Las marcas de agua para texto generado por inteligencia artificial han vuelto al debate editorial. La idea resulta atractiva: si un modelo deja una señal detectable en lo que escribe, quizá resulte más sencillo identificar su origen. Pero convertir esa señal en un veredicto —«esto lo escribió una IA», «esto lo escribió una persona» o «esto es verdadero»— sería un error técnico y de proceso.
Anthropic ha explicado públicamente cómo aplica una marca de agua estadística a parte del texto de Claude. Su comunicación es útil porque pone límites claros al término: no habla de una firma visible en cada frase ni de una prueba universal de autoría. Para una empresa, un medio o un equipo de marketing, la conclusión práctica es otra: el watermarking puede ser una señal adicional de procedencia, pero la trazabilidad y la revisión siguen siendo responsabilidad del flujo editorial.
Qué es una marca de agua de texto
Una marca de agua textual puede modificar de forma controlada las probabilidades con las que un modelo elige tokens durante la generación. El resultado debe seguir siendo natural para quien lee, pero un detector que conoce el método puede analizar un volumen suficiente de texto y estimar si la señal está presente. Es una señal estadística, no una etiqueta incrustada de manera visible ni una afirmación sobre la calidad del contenido.
La implementación concreta depende del proveedor y del modelo. En su nota del 14 de agosto de 2026, Anthropic describe su aproximación y la diferencia con detectores que intentan inferir «estilo de IA» desde un texto. Son mecanismos distintos: un detector de watermark busca una señal diseñada por el propio sistema de generación; un clasificador de estilo hace una inferencia probabilística y puede comportarse de forma diferente según idioma, longitud, edición y dominio.
Qué puede aportar —y qué no puede demostrar
- Puede aportar una pista de origen: si el proveedor detecta su propia señal con una metodología conocida, puede indicar que una parte del texto probablemente pasó por ese sistema.
- No acredita veracidad: un texto con marca de agua puede contener errores, datos desactualizados, citas incompletas o conclusiones equivocadas.
- No prueba por sí sola la autoría completa: una pieza puede mezclar borradores humanos, fragmentos de varios modelos, edición y traducción.
- No sustituye el contexto: que no exista señal no demuestra que un texto sea humano; podría proceder de otro modelo, de una versión antigua, de una transformación o de un canal sin watermark.
- No resuelve la responsabilidad: la persona o entidad que publica sigue respondiendo por precisión, derechos, privacidad y cumplimiento.
El problema de las ediciones, traducciones y textos mixtos
La robustez importa tanto como la existencia de la señal. Un contenido puede ser corregido, resumido, reescrito, traducido o combinado con documentos propios. Esas operaciones pueden diluir o alterar una marca estadística. Por eso es imprudente fijar una política que sancione, apruebe o descarte un contenido basándose únicamente en un resultado automático.
El riesgo también afecta a los falsos positivos. En textos breves, altamente estructurados, con lenguaje sencillo o redactados por personas que siguen plantillas, una herramienta de detección de estilo puede dar una impresión engañosa. La decisión correcta no es buscar un «porcentaje de IA» que cierre el caso, sino conservar evidencia del proceso: fuentes, versiones, responsable de la revisión y criterio aplicado.
Watermarking, detectores y C2PA no son lo mismo
Conviene separar tres capas que a menudo se mezclan en la conversación:
- Watermarking del proveedor: señal estadística producida durante la generación y comprobable, en principio, con un detector compatible.
- Detectores de texto: sistemas que infieren la probabilidad de que un texto tenga ciertos patrones. No conocen necesariamente el origen ni el historial del archivo.
- Procedencia C2PA / Content Credentials: un estándar técnico para asociar afirmaciones, historial y credenciales verificables a activos compatibles. Es especialmente relevante para imágenes, vídeo y otros archivos; no equivale a certificar que cada afirmación sea verdadera ni cubre automáticamente cualquier texto de la web.
C2PA aporta un modelo de manifiestos, firmas, validación y registro de acciones para activos que adoptan el estándar. Puede mejorar la transparencia cuando la cadena se conserva, pero no sustituye el trabajo periodístico, la comprobación de fuentes ni las políticas de publicación.
Una política editorial que sí es aplicable
Para un blog, una pyme o una agencia, la política más útil no empieza por instalar un detector. Empieza por definir qué evidencia se guarda y quién decide antes de publicar. Un modelo sencillo puede incluir estos pasos:
- Declarar el uso relevante: documentar internamente si la IA se usó para ideas, estructura, borrador, traducción, edición o imagen. La transparencia pública puede adaptarse al tipo de contenido y al contexto.
- Conservar las fuentes: guardar enlaces, documentos primarios, fecha de consulta y citas que sustentan afirmaciones verificables.
- Asignar una revisión humana: una persona responsable valida cifras, enlaces, derechos, tono, información sensible y conclusiones antes de publicar.
- Separar evidencia y opinión: identificar con claridad lo confirmado, las hipótesis, las estimaciones y el contenido promocional.
- Registrar versiones: conservar un historial razonable de borradores y cambios para poder corregir, explicar o retirar una pieza cuando sea necesario.
- Tratar señales automáticas como evidencia auxiliar: cualquier watermark o detector se revisa junto con el contexto; no se usa como único criterio de sanción o validación.
Qué revisar antes de adoptar una herramienta
Antes de elegir una plataforma de IA o un sistema de procedencia, pregunta qué modelos y modalidades cubre, cómo se comunica la incertidumbre, quién puede ejecutar la detección, qué ocurre con traducciones y ediciones, y qué datos salen de tu organización durante la comprobación. También conviene revisar retención, propiedad intelectual, controles de acceso y exportación de registros. Una herramienta que ofrece una etiqueta simple pero no explica sus límites suele aportar menos que un proceso editorial bien documentado.
La tecnología de marcas de agua puede evolucionar y ser útil en determinados escenarios. Sin embargo, el estándar operativo sigue siendo más básico: saber de dónde procede una afirmación, quién la revisó, qué evidencia la respalda y cómo se corrige si falla. Esa es la trazabilidad que protege a lectores, marcas y equipos, con o sin señal estadística.
Para equipos que incorporan IA en contenido, atención al cliente o automatización, en allado.es pueden ayudar a evaluar herramientas con criterios de privacidad, revisión humana, control de acceso y continuidad, antes de convertir una función de moda en parte del proceso de negocio.