Claude introduce la marca de agua en los textos: cómo funciona y cuáles son sus límites
Anthropic incorpora una firma estadística inspirada en SynthID-Text en los modelos Claude lanzados después del 2 de agosto de 2026, aplicándola globalmente para responder a las obligaciones de la AI Act europea. Cuando Chris Best, consejero delegado de Substack, acuñó el término "Claudefishing" para describir a quienes usan la IA para generar contenidos haciéndolos pasar por propios, puso el dedo en una llaga que la industria tecnológica está descubriendo que es mucho más sensible de lo previsto. Pocos días después, Anthropic anunció que los textos producidos por los nuevos modelos Claude llevarán a partir de ahora una marca invisible, pensada para estimar la probabilidad de que la inteligencia artificial haya escrito o elaborado un contenido. No es un sello, no es un símbolo, no es una frase de cortesía al pie de la respuesta. Es algo más sutil y, precisamente por ello, más difícil de explicar sin caer en tecnicismos o alarmismos.
La relación con la normativa europea no es casual. El artículo 50 de la AI Act exige a los proveedores de sistemas de IA generativa que hagan que los resultados sean legibles por máquina e identificables como artificiales, en la medida en que esto sea técnicamente posible. Las obligaciones de transparencia entraron en vigor el 2 de agosto de 2026, y Anthropic eligió hacer coincidir esa fecha con el debut de la marca de agua (watermark): todos los modelos Claude lanzados en la Unión Europea desde ese día en adelante la soportan desde el primer momento, mientras la empresa declara estar trabajando para extenderla retroactivamente a los modelos anteriores, aprovechando el periodo transitorio previsto por la ley.
Lo que resulta sorprendente es el alcance de la aplicación. Anthropic no ha construido un interruptor geográfico que marque los textos solo para los usuarios europeos; la marca se aplica en todas partes, para cualquiera que use Claude, desde el suscriptor individual hasta el equipo que lo integra a través de API. La justificación oficial es pragmática más que ideológica: la empresa no dispone aún de un método lo suficientemente fiable para circunscribir la marca de agua a una región específica, y prefiere un comportamiento uniforme entre Claude, Claude Platform, Claude Code, Claude Cowork y Claude Tag, independientemente de dónde os encontréis. El resultado, se juzgue como se juzgue, es que una norma pensada para los veintisiete Estados miembros termina por rediseñar el comportamiento de un producto utilizado por millones de personas en todo el mundo, un efecto extraterritorial que Euronews ha definido como emblemático del modo en que Bruselas acaba actuando como pionera normativa incluso fuera de sus fronteras.
Cómo se esconde una firma dentro de una frase
Para entender cómo funciona la marca de agua (watermark) textual hay que partir de una idea sencilla: cómo construye una respuesta un modelo lingüístico. Claude no escribe una frase entera de golpe; la genera palabra por palabra, o mejor dicho, token por token, asignando en cada paso una probabilidad a las posibles continuaciones. Tras una frase sobre el tiempo, por ejemplo, existen múltiples alternativas igualmente plausibles: "gris", "nublado", "cubierto" son todas opciones legítimas, ninguna de las cuales cambia el sentido del discurso. Es en estos momentos de ambigüedad inocua donde se desliza la marca de agua.
El modelo sigue eligiendo entre las alternativas plausibles, pero la fuente de aleatoriedad que guía la elección ya no es del todo impredecible; viene determinada por una clave secreta combinada con las palabras ya escritas. El texto sigue pareciendo natural en apariencia, pero la secuencia global contiene una regularidad estadística que quien posee la clave puede verificar. Anthropic compara el mecanismo con una partida de Monopoly jugada no con dados, sino con una larga secuencia de dígitos del número pi: los movimientos siguen pareciendo aleatorios a quien observa desde fuera, pero quien conoce la secuencia puede comprobar si los resultados son compatibles con esa fuente en particular. Es el mismo principio narrativo que sostiene La subasta del lote 49 de Thomas Pynchon, donde un símbolo aparentemente insignificante—un cuerno postal dibujado de forma distraída—se revela como la pista de una red oculta bajo la superficie ordinaria de las cosas. El watermark de Claude funciona más o menos así: un patrón invisible a simple vista, legible solo por quien sabe dónde mirar.
Un punto debe aclararse de inmediato, porque es el origen de muchos equívocos: el sistema no fuerza a Claude a usar palabras improbables o artificiosas. No se introduce un léxico ad hoc, ni hay una palabra privilegiada independientemente del contexto. La marca interviene solo cuando existen realmente alternativas equivalentes en el plano semántico, y este límite intrínseco es también el primer indicio de dónde deja de funcionar bien el sistema, un tema al que volveremos.
