrices para evaluadores de calidad de búsqueda, secciones 4.6.5 y 4.6.6, que cubren el abuso de contenido a escala y el contenido principal «creado con poco o ningún esfuerzo, poca o ninguna originalidad y poco o ningún valor añadido». Esos evaluadores no fijan tu posicionamiento directamente. Son la forma en que Google califica si sus propios sistemas funcionan, y las páginas de esa banda se califican en lo más bajo.

Bing plantea la misma base desde el otro lado. Sus directrices para webmasters dicen que Bing y Copilot se apoyan en la misma base de rastreo, indexación y posicionamiento que la búsqueda clásica, así que las prácticas que te ganan citas en respuestas de IA son las que te ganan indexación, más una entrada nueva en la lista: contenido escrito para manipular el modelo de lenguaje, que puede costarte la visibilidad o el índice entero.

La brecha 86/14: publicar no es lo mismo que ser visible

Ahora mide el otro extremo de la tubería. Graphite, una consultora de analítica de búsqueda que publica su metodología, recogió las dos primeras páginas de Google para 31.493 palabras clave de 10 categorías en junio de 2025 y clasificó cada artículo. El 86 % de los artículos que posicionaban los habían escrito personas; el 14 % estaban generados con IA. El mismo estudio extrajo citas de ChatGPT y Perplexity: 82 % humanas, 18 % de IA. Solo el 7 % de los artículos en primera posición estaban generados con IA. Cuando cruzó palabras clave en las que competían los dos tipos de página, la humana posicionaba más alto, estadísticamente significativo, con p < 0,000001. La tasa de falsos positivos de su detector era del 4,2 % y la de falsos negativos, del 0,6 %, ambas declaradas en la metodología.

Pon eso en relación con cuánto texto de IA se publica. El estudio más amplio de la misma firma encontró que los artículos escritos con IA llegaron al 49,6 % de los artículos publicados muestreados en el primer trimestre de 2025, al 50,9 % en el cuarto y al 49,9 % en el primero de 2026: más o menos la mitad, y plano durante cinco trimestres. Su propia explicación de ese estancamiento es el dato de arriba: los profesionales comprobaron que los artículos puramente generados no rinden y dejaron de escalarlos. Un estudio independiente que usó Internet Archive, arXiv:2604.26965, situaba los sitios generados o asistidos por IA en torno al 35 % de los sitios web publicados por primera vez a mediados de 2025, desde cero antes de ChatGPT, y encontró que esa subida acompaña a una diversidad semántica que cae y a un sentimiento positivo que crece. No encontró pruebas significativas de menor exactitud factual, y eso conviene decirlo en voz alta: en ese punto, el pánico va por delante de los datos.

La mitad de lo que se publica está generado. Uno de cada siete de lo que posiciona, también. Todo lo que hay entre esas dos cifras es el filtro que decide si la web de una pyme tiene tráfico o es un archivo. Ese filtro no es una herramienta de detección: es si alguien encuentra la página lo bastante valiosa como para enlazarla, citarla o llamar.

El test de lo commodity y la aritmética que lo sostiene

La guía de Google para sus propias funciones de IA nombra lo que separa una página que sobrevive de una que no: el contenido que no es commodity. Su ejemplo merece la pena. «7 consejos para quien compra su primera vivienda» es commodity: conocimiento común que podría haber salido de cualquiera. «Por qué renunciamos a la inspección y ahorramos dinero: una mirada al interior de la tubería de desagüe» no lo es, porque lleva lo que el autor vio con sus propios ojos. Mismo tema, mismo comprador. Una de las dos podría haberla generado cualquier modelo del mundo.

Esto es lo que significa en dinero, con los supuestos a la vista para que pongas los tuyos. Supón que llevas una empresa de calefacción y fontanería de 14 personas y pagas a una agencia 450 $ al mes (precio en EE. UU.) por cuatro artículos: 48 páginas al año, 5.400 $. Supón que las páginas traen 1.900 clics a lo largo del año y dos peticiones de presupuesto, una forma realista para contenido genérico en un sector de oficios. Eso son 2.700 $ por consulta.

