Anthropic anunció el 14 de agosto de 2026 que los futuros modelos Claude generarán texto con marca de agua como parte de su respuesta a la Ley de IA de la UE. La señal está diseñada para indicar que probablemente Claude intervino en la producción o el procesamiento de un pasaje. No establece quién escribió el texto, quién es su propietario ni quién responde legalmente por él.
Para los equipos de gobernanza y cumplimiento de IA, esa distinción es el asunto práctico. Una marca de agua puede convertirse en una señal útil de procedencia, pero no sustituye las reglas de divulgación, la revisión del contenido, el inventario de modelos ni la evidencia sobre cómo una salida recorrió un proceso empresarial.
Qué anunció Anthropic sobre las marcas de agua en textos de Claude
Anthropic afirma que su método se basa en el enfoque SynthID-Text de Google DeepMind. Durante la generación, el método modifica la forma en que se utiliza la aleatoriedad para elegir entre las siguientes palabras adecuadas. El patrón estadístico resultante puede comprobarse más adelante con la clave correspondiente. No se inserta nada visible en el texto, y copiar el pasaje a otro documento no revela ningún carácter o indicador oculto.
La empresa indica que los modelos lanzados a partir del 2 de agosto de 2026 admitirán el marcado desde su lanzamiento, y que los modelos anteriores deberían recibir la capacidad con el tiempo. Anthropic también afirma que aplicará la marca de agua en todo el mundo porque todavía no dispone de una forma duradera de limitar la función por región. Está prevista una API de detección, pero Anthropic no había publicado los detalles de implementación ni había puesto el detector a disposición general cuando difundió su explicación del 14 de agosto.
Estas son descripciones de Anthropic sobre su propia implementación. No deben interpretarse como prueba independiente de que todas las salidas relevantes puedan detectarse en todos los procesos.
Por qué las marcas de agua de Claude importan para el cumplimiento de la Ley de IA de la UE
La Comisión Europea señala que las obligaciones de transparencia del artículo 50 de la Ley de IA comenzaron a aplicarse el 2 de agosto de 2026. Las normas incluyen requisitos de marcado legible por máquina para determinados contenidos generados o manipulados por IA, además de obligaciones de divulgación para ciertos sistemas interactivos, ultrafalsificaciones y algunos textos publicados sobre asuntos de interés público.
Las directrices de la Comisión abarcan más que una función de un proveedor. Se dirigen a proveedores y responsables del despliegue, y separan el marcado técnico de las decisiones de divulgación que deben tomar las organizaciones al utilizar contenido. Por tanto, los equipos deben determinar su función, el tipo de contenido, el contexto de publicación y cualquier revisión humana antes de decidir qué evidencia es necesaria. La lista de comprobación de Maetra para el cumplimiento de la Ley de IA de la UE por agentes de IA explica cómo conectar esas obligaciones con un registro operativo.
Una marca de agua de Claude es evidencia, no un veredicto
Anthropic describe varias limitaciones importantes. La detección es menos fiable en pasajes cortos porque hay menos decisiones de palabras de las que pueda surgir una señal estadística. El lenguaje factual exacto, los textos ligeramente editados, las correcciones y el código también pueden contener una señal más débil. Una reescritura sustancial o la traducción por otro sistema pueden alterar el patrón.
La investigación en la que se basa SynthID-Text llega a una conclusión igualmente prudente. El artículo de Nature informa de que las marcas de agua generativas pueden desplegarse a gran escala, pero también señala que no constituyen una solución completa para detectar texto de IA. Las ediciones y las paráfrasis de otros modelos pueden debilitarlas, mientras que los modelos distribuidos de forma descentralizada podrían no aplicar ninguna marca compatible.
Por ello, un resultado positivo no debe convertirse en la afirmación de que Claude escribió cada palabra. Un resultado negativo o no concluyente no demuestra que no intervino ningún sistema de IA. La evidencia respalda una afirmación de probabilidad dentro de los límites de un detector concreto.
Respuesta operativa para equipos de cumplimiento y contenido
Las organizaciones que utilizan Claude para contenido público, regulado o dirigido a clientes deben añadir controles en el nivel del proceso:
- Registrar el modelo y la versión de Claude, la vía de acceso, la fecha de salida, el propósito, el responsable del contenido y el público previsto.
- Conservar la salida original y la versión final publicada cuando el contenido implique un riesgo regulatorio o de interés público relevante.
- Registrar si una persona revisó, editó, aprobó y divulgó el contenido.
- Probar qué ocurre cuando el texto se acorta, traduce, parafrasea o pasa por otro modelo.
- Tratar los resultados del detector como un elemento de evidencia y conservar la herramienta, la hora, el umbral y la confianza.
- Mantener un proceso alternativo de divulgación para salidas cortas, factuales, codificadas o muy editadas en las que la marca de agua pueda ser débil.
- Actualizar las evaluaciones de proveedores y los contratos cuando cambien la API de detección, la cobertura de modelos o las condiciones de implementación.
Esto convierte una función del modelo en un control auditable. La guía relacionada de Maetra sobre cómo vincular sistemas de IA con obligaciones de cumplimiento ofrece una estructura útil para asignar responsable, control, evidencia y frecuencia de revisión.
Análisis de Maetra: la procedencia necesita una cadena de evidencia
El control más sólido no es un detector binario. Es una cadena de procedencia que conecta el modelo, el prompt o la tarea, la salida generada, las decisiones humanas, las transformaciones, el canal de publicación y la evidencia conservada. La marca de agua puede reforzar esa cadena cuando está disponible y es detectable, pero no reconstruye un historial de proceso que falta.
Para los responsables de cumplimiento, la tarea inmediata consiste en decidir dónde el contenido generado por IA podría producir consecuencias legales, contractuales, reputacionales o de seguridad. Esos recorridos requieren una lógica explícita de revisión y divulgación. Los borradores internos de menor riesgo pueden utilizar controles más ligeros, siempre que la organización siga sabiendo qué sistemas se utilizan y quién responde por ellos.
Los equipos que actualizan sus evidencias del artículo 50 pueden utilizar la lista de comprobación de evidencia de cumplimiento de IA de Maetra para definir qué debe conservarse y cuándo debe actualizarse.
Fuentes
- Anthropic: How Claude's text watermark works, publicado el 14 de agosto de 2026.
- Comisión Europea: Guidelines on transparency of AI-generated content, sobre las obligaciones del artículo 50 aplicables desde el 2 de agosto de 2026.
- Nature: Scalable watermarking for identifying large language model outputs, publicado en octubre de 2024.