La deuda con SynthID y la literatura científica
Anthropic no ha inventado esta técnica desde cero. El método utilizado es una variante del enfoque SynthID-Text desarrollado por Google DeepMind y descrito en un artículo publicado en Nature en 2024, titulado "Scalable watermarking for identifying large language model outputs". El estudio describe una técnica pensada para mantener intacta la calidad del texto, garantizar una buena precisión en la detección y soportar el uso a gran escala sin ralentizar los tiempos de respuesta. Es el principal antecedente público y verificable en el que se basa la elección de Anthropic, y la propia Google ha probado SynthID-Text en grandes volúmenes de tráfico de Gemini, recopilando comentarios de los usuarios que, según la empresa, no habrían detectado diferencias perceptibles de calidad entre resultados marcados y no marcados.
Hay que decir con claridad que la afinidad técnica no implica identidad de implementación. Anthropic y Google pueden usar claves diferentes, detectores diferentes y umbrales diferentes, lo que significa que un texto marcado por Claude no es reconocible con las herramientas pensadas para el SynthID de Gemini, ni viceversa. Cada gran proveedor de IA está construyendo su propio sistema propietario, una torre de Babel de firmas incompatibles que dificulta imaginar, al menos por ahora, un único estándar universal de detección.
Precisamente la naturaleza propietaria de la clave es lo que distingue a la marca de agua de Claude de los softwares de detección genérica como Pangram, que analizan en cambio patrones estilísticos, frecuencia léxica y construcciones sintácticas típicas de la prosa artificial. Un detector genérico intenta adivinar si un texto "suena" escrito por una máquina; el detector de la marca de agua verifica, en cambio, la compatibilidad con una firma estadística específica, producida por un modelo preciso con una clave precisa. Son dos enfoques complementarios más que superponibles, y la diferencia no es sutil: sin la clave, nadie puede replicar desde el exterior la detección que Anthropic realizaría internamente.
Qué demuestra realmente y qué no
Aquí llegamos al núcleo de la cuestión, lo que separa el entusiasmo técnico de las preocupaciones prácticas. La marca de agua (watermark), cuando se detecta, indica una probabilidad, no una certeza absoluta, de que Claude haya intervenido en la generación o elaboración de un texto. No dice quién tuvo la idea original, quién verificó los hechos o quién escribió el primer borrador antes de que Claude lo tradujera o lo puliera. Un texto puede nacer de la pluma de una persona y pasar luego por las manos del modelo para una traducción, un proofreading o una síntesis, y en ese caso la marca señalaría la intervención de la IA sin contar nada del trabajo humano que la precedió.
De igual modo, según lo declarado por Anthropic, la presencia del watermark no altera los derechos del usuario previstos en los términos del servicio, no establece la propiedad del texto y, sobre todo, no contiene ningún dato identificativo sobre quién lo ha generado: la cuenta, la organización o la conversación individual. Es una señal sobre el método, no sobre el autor en carne y hueso. Quienes esperaban, o temían, un sistema de rastreo nominal se quedarán con la miel en los labios, o con un suspiro de alivio, según el punto de vista.
Dónde se desmorona el sistema
Toda tecnología de detección tiene sus puntos ciegos, y aquí vale la pena enumerarlos con honestidad, porque es precisamente en los márgenes donde se juega la fiabilidad real de la herramienta. Los textos muy breves ofrecen pocas decisiones estadísticas sobre las que la marca de agua pueda actuar, y resultan por tanto difíciles de clasificar con certeza. Los pasajes altamente fácticos, aquellos en los que existe una sola respuesta correcta, una fórmula o un dato preciso, dejan al modelo muy poca libertad de elección y, por tanto, poco espacio para la marca de agua. Si Claude se limita a corregir la puntuación de un texto escrito por una persona, la mayoría de las palabras originales permanecen intactas y la señal corre el riesgo de ser demasiado débil para ser captada. Una reescritura completa, en la que se sustituye cada palabra, puede en cambio borrar del todo la marca original, aunque en ese caso el texto final se ha convertido en algo muy lejano del resultado inicial.
Las traducciones siguen una lógica diferente: puesto que cada palabra de la versión traducida es elegida por el modelo, Anthropic sostiene que se marcan íntegramente, a diferencia del proofreading ligero. El código fuente es un caso aparte. Muchas elecciones en un programa están condicionadas por la sintaxis, los nombres de las funciones y el comportamiento requerido para que todo funcione, y forzar un token diferente correría el riesgo de romper la ejecución. Por ello, la marca tiende a concentrarse en los comentarios y en las partes no esenciales del código, permaneciendo casi ausente en las líneas que realmente hacen funcionar el programa—un poco como en Return of the Obra Dinn, el videojuego de investigación en el que la verdad nunca está en el suceso en sí, sino en los detalles marginales que lo rodean, las pistas visuales en los bordes de la escena.
Por último, un recordatorio que vale la pena repetir: la ausencia de una marca de agua no demuestra que un texto haya sido escrito por una persona. Podría proceder de un modelo Claude anterior al 2 de agosto de 2026, o de un sistema de IA competidor que simplemente no utiliza la misma técnica.
