La marca de agua invisible de Claude no prueba quién escribió un texto

Anthropic está incorporando una marca de agua invisible y detectable por máquinas en los textos producidos por los nuevos modelos de Claude. La empresa vincula la medida con el artículo 50 de la Ley de Inteligencia Artificial de la Unión Europea y con su compromiso con el código de buenas prácticas sobre transparencia de contenido generado por IA. Sin embargo, ha decidido aplicarla de forma global en los productos compatibles, no solo a los usuarios europeos.

La distinción clave es esta: detectar una marca de agua no equivale a demostrar la autoría. El resultado puede sugerir que Claude participó en la redacción de una parte del texto, pero no revela quién utilizó el modelo, quién escribió el material original ni cuánto contenido generó la IA.

Qué está marcando Anthropic

Los modelos de Claude lanzados a partir del 2 de agosto de 2026 ofrecen marcado legible por máquinas desde el momento de su lanzamiento. Anthropic también trabaja para incorporar el sistema a modelos anteriores. La cobertura se extiende a Claude.ai, la API de Claude Platform, Claude Code, Claude Cowork, Claude Tag y las implementaciones compatibles en servicios de terceros, allí donde se ofrezca Claude.

Hay dos mecanismos diferentes:

• Texto: una marca de agua estadística imperceptible integrada en la elección de palabras del modelo.
• Archivos compatibles: metadatos de procedencia C2PA firmados digitalmente, incluidos formatos como SVG, PNG y JPG.

No se trata de una etiqueta visible, caracteres ocultos, un identificador de cuenta ni un aviso de copyright. Anthropic afirma que la marca de agua textual no contiene información que permita rastrear el contenido hasta una persona, una organización, una conversación o un chat concretos.

Por qué la aplicación es mundial

El detonante regulatorio es el régimen de transparencia del artículo 50 de la Ley de IA de la UE. Sus disposiciones exigen que determinados contenidos generados por inteligencia artificial puedan identificarse en un formato legible por máquinas cuando los proveedores sirven al mercado europeo.

Anthropic ha optado por mantener un único estándar para los modelos compatibles, en lugar de crear un comportamiento distinto para Europa. Eso afecta a clientes de API, empresas, desarrolladores y usuarios particulares en todo el mundo, aunque algunas plataformas o funciones pueden no admitir todos los tipos de marcado.

Cómo funciona la marca de agua textual

La técnica se basa en un patrón estadístico de selección de tokens. En muchos puntos de una frase, un modelo de lenguaje tiene varias continuaciones plausibles. La marca modifica la fuente de aleatoriedad que interviene en algunas decisiones de menor importancia y crea una secuencia codificada que puede identificarse posteriormente. Anthropic describe el método como relacionado con la técnica SynthID-Text de Google DeepMind.

El resultado no cambia visiblemente. El sistema no introduce caracteres especiales ni tokens adicionales, y Anthropic sostiene que no pretende alterar de manera apreciable la redacción, la creatividad, la legibilidad o el coste. Según la empresa, sus pruebas internas no detectaron efectos sobre la calidad.

Como la señal se distribuye entre elecciones normales de palabras, no depende de los metadatos del archivo. Por eso puede sobrevivir a operaciones como copiar y pegar, cambiar el formato o realizar ediciones ligeras. Pero se trata de una persistencia probabilística, no de una garantía.

¿Sobrevive a una traducción, un resumen o una corrección?

No de forma fiable. Traducir, resumir, parafrasear o editar sustancialmente reemplaza muchas de las decisiones de tokens que contienen la señal. Un texto transformado podría conservar rastros detectables en algunos casos, pero la explicación de Anthropic no permite afirmar que toda traducción, sinopsis, corrección ortográfica o edición mantenga la marca.

La longitud también importa. Cuanto más texto haya disponible, mayor suele ser la confianza de la detección. Una respuesta breve o una revisión en la que Claude solo cambia unas pocas palabras puede contener demasiado poco material seleccionado por el modelo para producir un resultado significativo.

Esto separa dos cuestiones que a menudo se mezclan: que Claude haya procesado un texto y que la marca pueda detectarse con suficiente confianza. La ausencia de una señal no demuestra que un pasaje haya sido escrito íntegramente por una persona.

