Pääosin tekoälyn kirjoittamien artikkelien osuus nousi ChatGPT:n julkaisun jälkeen alle 5 %:sta noin 50 %:iin kahdessa vuodessa ja on pysynyt siinä vuoden 2025 alusta.
- Pääosin tekoälyn kirjoittama
- Ihmisen kirjoittama
Graphiten toukokuussa 2026 julkaisema tutkimus arvioi, kuinka suuri osa verkossa julkaistuista englanninkielisistä artikkeleista on pääosin tekoälyn kirjoittamia. Vuosina 2020–2021 osuus oli noin 1 %, mikä on tunnistimien virhemarginaalin sisällä. Vuonna 2022 osuus alkoi nousta jo ennen ChatGPT:n julkaisua marraskuussa ja oli kolmannella neljänneksellä 3,9 %.
Vuoden 2023 aikana osuus nousi 4,6 %:sta 35,9 %:iin ja vuoden 2024 lopussa 47,0 %:iin. Vuoden 2025 alusta osuus on pysynyt noin 50 %:ssa: neljännellä neljänneksellä 2025 tekoälyn kirjoittamia oli ensimmäistä kertaa enemmän (50,9 %), ja ensimmäisellä neljänneksellä 2026 osuus oli 49,9 %.
Aineisto ja menetelmä
Aineisto on 55 400 satunnaisesti valittua URL-osoitetta Common Crawl -verkkoarkistosta. Mukaan otettiin englanninkieliset sivut, joilla on artikkelin schema-merkintä ja vähintään 100 sanaa ja jotka Graphiten luokittelija tunnisti artikkeleiksi tai listauksiksi.
Jokainen artikkeli luokiteltiin kolmella AI-tunnistimella, ja tulokset keskiarvoistettiin:
- Pangram: pääosin tekoälyn kirjoittama, jos tekoälyn ja tekoälyavusteisen tekstin osuus on suurempi kuin ihmisen
- Copyleaks: pääosin tekoälyn kirjoittama, jos tekoälytekstin osuus on suurempi kuin ihmisen
- GPTZero: pääosin tekoälyn kirjoittama, jos ennuste on “AI” tai “Mixed”
Väärät positiiviset (1,4–1,8 %) mitattiin 15 700 artikkelilla, jotka on julkaistu ennen ChatGPT:tä ja ovat siksi lähes varmasti ihmisen kirjoittamia. Väärät negatiiviset (0,1–2,0 %) mitattiin 6 000 artikkelilla, jotka kirjoitettiin GPT-5:llä, Gemini 3.1 Prolla ja Claude Opus 4.6:lla.
Rajoitukset: ihmisen muokkaamien tekoälytekstien tunnistustarkkuutta ei mitattu, tunnistimia testattiin vain kolmella kielimallilla, ja tutkimus koskee vain englanninkielistä verkkoa. Kaavion luvut ovat Graphiten julkaisemasta Google Sheets -aineistosta.
Usein kysytyt kysymykset
Miten tekoälyn kirjoittamat artikkelit tunnistettiin?
Graphite ajoi jokaisen artikkelin kolmen AI-tunnistimen läpi (Pangram, Copyleaks ja GPTZero) ja laski niiden keskiarvot. Väärien positiivisten osuus oli 1,4–1,8 % ja väärien negatiivisten 0,1–2,0 %.
Mistä artikkelit ovat peräisin?
Common Crawlista, joka on avoin ja jatkuvasti päivittyvä miljardien verkkosivujen arkisto. Graphite poimi sieltä satunnaisesti 55 400 englanninkielistä artikkelia, jotka on julkaistu tammikuun 2020 ja maaliskuun 2026 välillä.
Näkyvätkö tekoälyn kirjoittamat artikkelit hakutuloksissa?
Tämä tutkimus ei mittaa sitä. Graphite viittaa erilliseen tutkimukseensa, jonka mukaan tekoälyn kirjoittamat artikkelit näkyvät Googlessa ja ChatGPT:ssä pääosin huonosti, ja arvioi, että tämä voi selittää osuuden pysähtymisen noin 50 %:iin.