{"id":4377,"date":"2026-08-18T04:29:08","date_gmt":"2026-08-18T04:29:08","guid":{"rendered":"https:\/\/tucumandevelopers.com\/index.php\/2026\/08\/18\/las-marcas-de-agua-de-la-ia-huellas-invisibles-que-no-demuestran-quien-escribio-algo-pero-puede-parecer-que-lo-dicen-todo\/"},"modified":"2026-08-18T04:29:08","modified_gmt":"2026-08-18T04:29:08","slug":"las-marcas-de-agua-de-la-ia-huellas-invisibles-que-no-demuestran-quien-escribio-algo-pero-puede-parecer-que-lo-dicen-todo","status":"publish","type":"post","link":"https:\/\/tucumandevelopers.com\/index.php\/2026\/08\/18\/las-marcas-de-agua-de-la-ia-huellas-invisibles-que-no-demuestran-quien-escribio-algo-pero-puede-parecer-que-lo-dicen-todo\/","title":{"rendered":"Las marcas de agua de la IA: huellas invisibles que no demuestran qui\u00e9n escribi\u00f3 algo pero puede parecer que lo dicen todo"},"content":{"rendered":"<div>\u00daltimamente se est\u00e1 hablando mucho de las marcas de agua (watermarking) en textos generados por los modelos de lenguaje de las IA. \u00bfDeber\u00edan los textos producidos por una IA llevar una marca invisible que permita reconocerlos? Y todo a ra\u00edz de que Anthropic hiciera p\u00fablico el sistema que utilizar\u00e1 su LLM Claude pero, sobre todo, porque el art\u00edculo 50 del Reglamento europeo de Inteligencia Artificial ya es aplicable desde el 2 de agosto de 2026.<br \/>\n\u00bfQu\u00e9 pide la Uni\u00f3n Europea? Seg\u00fan el texto oficial de la ley, explicado para legos, se obliga a los proveedores de sistemas IA que generan audio, im\u00e1genes, v\u00eddeo o texto sint\u00e9tico a hacer que esos contenidos puedan identificarse mediante marcas legibles, utilizando \u00absoluciones eficaces y razonablemente robustas\u00bb (toma generalizaci\u00f3n).<br \/>\nPero hay un matiz importante: el propio art\u00edculo excluye los sistemas que simplemente realizan lo que ser\u00eda una ayuda a la edici\u00f3n o que no modifican sustancialmente los datos o su significado. Para textos sobre asuntos de inter\u00e9s p\u00fablico, es decir las noticias en prensa, radio, TV e internet principalmente, existe adem\u00e1s una obligaci\u00f3n de informar al p\u00fablico, excepto cuando haya una revisi\u00f3n o control editorial humano posterior y una persona (f\u00edsica o jur\u00eddica) asuma la responsabilidad editorial.<br \/>\nCuriosamente la ley no dice que \u00abtodo lo que toque una IA deba considerarse escrito por una IA\u00bb, ni obliga espec\u00edficamente a utilizar una frase o aviso concreto. Simplemente exige que est\u00e9 indicado y se pueda detectar (presumiblemente, de forma autom\u00e1tica por otro software). Seg\u00fan el C\u00f3digo de buenas pr\u00e1cticas sobre transparencia de contenidos generados por IA, firmado por Anthropic otras 190 organizaciones y empresas, existen formas pr\u00e1cticas de cumplirlo. Hay un m\u00e9todo para textos y otros para im\u00e1genes y similares, donde Anthropic emplear\u00e1 adem\u00e1s C2PA que son metadatos firmados criptogr\u00e1ficamente que permiten comprobar si se ha alterado el contenido.<br \/>\nEn aquel momento, parec\u00eda buena idea<br \/>\nAunque la idea parece en principio loable, el debate est\u00e1 candente, tal y como deja ver el art\u00edculo de Guillaume Meyer Por qu\u00e9 estoy en contra de las marcas de agua de la IA. Meyer ha creado watermarks-remover, un proyecto que elimina las marcas de agua dejando los textos con una pulcritud intachable como \u00abno detectables\u00bb. Alcanz\u00f3 2 millones de visualizaciones y 9.000 estrellas en GitHub en menos de 3 d\u00edas.<br \/>\nSu argumento central es f\u00e1cil de entender: que una m\u00e1quina haya intervenido de alg\u00fan modo en un texto no significa que sea su autora. Puede haberlo escrito una persona y haber pasado despu\u00e9s por Claude para corregirlo, traducirlo, resumirlo o modificarlo. De hecho, raro ser\u00eda ver un texto que no haya pasado por una m\u00e1quina que act\u00faa como corrector ortogr\u00e1fico, traductora o incluso como revisora de estilo SEO. As\u00ed que, eso no merece ser detectable, ergo\u2026\u00a0fuera marcas.