Los archivos siguen un camino diferente
Para imágenes (PNG, JPG, SVG y otros formatos soportados), Anthropic no usa la misma lógica estadística aplicada al texto, sino que se apoya en el estándar abierto C2PA (Coalition for Content Provenance and Authenticity), adjuntando metadatos firmados criptográficamente que indican la implicación de Claude en la creación o modificación del archivo. Es un sistema más legible pero también más frágil: esos metadatos pueden desaparecer con una simple conversión de formato, un nuevo guardado, una captura de pantalla o cualquier software que no los conserve a lo largo de la cadena. La consecuencia práctica es que la ausencia del metadato no prueba en absoluto que una imagen no haya sido tocada por la IA—un detalle que cualquiera que trabaje con contenidos visuales debería tener muy presente antes de sacar conclusiones precipitadas.
Quién gana, quién pierde, quién se queda con dudas
En el ámbito editorial, el artículo 50 de la AI Act prevé una excepción importante para los contenidos publicados con fines informativos cuando se someten a revisión humana y una persona u organización asume la responsabilidad editorial. Es una cláusula de sentido común que reconoce que el uso de la IA para traducir, resumir o realizar lluvias de ideas no equivale a una redacción enteramente delegada en la máquina, pero su aplicación práctica dependerá mucho de cómo se interprete en las futuras directrices. Para una redacción, el watermark puede ayudar a reconstruir el proceso de producción de una pieza, pero no sustituye en modo alguno la verificación de las fuentes ni la responsabilidad de quien firma el artículo.
El frente más candente, a juzgar por la cobertura de TechCrunch, afecta a las escuelas y los lugares de trabajo. Varios usuarios temen que una señal estadística, por naturaleza probabilística e imperfecta, sea tratada como una prueba definitiva de fraude académico o de mala fe profesional. El riesgo no es teórico: un texto traducido o revisado ligeramente por Claude puede no generar ninguna señal detectable, mientras que un resultado positivo podría indicar tanto una generación íntegra como una simple traducción, sin que el detector sea capaz de distinguir ambos escenarios. Cualquiera que deba evaluar un trabajo—un profesor, un responsable de recursos humanos—debería tratar la marca de agua como una pista que contextualizar, no como un veredicto, teniendo en cuenta el historial de modificaciones, las notas y el proceso de trabajo en su conjunto.
Quedan abiertas también cuestiones de gobernanza menos debatidas pero no menos relevantes. Quién controla el acceso a la clave de detección y con qué garantías de auditoría (audit) y revocación son aspectos que aún no están claros en la documentación pública. Anthropic ha anunciado que está trabajando en una API de detección dedicada, sin proporcionar todavía detalles sobre autenticación, umbrales, formatos soportados ni plazos. Es el paso que decidirá si esta herramienta seguirá siendo un principio declarado o se convertirá en una práctica verificable por terceros independientes—escuelas, plataformas editoriales, servicios de moderación—, con todos los riesgos de uso indebido que conlleva la apertura de una herramienta semejante, desde la vigilancia en el puesto de trabajo hasta la selección de personal basada en una señal que, repetimos, nunca es una certeza.
Una pieza de un puzle más grande
El código europeo de buenas prácticas sobre la transparencia de los contenidos generados por IA, elaborado mediante un proceso multiparte coordinado por la Oficina de IA (AI Office), ha reunido a unos 190 firmantes, entre ellos Google, Meta, Microsoft, OpenAI, Mistral, Cohere y Synthesia, además de la propia Anthropic. La adhesión al código sigue siendo voluntaria, mientras que las obligaciones del artículo 50 son vinculantes por ley—una distinción que conviene tener en cuenta cuando se lee que "toda la industria" se mueve en la misma dirección: lo hace, pero con márgenes de libertad muy diferentes de una empresa a otra.
Lo que emerge al reunir las fuentes oficiales y las reacciones de la prensa internacional es un panorama a medio camino entre el progreso técnico y una apuesta aún no ganada. En comparación con los detectores que analizan el estilo a posteriori, la marca de agua incorporada en la generación es un enfoque más sofisticado, porque nace dentro del proceso en lugar de deducirse después. Sin embargo, su eficacia real dependerá de factores todavía abiertos: la disponibilidad concreta de una API de detección, la robustez tras múltiples ediciones y traducciones, la existencia de pruebas independientes en idiomas distintos del inglés y en dominios técnicos, y sobre todo la cautela con la que escuelas, empresas y redacciones decidan interpretar un resultado positivo o negativo.
Saber que Claude ha intervenido en un texto no responde, en el fondo, a la pregunta más importante: la de quién ha elaborado las ideas, verificado los datos y asumido la responsabilidad de lo que se publica. La marca de agua (watermark) puede aportar transparencia técnica sobre el origen de un contenido, pero no sustituye al juicio humano sobre qué hacer con esa información. Anthropic está apostando a que una señal invisible, si se maneja con cuidado, vale más que ninguna señal en absoluto. Queda por ver si el resto del mundo—desde los profesores hasta los jueces, pasando por los compañeros de redacción—estará dispuesto a usarla con la misma cautela con la que ha sido construida.