Pew Research Center ngày 25/8 (giờ địa phương) cho biết 35% nội dung web được đăng sau thời điểm ChatGPT ra mắt vào tháng 11/2022 có dấu hiệu được AI tạo ra hoặc được AI biên tập ở mức đáng kể.

Theo TechRadar, tổ chức này sử dụng dữ liệu từ dự án Common Crawl để phân tích 10.000 trang web. Kết quả cho thấy, trên toàn bộ mẫu khảo sát, 9,6% trang có những dấu hiệu cho thấy nội dung có thể do AI viết hoặc chỉnh sửa đáng kể.

Nghiên cứu dựa trên các trang web tiếng Anh được thu thập từ kho lưu trữ Common Crawl. Pew Research Center phân tích khoảng 490.000 trang thu thập trong giai đoạn từ năm 2021 đến tháng 7/2026, sau đó đánh giá khả năng có sự tham gia của AI trên 10.000 trang được chọn ngẫu nhiên trong tháng 7/2026.

Do mẫu nghiên cứu bao gồm cả nhiều trang cũ được tích lũy từ giai đoạn đầu của World Wide Web, tỷ lệ chung vẫn phản ánh một lượng lớn nội dung được viết trước thời điểm AI bắt đầu hiện diện rộng rãi trong hoạt động sản xuất nội dung.

Vì vậy, nếu tính trên toàn bộ mẫu, tỷ lệ trang có dấu hiệu do AI tạo ra là 9,6%. Nhưng khi loại bỏ các trang cũ và chỉ xét những nội dung được đăng sau tháng 11/2022, tỷ lệ này tăng lên 35%.

Pew Research Center nhận định kết quả trên cho thấy mức độ AI tham gia vào quá trình viết và biên tập nội dung web trong thời gian gần đây đang tăng nhanh.

Sự khác biệt cũng thể hiện rõ theo nhóm tên miền. Trong mẫu năm 2026, các trang có dấu hiệu nội dung do AI tạo ra tập trung nhiều nhất ở tên miền thương mại .com.

Trong khi đó, tỷ lệ này ở các tên miền .edu và .gov — vốn chủ yếu thuộc các cơ sở giáo dục và cơ quan chính phủ Mỹ — chỉ lần lượt khoảng 1% và 0,8%. Tên miền .org ở mức khoảng 4,6%, cho thấy mức độ hiện diện của AI trên các website thương mại cao hơn đáng kể so với nhóm giáo dục và chính phủ.

Pew Research Center cũng mở rộng phân tích trên khoảng 490.000 trang web tiếng Anh để tìm các đặc điểm ngôn ngữ thường gặp trong nội dung do AI tạo ra. Với những trang được đăng từ năm 2023 trở đi, tần suất sử dụng dấu gạch dài em dash tăng gần gấp đôi, còn Oxford comma tăng 63%.

Một số từ vựng thường gắn với văn bản do AI tạo ra cũng xuất hiện nhiều hơn. Tần suất của các từ như “delve”, “interplay” và “testament” đã tăng hơn gấp đôi kể từ sau năm 2023. Cùng giai đoạn, cấu trúc song hành dạng “không những X mà còn Y” cũng gần như tăng gấp ba.

Tuy nhiên, Pew Research Center nhấn mạnh không thể kết luận một bài viết là do AI tạo ra chỉ dựa trên những dấu hiệu riêng lẻ như vậy, bởi em dash hay Oxford comma cũng xuất hiện phổ biến trong văn bản do con người viết. Theo nhóm nghiên cứu, việc nhận diện chính xác hơn cần dựa trên các mẫu thống kê quy mô lớn về lựa chọn từ ngữ và cấu trúc câu, thay vì chỉ bám vào một vài biểu đạt trong từng tài liệu.

Khảo sát này cũng cho thấy những giới hạn của công nghệ phát hiện nội dung AI. Dù việc phân biệt tuyệt đối giữa văn bản do con người viết và nội dung do AI tạo ra hoặc biên tập vẫn rất khó nếu chỉ nhìn vào dấu câu hay từ vựng, phân tích trên quy mô lớn vẫn có thể giúp nhận diện xu hướng gia tăng của các mẫu ngôn ngữ đặc trưng cho AI trên web.

Trong bối cảnh ranh giới giữa nội dung do AI tạo ra và nội dung do con người viết ngày càng mờ đi, vấn đề đặt ra là xây dựng các tiêu chí đáng tin cậy để đánh giá chất lượng và độ tin cậy của thông tin trực tuyến.