Ahora la otra página. Dedicas dos mañanas de sábado a escribir «Qué cobramos por cambiar una caldera de 12 años y los tres trabajos en los que te decimos que repares en vez de cambiar». Pones tus tarifas fijas reales, tu ventana de dos horas para ir, las condiciones de garantía que cumples en la práctica y la foto de una caldera que desmontaste el mes pasado. Valora tu tiempo en 800 $ por esas dos mañanas. Supón que la página gana 40 clics a la semana y convierte al 3 %, que no es generoso para una página que da precios: son unas 60 consultas al año, a 13 $ cada una, y sigue rindiendo después de que dejes de tocarla. Aunque las dos estimaciones estén mal por la mitad, la brecha entre 2.700 $ y 26 $ no se cierra produciendo más de la primera página.

Fíjate en lo que contiene la segunda página. No mejor prosa, ni mejor prompt. Un precio, una garantía, la foto de un trabajo concreto y una regla para cuando el cliente debería hacer lo contrario de lo que vendes. Ningún modelo puede inventarse eso, porque no está en internet: está en tu programa de facturación y en tu cabeza. Ese es el activo que la riada no puede copiar, y es la única razón por la que existe la sección siguiente.

Una auditoría de lunes por la mañana que puedes terminar en una semana

Nada de esto sirve de nada hasta que toque tus propias páginas. Esta es la secuencia, en el orden en que tiene sentido hacerla.

1. Abre Search Console, ve a Rendimiento, pon el rango a 12 meses y cambia a la pestaña Páginas. Expórtalo. Quieres impresiones, clics y posición media por URL, no un total del sitio.
2. Marca cada página que ya contenga algo que solo tu negocio podría aportar: un precio, un plazo de entrega, una condición de garantía, la foto de un trabajo tuyo, un cliente con nombre, un error que cometiste y arreglaste. Esas se quedan. No las toques todavía.
3. Para cada página que quede, hazte la pregunta directa: ¿podría un modelo cualquiera producir esta página a partir de los diez primeros resultados de esa búsqueda? Si la respuesta es sí, es commodity, la haya escrito la herramienta que sea, tú incluido en 2019.
4. Las páginas commodity que traen consultas se quedan. Están haciendo un trabajo. Déjalas en paz y vuelve a la lista el trimestre que viene.
5. Las páginas commodity con tráfico pero sin consultas se reescriben primero, una por semana, no todas de golpe. Añade los números que tienes. Aquí es donde una tarde de tu tiempo tiene mayor retorno, porque el alcance ya existe.
6. Las páginas commodity sin tráfico en doce meses se ponen en noindex o se borran, en vez de reescribirlas. La propia política de spam de Google dice que, si alojas contenido que no aporta nada, lo excluyas de Search.
7. Donde un lector podría preguntarse con razón cómo se hizo una página, añade una línea honesta al respecto. La guía de Google llama útiles a esas declaraciones, y dice que poner un sistema de IA en la firma de autor probablemente no es la forma correcta de hacerlo.
8. Pon el nombre de una persona y una fecha en las páginas donde se espera una firma. Google los trata como señales de confianza, y los asistentes que extraen citas, también.

Cuándo no hacer nada y cuándo dejar de pagar por contenido

La mayoría del público de este artículo no debería reescribir nada. Si tu web son una docena de páginas que responden a preguntas reales que te hacen tus clientes, y esas páginas traen llamadas, el 24 % es un hecho sobre las webs de otros. La cifra es una estimación de población, no un veredicto sobre tu URL.

