La reciente revelación de que Anthropic está aplicando marcas de agua a los textos generados por sus modelos de IA ha desatado una tormenta de debate en las redes sociales. Aunque la metodología exacta no se detalla explícitamente en su documentación, presumiblemente se basa en sesgos estadísticos en la elección de palabras diseñados para sobrevivir al copiado, al pegado e incluso a una posterior corrección con IA. La propia Anthropic admite que este método «no es totalmente concluyente». Lo explicaremos más adelante.
Aunque la reacción de las redes sociales ha sido rápida y contundente, se están pasando por alto varias implicaciones críticas en el discurso dominante. Esta es nuestra perspectiva sobre por qué la marca de agua de texto es un paradigma fundamentalmente defectuoso.
Anthropic no es la única
Aunque Anthropic está absorbiendo actualmente la mayor parte de la publicidad negativa, dista mucho de ser pionera en este ámbito. Google lleva aplicando marcas de agua a su texto generado desde al menos mayo de 2024 (artículo de SynthID y anuncio de Google sobre su uso en Gemini). OpenAI ha declarado igualmente que tiene toda la intención de añadir señales de procedencia al texto generado por IA, tan recientemente como el 2 de agosto de 2026 (Centro de ayuda de OpenAI).
La indignación desproporcionada dirigida a Anthropic, cuando Google ya implementó esto hace más de 2 años y OpenAI anunció hace apenas 12 días que pretende hacer lo mismo, es un fascinante estudio de relaciones públicas, pero pasa por alto el punto principal: la marca de agua de texto es ahora una práctica generalizada en la industria. Debemos evaluarla como un cambio sistémico, no caso por caso según la empresa. El problema es mucho mayor que el odio que Anthropic está recibiendo actualmente por este asunto.
Implicaciones para los derechos de autor
En Estados Unidos, el contenido generado íntegramente por IA no puede registrar derechos de autor, una postura reafirmada por la Oficina de Derechos de Autor de EE. UU. en años recientes. Sin embargo, el umbral de participación humana necesario para que una obra sea protegible sigue siendo una frontera legal difusa. La marca de agua introduce una variable peligrosa en esta ecuación ya de por sí frágil.
Consideremos las posibles paradojas legales:
- El dilema del corrector: Si escribes un libro totalmente original pero usas IA para corregirlo y pulir la prosa, un detector de marcas de agua podría marcar todo el manuscrito como generado por IA. ¿Eso te priva de tus derechos de autor?
- La trampa del traductor: ¿Y si escribes una novela a mano, pero usas IA para traducirla al francés? La marca de agua del texto traducido podría, en teoría, indicar que el contenido es 100 % generado por IA. ¿Pierde la versión francesa la protección de la propiedad intelectual?
- El lienzo del programador: Imagina pasar días diseñando la arquitectura de una aplicación, tomando decisiones de diseño de alto nivel, escribiendo prompts, iterando y probando. Has volcado creatividad humana en la lógica, pero una IA escribió la sintaxis real. Si el código se marca como 100 % generado por IA, ¿tu software queda desprotegido, a pesar del enorme trabajo humano invertido?
La marca de agua amenaza con invalidar legalmente las obras colaborativas entre humanos e IA al pintarlas con una brocha gruesa y binaria.
El peligro de los falsos positivos
Tanto Google como Anthropic admiten que sus marcas de agua de texto no son 100 % precisas. Si una obra completamente humana se clasifica falsamente como generada por IA, la carga de la prueba recae injustamente sobre el creador.
¿Cómo se prueba una negación? ¿Deben ahora los escritores grabar sus pantallas y pulsaciones de teclas, o incluso tener una cámara apuntándoles mientras trabajan, para validar su autoría? ¿O deben confiar en vagas afirmaciones de «créeme, lo escribí yo»?
Los falsos positivos son especialmente peligrosos porque pueden convertirse en armas de censura o sabotaje profesional. Si un actor malintencionado desea desacreditar a un periodista, rival o colega, basta con pasar los textos del objetivo por una batería de detectores de marcas de agua —el de Anthropic, el de Google, el de OpenAI, etc.— hasta que inevitablemente consiga, a base de ir de detector en detector, un falso positivo. Luego puede avergonzar públicamente al autor, acusarlo de fraude académico o profesional y dejar que la falsa autoridad del algoritmo haga el daño. Cada detector de IA tiene una probabilidad de falso positivo y, si todos usan métodos diferentes, cada vez que se prueba el mismo texto con un detector distinto aumenta la probabilidad de un falso positivo.