Qué significa realmente un resultado positivo

Una detección positiva responde a una pregunta limitada: ¿qué probabilidad hay de que Claude haya intervenido en la redacción de una parte del texto? No establece:

• quién introdujo las instrucciones;
• quién escribió el material original o el texto restante;
• si una persona revisó de forma sustancial la respuesta;
• si Claude generó todo el documento;
• si el usuario incumplió una norma académica, laboral, editorial o de una plataforma; ni
• quién posee la obra o quién es legalmente responsable de ella.

La marca tampoco identifica a un usuario, una empresa o una conversación concreta. Además, la clave de Anthropic no permite identificar el contenido generado por otro proveedor de IA.

Anthropic ha dicho que planea ofrecer una API de detección. Sería diferente de los detectores genéricos que intentan inferir autoría a partir del estilo lingüístico o de supuestas señales de escritura de IA. Un detector de marca de agua buscaría una firma estadística deliberada creada mediante una clave.

La crítica del “mazazo en lugar de bisturí”

El principal debate gira en torno a la diferencia entre generar contenido nuevo y prestar una ayuda editorial convencional. Los críticos temen que una marca aplicada a nivel de modelo trate igual un ensayo redactado casi por completo por Claude y un documento escrito por una persona que solo recibió ayuda con la ortografía, la gramática, la claridad, la traducción o la accesibilidad.

De ahí surge la crítica de que Anthropic utiliza “un mazazo en lugar de un bisturí”: una marca predeterminada y global puede ser más amplia que el caso de uso que pretenden abordar las normas de transparencia. El riesgo aumenta si una escuela, una empresa, una editorial o una plataforma interpreta la mera presencia de la señal como prueba de una infracción.

La explicación técnica de Anthropic limita parcialmente esa preocupación: una corrección ligera podría dejar tan pocas palabras elegidas por Claude que la detección no alcance un nivel de confianza útil. Pero eso es una limitación estadística, no una excepción visible para el usuario ni una prueba fiable de autoría.

Cómo se compara con Google, OpenAI, Meta y Microsoft

La comparación exige separar varias medidas que suelen presentarse juntas:

1. firmar un código europeo de transparencia;
2. adjuntar metadatos de procedencia a los archivos;
3. añadir etiquetas visibles; y
4. incorporar una marca de agua estadística al texto.

Anthropic afirma que otros grandes proveedores de IA firmaron el mismo código europeo y pondrán en marcha sus propios sistemas. Eso no significa que Google, OpenAI, Meta y Microsoft utilicen el mismo método, cubran los mismos productos o tengan políticas idénticas de detección y etiquetado.

El enfoque textual de Anthropic está relacionado con la familia SynthID-Text publicada por Google DeepMind, mientras que C2PA se utiliza por separado para los metadatos de procedencia de determinados archivos. La información disponible no basta para afirmar que las cuatro empresas hayan desplegado una marca de agua textual global equivalente a la de Claude en todos sus productos.

Reacciones de los usuarios y el problema práctico

El despliegue ha provocado preocupación entre usuarios de Claude que temen que la asistencia de IA quede expuesta en contextos académicos, laborales, editoriales o comerciales. También se han publicado informaciones sobre usuarios que amenazan con cancelar sus suscripciones o aseguran haberlo hecho.

Otros han buscado herramientas para eliminar o esquivar la marca. Una reescritura profunda, una paráfrasis, una traducción, un resumen o una nueva generación pueden debilitar o borrar la señal estadística. Precisamente por eso, un resultado negativo no permite descartar el uso de IA; del mismo modo, una señal positiva podría reflejar una ayuda limitada y no una generación completa.

Para las instituciones, la conclusión más prudente es clara: un detector debe ser una pieza de evidencia, no una sentencia automática. Cualquier decisión seria debería tener en cuenta el contexto, el historial de borradores y versiones, las reglas de divulgación aplicables, el tipo de ayuda utilizada y la posibilidad de que la persona explique su proceso. La revisión humana es especialmente importante en tareas de edición, traducción, accesibilidad y escritura colaborativa.

La marca de agua de Claude puede facilitar la investigación sobre la intervención de una IA, pero no resuelve la cuestión más difícil: quién es el autor. La diferencia útil es entre señal y prueba. La primera puede contribuir a la transparencia; la segunda requiere un contexto que una marca estadística, por sí sola, no puede ofrecer.