Tim data lab Pew Research Center merilis laporan pengambilan sampel halaman web yang menarik 10.000 halaman berbahasa Inggris dari masing-masing 49 snapshot Common Crawl, terhitung sejak Januari 2021 hingga Juli 2026 — total 490.000 halaman — lalu menjalankan deteksi tulisan AI pada setiap halamannya. Dari seluruh sampel, 10% halaman terdeteksi memiliki tanda keterlibatan AI yang jelas. Jika halaman-halaman yang muncul sebelum ChatGPT diluncurkan disingkirkan, angkanya melonjak menjadi 35%.
10% dan 35% Adalah Dua Angka Berbeda
Kedua angka ini sering dikutip bergantian, padahal menjawab pertanyaan yang sangat berbeda. Angka 10% mencakup seluruh kolam sampel, yang penuh dengan halaman lama dari 2021 dan 2022, masa ketika belum ada model yang bisa menulis dalam skala besar — ini mengencerkan penyebutnya. Angka 35% hanya melihat halaman yang pertama kali muncul setelah November 2022, dan angka inilah yang sebenarnya menjawab “berapa banyak konten baru yang tersentuh tangan AI”. Pew sendiri mengingatkan bahwa model deteksinya memiliki tingkat kesalahan deteksi yang lebih tinggi untuk tahun-tahun sebelum AI meluas, sehingga bagian kurva 2021-2022 tidak bisa diambil begitu saja.
Ambang Batas Ditetapkan di 0,2
Alat deteksi yang digunakan adalah editlens_Llama-3.2-3B, model sumber terbuka dari Pangram, yang menghasilkan skor 0 hingga 1 — 0 berarti murni ditulis manusia, 1 berarti murni dihasilkan mesin. Pew menarik garis batas di 0,2: di atas itu dianggap sebagai “keterlibatan AI yang berarti”. Ambang ini tergolong longgar — draf tulisan manusia yang tata bahasanya sekadar dirapikan oleh model kemungkinan besar juga akan melewati garis ini. Jadi yang sebenarnya diukur laporan ini bukan “berapa banyak yang ditulis AI”, melainkan lebih ke arah “berapa banyak yang tersentuh AI”.
Untuk menguji keandalan model sumber terbuka ini, Pew juga menjalankan 62.370 halaman melalui versi komersial Pangram 3.3; kedua alat ini sepakat pada 96% kasus. Namun nilai Cohen's kappa pada sampel uji hanya 0,61, tergolong kesepakatan tingkat menengah. Penilaian pada satu halaman saja tidak bisa dijadikan bukti; yang bisa diandalkan adalah tren keseluruhan.
Tanda Pisah, Koma Oxford, dan “Delve”
Laporan ini juga mencatat sejumlah indikator gaya penulisan. Antara Januari 2023 dan Januari 2026, jumlah tanda pisah (em dash) per 10.000 kata naik dari 5,79 menjadi 11,19 — hampir dua kali lipat. Koma Oxford naik dari 34,04 menjadi 55,51, naik 63%. Kata-kata seperti “delve”, “interplay”, dan “testament” frekuensinya naik lebih dari dua kali lipat. Sementara “paralelisme negatif” — pola kalimat yang menyangkal satu pernyataan lalu menawarkan pernyataan lain — naik dari 0,87 menjadi 2,36, hampir tiga kali lipat.
Daftar ini bukan kabar baik bagi para penulis. Tanda pisah dan koma Oxford sebenarnya adalah kebiasaan tanda baca bahasa Inggris yang sah-sah saja, hanya karena model AI terlalu sering memakainya, kini keduanya justru berbalik menjadi bukti kecurigaan. Semakin luas alat deteksi digunakan, semakin besar pula beban penulis manusia untuk membuktikan kebiasaan menulisnya sendiri tidak bersalah.
.com dan .gov Berbeda Sepuluh Kali Lipat
Jika dipecah berdasarkan domain, dalam sampel 2026 sekitar satu dari sepuluh halaman .com membawa jejak AI, dibandingkan 4,6% untuk .org, serta sekitar 1% masing-masing untuk .edu dan .gov. Kesenjangan ini kira-kira sejalan dengan tekanan produksi konten di masing-masing domain: situs komersial mengandalkan frekuensi pembaruan untuk mendapatkan trafik, sementara situs akademik dan pemerintah tidak memiliki tolok ukur semacam itu.
Sampel ini hanya mencakup halaman berbahasa Inggris, dan konten di balik login atau paywall tidak ikut terhitung, sehingga ini lebih tepat dibaca sebagai potret sebagian internet berbahasa Inggris yang bersifat publik. Belum ada yang melakukan kuantifikasi dengan metode serupa untuk dunia berbahasa Mandarin, tapi perkiraan kasar menunjukkan angkanya justru akan lebih tinggi, mengingat tingkat industrialisasi content farm yang sudah sedemikian rupa. Persoalan yang lebih rumit lagi, halaman-halaman ini sedang menjadi korpus pelatihan bagi model generasi berikutnya, dan ambang deteksi 0,2 ini kemungkinan besar akan terus digeser naik ke depannya.
Sumber: Laporan dan halaman metodologi Pew Research Center Data Labs, CocoLoop, The Independent, TechCrunch; ukuran sampel 490.000 halaman, ambang deteksi 0,2, rincian per domain, dan frekuensi tanda baca per 10.000 kata semuanya mengikuti halaman metodologi Pew.