Las propias empresas que implementan la marca de agua en el texto han declarado que este método no es 100 % preciso y, por tanto, la marca de agua no debería infligir en absoluto consecuencias en el mundo real a las personas que señala.
Una puerta trasera para el seguimiento individual de usuarios
Actualmente no existe ninguna limitación técnica que impida a los proveedores de IA implementar marcas de agua por usuario. En lugar de una marca de agua universal de Anthropic o Gemini, un modelo podría ajustarse para sesgar las elecciones de palabras en un patrón específico y criptográficamente único vinculado a tu cuenta de usuario.
¿Por qué es esto malo? Convertiría la generación de texto con IA en un aparato de vigilancia masiva. Cualquier texto que publiques en internet —una publicación anónima en un blog, una denuncia de un informante, un correo electrónico delicado— podría ser rastreado, analizado y vinculado matemáticamente a tu cuenta específica de IA. Priva a los usuarios de su derecho al anonimato y a la privacidad, entregando a los gigantes tecnológicos una huella permanente e invisible oculta en la propia estructura de nuestras frases.
Los proveedores de IA no han rehuido los lanzamientos fragmentados en el pasado —uno para el mundo y otro para la UE— e incluso han restringido el acceso de la UE hasta que cumpliera con sus leyes. El hecho de que el despliegue actual ya se haya lanzado a nivel global y no solo en la UE indica que los propios proveedores de IA ven un beneficio en implementarlo. Uno debe preguntarse cuál es la razón por la que ven beneficio en añadir marcas de agua al texto.
Degradación de la calidad de las respuestas de la IA
La lógica estadística básica dicta que obligar a un modelo a adherirse a una marca de agua degrada su rendimiento. Al sesgar artificialmente las elecciones de palabras para crear una firma estadísticamente relevante, se limita el vocabulario natural del modelo, su rango expresivo y la cantidad de opciones entre las que puede elegir. Todo esto debe tener un impacto negativo en la calidad de las respuestas del modelo. En nuestra opinión, la creatividad y la calidad de las respuestas nunca aumentan cuando se restringe la forma específica en que se debe responder.
Esto impone inevitablemente un compromiso: calidad del modelo frente a detectabilidad de la marca de agua. Restringe los matices. Además, si un modelo está fuertemente limitado por algoritmos de marca de agua, ¿ignorará prompts estilísticos complejos (p. ej., «escribe esto al estilo de un pirata del siglo XVIII») porque adoptar ese personaje requeriría abandonar sus sesgos estadísticos de palabras obligatorios?
Algunas investigaciones ya respaldan la idea de que la marca de agua afecta a la calidad del modelo (OpenReview, ACL Anthology, OpenReview, arXiv).
La ilusión de la integridad académica
Los educadores están comprensiblemente preocupados de que los estudiantes usen IA para hacer trampas en ensayos y exámenes. Los defensores argumentan que la marca de agua es la solución. Nosotros discrepamos firmemente: al ser un método probabilístico y no absoluto, no tiene cabida en un entorno académico punitivo.
Una sola expulsión injusta deshace cualquier bien teórico que esta tecnología aporte. Además, crea una pesadilla kafkiana para los estudiantes, caracterizada por un enorme desequilibrio de poder institucional. Una universidad pasa un ensayo por una API opaca y propietaria; el ordenador dice «generado por IA». El estudiante no tiene recurso alguno, ninguna forma de auditar el algoritmo de caja negra y ninguna forma de defenderse más allá de suplicar a la institución que «lo ejecute de nuevo». Sustituye la confianza educativa por un dogma algorítmico.