<br \/>\n\u00bfC\u00f3mo funcionan las marcas de agua de Claude?<br \/>\nAnthropic ha explicado en su web el sistema que utilizar\u00e1 Claude, llamado SynthID-Text. No es tan burdo como para a\u00f1adir simplemente caracteres invisibles, espacios \u00abraros\u00bb o no imprimibles, unicodes especiales o metadatos secretos (aunque eso tambi\u00e9n suele funcionar, cual estenograf\u00eda de toda la vida). SynthID-Text est\u00e1 basado en un desarrollo de Google DeepMind y se ha probado secretamente en unos 20 millones de respuestas de Gemini sin que la gente haya notado diferencias estad\u00edsticamente significativas en cuanto a la calidad de los textos. En el c\u00f3digo he le\u00eddo que es incluso m\u00e1s f\u00e1cil, pues se puede usar en comentarios o cambiando los nombres de las variables y cosas as\u00ed. La idea ya la describi\u00f3 el mism\u00edsimo Scott Aaronson en 2022 cuando trabajaba para OpenAI como consultor, aunque no lleg\u00f3 a implementarse en ChatGPT.<br \/>\nLa idea es aprovechar la aleatoriedad del modelo al escoger las palabras. Si por ejemplo \u00abgris\u00bb y \u00abnublado\u00bb son pr\u00e1cticamente igual de adecuadas en cierto contexto, existe cierta probabilidad de elegir una u otra. SynthID-Text sustituye parte de esa aleatoriedad por elecciones pseudoaleatorias que dependen de una clave secreta y del contexto anterior. Para quien lee el resultado, todo parece normal, pero acumulando cientos de estas \u00abelecciones\u00bb acaba apareciendo una peque\u00f1a correlaci\u00f3n estad\u00edstica. Un detector que conozca la clave puede analizar la secuencia y calcular la probabilidad de que haya sido producida mediante ese mecanismo. Cuanto m\u00e1s largo sea el texto, mayor ser\u00e1 la se\u00f1al. Cuando se trata de c\u00f3digo de programaci\u00f3n, datos exactos, textos cortos o simples correcciones ortogr\u00e1ficas hay menos decisiones posibles y la se\u00f1al se debilita (aunque a mi me parece que tambi\u00e9n se pueden a\u00f1adir comentarios, cambiar nombres de variables y cosas as\u00ed).<br \/>\nAnthropic reconoce que la detecci\u00f3n no puede demostrar que Claude sea el autor de un texto; el dato final simplemente indica que \u00abprobablemente intervino\u00bb en alg\u00fan momento. Si se corrige manualmente el texto, se cambian frases, se traduce a otro idioma o se mezclan textos la se\u00f1al puede degradarse o desaparecer.<br \/>\n\u00bfMarcas de agua, s\u00ed o no?<br \/>\nComo en todo, hay quienes est\u00e1n a favor del uso de las marcas de agua y quien se oponen radicalmente. De forma resumida, estos son los principales argumentos:<\/p>\n<p>A favor de las marcas de agua:<br \/>\nProcedencia del texto. La marca de agua permite obtener una indicaci\u00f3n de que cierto sistema  IA particip\u00f3 con cierta probabilidad en la generaci\u00f3n del contenido.<br \/>\nDesinformaci\u00f3n masiva. Puede ayudar a plataformas e investigadores a localizar campa\u00f1as automatizadas, propaganda, spam o grandes vol\u00famenes de contenido sint\u00e9tico (slop).<br \/>\nPrivacidad. Las marcas de Claude no identifican al usuario, empresa o conversaci\u00f3n con el LLM. (Tampoco hay que guardar los textos completos).<br \/>\nPersistencia. Las marcas de agua pueden \u00absobrevivir\u00bb aunque se copie y pegue el texto o se hagan modificaciones menores.<br \/>\nCoste y calidad. El coste computacional de SynthID-Text es peque\u00f1o. Las pruebas hasta el momento no han mostrado que haya p\u00e9rdida apreciable de la calidad de los resultados.<br \/>\nEn contra de las marcas de agua<br \/>\nAutor\u00eda. Detectar que Claude ha intervenido en la generaci\u00f3n de un texto no distingue entre decir si ha escrito el art\u00edculo completo o modificado sustancialmente un borrador o un art\u00edculo distinto. Adem\u00e1s, por s\u00ed solo, no puede indicar qui\u00e9n es el realmente el autor.<br \/>\nFragilidad. Una edici\u00f3n suficientemente grande del texto puede destruir la marca de agua de la IA, a pesar de que sea entonces cuando una persona probablemente haya realizado m\u00e1s trabajo sobre el resultado inicial. (Lo cual suena un tanto contradictorio).