Tres casos más en los que lo correcto es esperar. Primero, si tu forma de trabajar es «un modelo esboza, una persona revisa cada afirmación y añade sus propios números», estás fuera de los estudios de arriba: Graphite midió artículos totalmente generados y dice claramente que no evaluó contenido asistido por IA con una edición humana intensa. Segundo, algunas categorías llevan mucho menos texto generado que otras: en su muestra, los artículos con menos confianza de ser IA estaban en Comida, con un 4,5 %, Noticias, con un 4,7 %, y Viajes, con un 6,5 %, frente al 14,1 % de Productividad y el 13,3 % de Cripto. Tercero, no toques una página que gana clics solo porque parezca floja. El alcance es lo escaso; el orden, no.

Y no persigas las puntuaciones de los detectores de IA. Los detectores de estos artículos son instrumentos de investigación con tasas de error conocidas, no una señal de posicionamiento, y la postura publicada de Google va de la calidad, no de la producción. Escribir peor a propósito para parecer humano es la única forma garantizada de perder un día sin ganar nada.

La decisión que sí aguanta dieciocho meses va de lo que compras. Si te facturan por artículo, estás pagando por el único insumo que acaba de volverse gratis. Un proveedor que produce cuatro páginas commodity al mes por 450 $ está vendiendo volumen en un mercado donde el volumen no vale nada y la especificidad es escasa. Renegocia la forma del trabajo: menos páginas, más tiempo tuyo en ellas, con un precio ligado a si las consultas se mueven. Es un cambio en un proceso que ya tienes, y no depende de cuánto cueste ningún modelo el año que viene.

Una página que diga qué cobras, qué te niegas a hacer y qué salió mal la última vez durará más que cien que digan lo que ya sabe todo el mundo.

Preguntas frecuentes

¿Escribir contenido con IA va contra las normas de Google?

Por sí solo, no. La postura publicada de Google es que sus sistemas premian la calidad sin importarles cómo se hizo la página, y dice que la automatización lleva años produciendo páginas útiles. Lo que cruza la línea es el abuso de contenido a escala: generar muchas páginas con el propósito principal de manipular los rankings en lugar de ayudar a los lectores. El test que lo distingue es la intención y el volumen, no qué herramienta tenía el teclado.

¿Un detector marcará mis páginas y bajará mi posicionamiento?

Google no ha publicado los detectores de IA como señal de posicionamiento, y las herramientas de estos estudios son instrumentos de investigación. Sus tasas de error son reales: un 4,2 % de falsos positivos en el estudio de Graphite, y Pew afirma claramente que los detectores clasifican mal páginas en los dos sentidos. Lo que te cuesta visibilidad no pasa por que un detector adivine IA, sino por una página que no aporta nada: cualquier sistema de calidad puede juzgarla sin necesidad de saber quién la escribió.

¿Cuánto de la web está generado con IA, en un solo número?

El 24 % de las páginas indexables en agosto de 2026, con un intervalo de credibilidad del 22,9 % al 24,4 %, a partir de una muestra ponderada de 5,1 millones de páginas. La cifra cambia mucho según el corte que tomes: un 10 % en una muestra aleatoria en inglés, más de un tercio de las páginas publicadas tras el lanzamiento de ChatGPT y en torno al 50 % de los artículos publicados por primera vez en una muestra aparte. Cita el corte, no el titular.

¿Debería borrar los posts escritos con IA que ya publiqué?

Solo los que no tienen tráfico y no llevan nada tuyo dentro. Una página que gana clics se queda, la haya escrito lo que la haya escrito. Para el peso muerto, la política de spam de Google te dice qué hacer con el contenido que no aporta nada: exclúyelo de Search. Eso es un noindex o un borrado, y es más rápido que reescribir una página que nadie ha visitado nunca. Quédate con las que llevan tus precios, tus fotos y tus trabajos, y mejora esas en su lugar.

¿Tengo que decir que la IA ayudó a escribir una página?

Google llama útiles a las declaraciones sobre IA y automatización cuando un lector preguntaría con razón cómo se creó el contenido, y dice que darle la firma de autor a la IA probablemente no es la forma de hacerlo. Nombra a la persona que revisó la página. Eso cubre la pregunta de la declaración y la de la firma en la misma línea, y es el detalle que suelen buscar los asistentes que extraen citas.