Combatir la desinformación: un punto irrelevante
El argumento de que la marca de agua combate el spam, el astroturfing y el phishing ignora una realidad fundamental: usar la IA como compañera de escritura se está convirtiendo rápidamente en la norma global. Muchos profesionales y estudiantes ya usan IA para generar ideas, traducir y redactar borradores; en los próximos años, escribir sin algún tipo de asistencia de IA podría muy bien ser la excepción, no la regla.
Si casi todo el texto publicado presenta algún nivel de colaboración con IA, detectar una marca de agua de IA se vuelve completamente irrelevante. Recuerda el pánico histórico ante los correctores ortográficos y las calculadoras que supuestamente «atontaban» a la sociedad, un argumento desacreditado hace tiempo. La verdadera batalla contra la desinformación consiste en verificar si un humano real o una granja automatizada de bots publica el texto, no en angustiarse por si el texto en sí fue parcialmente generado por IA.
La falacia del «colapso del modelo»
Algunos argumentan que la marca de agua es necesaria para que las empresas de IA puedan filtrar el texto sintético al entrenar modelos futuros, evitando el «colapso del modelo».
Sin embargo, este enfoque carece de matices. Un texto generado mediante una profunda colaboración entre humano e IA es un dato novedoso y de alta calidad que debería usarse para el entrenamiento. Al filtrar ciegamente todo lo que tenga marca de agua, las empresas de IA privarán a sus modelos de próxima generación de contenido valioso dirigido por humanos. En su lugar, las empresas de entrenamiento de IA deberían evaluar las obras por su novedad y la utilidad real del texto, en lugar de depender de una marca de agua tosca para ver si la IA ha tocado el texto en algún momento.
Una carrera armamentística en marcha y los honestos saldrán perdiendo
He aquí el fallo central que convierte todo este ejercicio en teatro de seguridad: la eliminación de marcas de agua es un problema adversarial soluble, y las personas más motivadas para resolverlo son exactamente las que el sistema intenta atrapar.
Una marca de agua de texto estadística funciona empujando las probabilidades de elección de palabras. Por tanto, se puede probar contra ella, como con cualquier otro clasificador. Cualquiera con motivos para eliminar una marca de agua —un molino de plagio, una granja de desinformación o un spammer— puede pasar su resultado por detectores públicos, retocar la redacción, parafrasearlo a través de un LLM de código abierto sin marca de agua e iterar hasta que el texto se registre como «limpio».
Esto no es especulación; es exactamente la dinámica del gato y el ratón que hemos visto con los detectores de plagio y los filtros de spam de correo electrónico. Ya existe una lucrativa industria artesanal de herramientas «humanizadoras de IA» con este único propósito.
Como resultado, las personas que estos detectores realmente atrapan no son los malos actores. Atrapan a los usuarios honestos: el estudiante que usó IA solo para corregir su gramática, el autor que pidió opinión a una IA y luego reescribió el pasaje, o alguien que recurrió a la IA para traducir debido a dificultades con el idioma. Estos usuarios no pasan su trabajo por cinco herramientas de evasión diferentes porque no intentan ocultar nada.
Un sistema de detección cuya población de falsos negativos es «cualquiera que intentara activamente evadirlo» y cuya población de falsos positivos es «cualquiera que no se molestara en ocultarlo» está estructuralmente roto. Filtra la honestidad mientras da vía libre a la deshonestidad.
Conclusión
La marca de agua en el texto de IA es un parche crudo y superficial aplicado a un complejo cambio sociológico. En su forma actual, amenaza con degradar la calidad de las respuestas de la IA, enturbiar las aguas de la legislación sobre derechos de autor, crear enormes vulnerabilidades para el seguimiento de usuarios y perjudicar sustancialmente a las personas cuyo trabajo se marca falsamente como generado por IA. Lo peor de todo es que actúa como una trampa para los usuarios honestos y transparentes, mientras fracasa por completo a la hora de detener a los actores maliciosos que supuestamente fue diseñada para frustrar. Peor aún, está acelerando algo que ya está en marcha: la sociedad está entrando en una nueva era de caza de brujas en torno al uso de la IA, donde que no te guste el trabajo de alguien significa cada vez más recurrir a «Es una bruja generado por IA» en lugar de valorar el texto por sus méritos. Debemos superar herramientas primitivas como la marca de agua antes de que afiancen aún más esa mentalidad.
