La empresa Anthropic ha comunicado un cambio significativo en su modelo de inteligencia artificial Claude: a partir de ahora, los textos generados por sus sistemas compatibles incluirán una marca de agua invisible, una señal imperceptible para el ojo humano pero detectable por máquinas diseñadas para identificarla. Esta decisión responde principalmente a las exigencias del AI Act europeo, aunque Anthropic ha optado por extender la medida a nivel global.
En términos sencillos, Claude podrá dejar una huella que no vemos, pero que un sistema preparado reconoce sin dificultad. No se trata de demostrar quién tuvo la idea original ni quién redactó el contenido; su propósito es aportar trazabilidad y cumplir con un marco regulatorio que exige identificar ciertos contenidos generados por inteligencia artificial.
El AI Act y el 2 de agosto
El AI Act entró en vigor en 2024 y, desde el 2 de agosto de 2026, comenzaron a aplicarse las obligaciones de transparencia detalladas en su artículo 50. Dicho artículo exige a determinados proveedores incorporar mecanismos capaces de identificar contenido generado o manipulado con IA. Esto explica el movimiento de Anthropic: la marca responde a una obligación concreta de trazabilidad, no a una solución perfecta para detectar inteligencia artificial.
En archivos compatibles, Claude también utilizará C2PA, un estándar que agrega información firmada sobre la procedencia del contenido, lo que refuerza la cadena de custodia digital.
Una idea que tiene siglos
El concepto de ocultar mensajes no es nuevo. Durante siglos se empleó tinta invisible para transportar información que solo aparecía mediante calor o reactivos. En la Segunda Guerra Mundial, los microdots llevaron esa lógica al extremo: documentos enteros podían reducirse hasta esconderse en el punto de una oración. Décadas después, algunas impresoras láser color incorporaron puntos amarillos casi imperceptibles que permitían rastrear una impresión. Ahora, con la inteligencia artificial, se continúa esa misma lógica: nosotros vemos el documento, mientras otra herramienta encuentra una segunda capa de información.
Google ya lo hace con SynthID
Google trabaja desde 2023 con SynthID, la tecnología de DeepMind para incorporar marcas invisibles en contenido generado mediante IA. En el caso del texto, SynthID aprovecha el funcionamiento interno de los modelos: al generar cada token (palabra) existen alternativas con diferentes probabilidades, y SynthID interviene sutilmente sobre esas elecciones para producir un patrón reconocible. Dicho de forma sencilla: la tinta invisible ahora está hecha de probabilidades.
Anthropic todavía no ha publicado suficiente detalle técnico para afirmar que su mecanismo funciona exactamente igual. OpenAI tampoco ha anunciado una marca equivalente para todo el texto de ChatGPT, aunque ya utiliza C2PA y SynthID en otros formatos. Sería razonable pensar que profundizará ese camino, aunque por ahora es solo una proyección.
Se puede manipular y no es infalible
Si una persona escribe un artículo y utiliza Claude solamente para corregirlo, podría incorporar una señal aunque las ideas sean suyas. También puede ocurrir al revés: alguien genera todo con IA y después traduce, parafrasea o reescribe el contenido hasta debilitar o eliminar la señal. Como señala el artículo original:
Encontrar una marca puede indicar intervención de un modelo; no encontrarla tampoco demuestra que el contenido sea humano.
En una universidad, por ejemplo, la marca de agua podría servir para revisar cómo se realizó un trabajo, pero usarla como única prueba para sancionar a un estudiante sería confundir trazabilidad técnica con autoría intelectual. La postura más equilibrada reconoce que estos mecanismos de procedencia son útiles y obligan a los grandes proveedores a asumir responsabilidades, pero sería un error venderlos como detectores definitivos, pues no son 100% fiables.
El problema de los modelos locales
Estas soluciones funcionan mejor dentro de grandes plataformas, donde hay un proveedor al que una regulación puede exigir trazabilidad. Sin embargo, los modelos son cada vez más eficientes y ejecutarlos en nuestras propias computadoras resulta progresivamente más sencillo. Cuando tengamos sistemas potentes funcionando en local, la pregunta será inevitable: ¿quién obliga a mi propio modelo a dejar una marca? Sin contar con que, por el momento, grandes actores como Grok o DeepSeek aparentemente no habrían adherido a esta práctica.
Si el usuario controla los pesos, el software y la inferencia, también puede modificar el mecanismo encargado de incorporar la marca o usar una implementación que no lo tenga. Es como regular los puntos amarillos en un mundo donde cualquiera pudiera modificar su propia impresora.
Las marcas de agua pueden servir para cumplir con el AI Act, aportar trazabilidad y sumar confianza; su límite está en pretender que resuelvan por sí solas un problema mucho más complejo. Mientras aprendemos a marcar mejor la IA, también construimos modelos más accesibles y modificables fuera de las grandes plataformas. La vieja carrera entre quien deja una señal y quien aprende a evitarla acaba de empezar de nuevo.
Fuente: Infobae