<br \/>\nIncertidumbre. Es un sistema estad\u00edstico: los textos cortos, el c\u00f3digo y los contenidos de baja entrop\u00eda ofrecen poca informaci\u00f3n. Un positivo no constituye una demostraci\u00f3n absoluta.<br \/>\nIncentivos perversos. Un usuario promedio puede publicar un texto marcado sin saberlo, por desconocimiento, mientras que quien pretenda ocultar deliberadamente el uso de IA puede intentar eliminar la marca antes de publicarlo.<br \/>\nContexto. Una etiqueta \u00abgenerado por IA\u00bb puede interpretarse socialmente como \u00abescrito por IA\u00bb, aunque exista detr\u00e1s un autor humano responsable del contenido y el papel de la IA haya sido complementario y menor.<br \/>\n\u00abLex est Machina\u00bb<br \/>\nLlevamos d\u00e9cadas incorporando m\u00e1quinas al proceso de escribir. Correctores ortogr\u00e1ficos, diccionarios, autocorrecci\u00f3n, sugerencias de estilo, traducci\u00f3n autom\u00e1tica y autocompletado\u2026\u00a0y ahora inteligencia artificial. Todas ellas fueron en su momento tecnolog\u00edas \u00abnovedosas\u00bb que retocaban o generaban textos. Hoy nadie considera que un libro pasado por el corrector ortogr\u00e1fico de Word est\u00e9 \u00abgenerado por Microsoft\u00bb, La IA generativa ampl\u00eda much\u00edsimo esa zona intermedia, pero no elimina la diferencia entre herramienta, colaboraci\u00f3n y autor\u00eda.<\/p>\n<p>El ejemplo que pone Meyer de la medicina resulta especialmente ilustrativo: en una empresa de seguros, 7.260 m\u00e9dicos utilizaron asistentes de IA para redactar documentaci\u00f3n para 2,5 millones de consultas a lo largo de m\u00e1s de un a\u00f1o. Los m\u00e9dicos revisaron, corrigieron y firmaron los informes, y son quienes responden profesionalmente de ellos. \u00bfTe fiar\u00edas de una receta firmada con un \u00abGenerada mediante IA\u00bb al pie?<br \/>\nUna marca de agua puede ser \u00fatil para saber que se us\u00f3 una herramienta de IA, pero puede levantar suspicacias indeseadas. En el caso de los m\u00e9dicos hay que considerar qui\u00e9n decidi\u00f3, qui\u00e9n revis\u00f3 y qui\u00e9n responder\u00e1 en caso de problemas. Quiz\u00e1 esa sea la cuesti\u00f3n: que aunque las m\u00e1quinas ayuden, lo verdaderamente humano sea seguir firmando los trabajos y responsabiliz\u00e1ndose de ellos.<br \/>\nSeguir leyendo: Las marcas de agua de la IA: huellas invisibles que no demuestran qui\u00e9n escribi\u00f3 algo pero puede parecer que lo dicen todo<br \/>\n# Enlace permanente<\/p><\/div>\n<p>Fuente: <a href=\"http:\/\/www.microsiervos.com\/archivo\/ia\/marcas-agua-ia-huellas-invisibles.html\">Art\u00edculo original<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u00daltimamente se est\u00e1 hablando mucho de las marcas de agua (watermarking) en textos generados por los modelos de lenguaje de las IA. \u00bfDeber\u00edan los textos producidos por una IA llevar una marca invisible que permita reconocerlos? Y todo a ra\u00edz de que Anthropic hiciera p\u00fablico el sistema que utilizar\u00e1 su LLM Claude pero, sobre todo, [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":4376,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"webixso_pending_account_ids":""},"categories":[36],"tags":[],"class_list":["post-4377","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-geek"],"jetpack_publicize_connections":[],"_links":{"self":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/4377","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/comments?post=4377"}],"version-history":[{"count":0,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/4377\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media\/4376"}],"wp:attachment":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media?parent=4377"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/categories?post=4377"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/tags?post=4377"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}