«Lo estamos mirando».
Es la respuesta que me dio la máxima responsable de uno de los mayores grupos editoriales del mundo cuando le pregunté que “Sabiendo que su catálogo entero vive dentro de los modelos de lenguaje, ¿cómo puede controlar su uso y proteger el contenido de sus autores?”. Semanas después se lo comenté de pasada a los directivos de uno de los grupos periodísticos más importantes de Latinoamérica. Misma respuesta, palabra por palabra. Todos asumieron en su día que marcar los contenidos era inviable, de nada sirvió que les dijese lo contrario, a inicios de agosto Anthropic lo ha hecho con todo lo que genera. Quizás es momento de replantear el tema.
Seguramente, no me supe explicar, y asumo la parte que me corresponde. Es algo común entre los científicos. Voy a intentarlo de nuevo aquí.
El 11 de agosto de 2026, Anthropic confirmó que todo el texto que genera Claude está marcado con una marca de agua. En sus aplicaciones, en la API, y también cuando el modelo corre dentro de AWS o Google Cloud. En todo el mundo, no solo en la Unión Europea, y sin ninguna forma documentada de desactivarlo.
Llevo desde julio escribiendo sobre cómo esconder una marca dentro de un texto para poder demostrar más tarde que una IA se entrenó con él. Así que la primera reacción fue de victoria. Si ellos lo hacen, es que es posible.
La industria firmó por su lado y eso nos dejó aún más vulnerables.
La noticia valida mi hipótesis, al menos en parte, pero va justo a la inversa de lo que yo defendía. En vez de que nosotros marquemos lo que la IA se come, es la IA la que firma lo que ella escribe a partir de nuestros contenidos.
Anthropic puede demostrar qué ha escrito Claude. Una editorial no puede demostrar que Claude utilizó sus contenidos para generar los suyos.
No hay herramienta para marcar ni obligación de reconocer la autoría u origen por parte de las IAs. El Reglamento europeo presenta la misma asimetría: el artículo 50 obliga a marcar la salida, con código de práctica, fecha de aplicación y firmantes, mientras que la transparencia sobre los datos de entrenamiento existe sobre el papel, no tiene convenio ni ley que la refuerce y, aún, no tiene con qué verificarse.
Y no es que nadie se haya dado cuenta. En 2023, Scott Aaronson presentó en Berkeley el esquema de marcado en el que trabajaba en OpenAI. Alguien del público le preguntó justo por este aspecto, el del creador que necesita demostrar que lo escribió él. Aaronson contestó que ni el diseñador del sistema tenía nada que ofrecer ahí.
Tres años después, la marca (AI watermark) se ha integrado en todos los productos de una de las mayores compañías de IA del mundo. La pregunta de cómo marcamos el autor original de la información sigue sin contestar. Considero que es una cuestión fundamental para la seguridad y para la defensa de los derechos de los ciudadanos y de los medios.
Esto ya no es un debate técnico, sino una cuestión de derechos y seguridad.
Se podría leer todo lo anterior como una discusión de laboratorio o, únicamente, como de interés económico. Sin embargo, es un tema que afecta a nuestro derecho a estar informados, a nuestra seguridad y a nuestra autoría. Y, sí, también es un tema de negocio.
Anthropic acordó pagar 1.500 millones de dólares a autores y editoriales, unos 3.000 por obra sobre medio millón de obras, después de que un tribunal considerase infracción descargar libros de sitios piratas, aunque el entrenamiento en sí fuera un uso legítimo. Lo que acabó juzgándose fue la procedencia.
En el segundo trimestre de 2026 había más de 35 demandas activas por datos de entrenamiento en las principales jurisdicciones occidentales, y la instrucción de esos casos gira en torno al origen de cada libro, imagen o artículo del conjunto de datos.
Y mirando adelante: desde el 15 de septiembre de 2026 Cloudflare bloquea por defecto a los rastreadores de uso mixto en páginas con publicidad, y empuja un modelo de pago por uso para que las compañías de IA compensen a los editores.
Que la primera reacción de la industria no nos confunda.
Un aviso para quien esté evaluando comprar una solución para identificar contenidos generados por IA o, al revés, para eliminarlas.
En cuestión de días, aparecieron herramientas de pago que prometían eliminar la marca de agua de Claude. Borran algo real, sí, pero no la marca: limpian caracteres invisibles, que son otra capa completamente distinta. En el artículo de julio dediqué una sección entera a explicar por qué la tinta invisible es un mal escondite y cómo las marcas se pueden propagar (marcas radioactivas) sin control.
El mercado reaccionó lanzando diversos productos en menos de una semana. Empresas y usuarios pagaron licencias. Nadie se molestó en preguntar a los científicos si aquello tenía fundamento.
Este tema es resbaladizo incluso para gente técnica. Van a aparecer proveedores prometiendo que pueden usar estas marcas para identificar si un contenido está creado por IA. Será un error. Estas marcas no están pensadas para ello. Y tampoco sirven para rastrear tu contenido en cualquier modelo. Necesitamos desarrollar otra solución usando todo lo aprendido en estos últimos meses.
Aquí te lo cuento a nivel estratégico. Si quieres el mecanismo por dentro, las dos familias de marcado y por qué el límite real es la entropía, lo tienes con los papers y los diagramas en la versión técnica completa, o en inglés en dev.to.
Hay que actuar antes de publicar
Es lo único que de verdad urge, y lo que no supe transmitir anteriormente.
Todas las técnicas que funcionan, tanto la trampa legible como los métodos estadísticos, exigen haber marcado el contenido antes de publicarlo. Cada artículo que sale sin marcar es una reclamación que ya no se podrá hacer nunca.
Una editorial publica miles de textos nuevos cada año. Las instituciones y los ciudadanos generan ideas originales todos los días. Todo eso todavía se puede firmar, y la ventana se cierra sin que haya vuelta atrás.
En 498 Advance trabajamos en sistemas de marcado en origen con registro sellado en el tiempo, y una capa de trazabilidad vinculada al Reglamento de IA. Lo que no vamos a prometer es cazar una marca a través de una cadena de destilaciones, porque un trabajo de ACL 2025 demuestra que un atacante que quiera eliminarla, la borrará.
La pregunta
En 2026 la industria de la IA ya sabe firmar lo que genera. Sigue sin haber una forma sencilla y fiable de acreditar lo que la IA ha leído o usado. Mientras esa asimetría siga en pie, toda la carga de la prueba cae sobre quien menos recursos tiene para sostenerla, que es siempre quien escribió el texto o tuvo el pensamiento original.
Si publicas contenido original: ¿cuántos años de trabajo estás dispuesto a dar por perdidos antes de empezar a marcar tu obra?
— Carlos
Si quieres bajar al detalle
Este artículo es la lectura estratégica. El mecanismo, los papers y los diagramas están en la versión larga, que existe en tres idiomas y en dos plataformas más:
Análisis técnico completo en español · en inglés · en catalán
La versión para desarrolladores en dev.to · un resumen corto en Medium
Y el artículo que abrió la serie, del 10 de julio: cómo saber si una IA se entrenó con tu contenido
Nota de transparencia sobre IA
Este artículo parte de ideas propias, de mi trabajo en 498 Advance y de conversaciones reales. La IA generativa ha asistido en la redacción y la edición. He revisado y reescrito el texto y asumo la responsabilidad editorial de lo publicado.