La firma oculta: cómo las marcas de agua rastrean los textos generados por IA

Todo empieza con el calendario. El artículo 50 de la Ley de IA de la UE exige a los proveedores, a partir del 2 de agosto de 2026, marcar las salidas sintéticas de texto, audio, imagen y vídeo en un formato legible por máquina. Anthropic anunció el 11 de agosto que marcaría con marca de agua los textos de Claude y publicó tres días después una explicación detallada. Google ya venía usando su método SynthID en la app de Gemini desde 2024. El detalle llamativo es que las empresas no limitaron el despliegue a Europa: enviar un único pipeline a todo el mundo es logísticamente más sencillo.

La idea central resulta contraintuitiva al principio. La marca de agua no es un carácter oculto adjunto al texto ni una tinta invisible. La firma es un patrón enterrado en las elecciones de palabras del modelo. Los lectores no notan nada extraño en la frase, y sin embargo quien posea la clave secreta puede examinar el texto después y emitir un veredicto casi seguro. El vídeo subraya que esto va más allá de cazar tramposos; el objetivo real es mantener las salidas generadas por máquina auditables a gran escala.

Para comprender la técnica, recordemos cómo escribe un modelo. Después de «el tiempo hoy estaba frío y», la siguiente palabra casi nunca es «azucarada»; es «nublado» o «gris», y a los lectores apenas les importa cuál llegue. Elecciones de bajo riesgo como estas se repiten cientos de veces a lo largo de un pasaje largo. La marca de agua se esconde precisamente en esa abundancia: las decisiones neutras para el significado son dirigidas por una regla secreta.

La idea en sí no es nueva. El vídeo hace guiños a una propuesta de lista verde cubierta en el mismo canal hace años; aquel trabajo era ingenioso pero limitado. Artículos publicados durante los dos años siguientes endurecieron el método pieza a pieza hasta que emergió un sistema realmente desplegable. Así que lo que estamos viendo no es un momento eureka, sino una historia de maduración.

La sección más amena escenifica el mecanismo en una pizarra. Ocho casillas se alinean, un resumen de las palabras anteriores pasa por una función hash, se combina con la clave secreta, y en cada paso de generación las casillas se emparejan para coronar la palabra ganadora. La afirmación crítica: regenerar la misma frase mil veces reproduce exactamente la distribución de palabras sin marca de agua. Ese experimento es el corazón matemático de la promesa de no perder calidad.

La detección es estadística pura. En un texto con marca de agua, la media medida se sitúa ligeramente por encima de la línea media, mientras que un valor como el 0,4964 mostrado en el vídeo significa que no hay marca de agua. La confianza crece con la longitud porque cada palabra entrega al detector una muestra más. En una respuesta corta, la señal se ahoga en el ruido, y esa es la primera y más honesta limitación del método.

La segunda limitación es la entropía, es decir, cuán predecible es el pasaje. Ante una pregunta factual con una única respuesta correcta, o en un formato rígido como JSON, el modelo no tiene margen de maniobra y la firma se desvanece. En un ensayo abierto sobre Macbeth el margen es amplio y la firma es fuerte. Una demostración comparativa sobre un modelo abierto en el vídeo pone cifras exactamente a esa brecha.

El código es un caso aparte. Cuando se pide un programa de tareas por línea de comandos, la marca de agua vive sobre todo en los comentarios; el método funciona a gran escala, pero una pequeña edición puede borrar la firma. Acumular confianza estadística es mucho más difícil en salidas estructuradas, porque el lenguaje del código ya está confinado a una plantilla estrecha.

Aquí surge la cuestión del guardián. Como solo la empresa conoce el secreto, solo ella puede responder si un texto es suyo, lo que a primera vista parece gatekeeping. La respuesta del vídeo es que la seguridad no puede funcionar de otra manera: publicar la regla haría trivial eliminarla. La UE también vio esta tensión y exigió que el mecanismo de detección permaneciera abierto, de modo que cualquiera podrá preguntar a Google o Anthropic y recibir una respuesta con puntuación de confianza sin ver jamás la clave en sí.

Al final, nada cambia en pantalla para el usuario corriente; las frases son las mismas frases. Lo que cambia es un nuevo cálculo de probabilidades en manos de plataformas, profesores y auditores. El vídeo planta su tesis exactamente ahí: la marca de agua no es una fuerza policial que acabe con la trampa, sino un instrumento de medición que rastrea la prosa fabricada por la máquina.