Tras la entrada de la inteligencia artificial generativa en la fase de aplicación a gran escala, la marca de agua de IA ya no es solo una etiqueta en la esquina de una imagen o un logotipo en un video, sino que ha evolucionado gradualmente hacia una infraestructura de trazabilidad de contenido. Google y Anthropic presentaron en agosto de 2026 diferentes enfoques: el primero debilita las huellas visuales del contenido generado, mientras que el segundo introduce características estadísticas difíciles de detectar en el proceso de generación de texto del modelo Claude. Ambas compañías están tratando en realidad el mismo tema, es decir, a quién deben mostrar los datos de identidad de la IA cuando el contenido generado por la IA se vuelve cada vez más difícil de distinguir de las creaciones humanas, y cómo equilibrar la experiencia creativa con la verificación de la fuente.
Google no ha abandonado la identificación del contenido a pesar de reducir la marca de agua visible. SynthID no tiene como objetivo principal permitir que las personas reconozcan instantáneamente el contenido de IA, sino que incrusta señales digitales imperceptibles a simple vista en imágenes, videos y audio. En los últimos años, Google ha seguido ampliando las herramientas de verificación relacionadas y en 2026 conectó la capacidad de verificación de SynthID a productos como la búsqueda y Chrome, al mismo tiempo que promovió el estándar de certificados de contenido C2PA. El enfoque actual se centra en si la marca de agua visible debería convertirse en la apariencia predeterminada del contenido de IA, en lugar de si se debe mantener el mecanismo de identificación.
Ambos sirven para informar de inmediato y para la trazabilidad a largo plazo, pero los conceptos no son los mismos.
Una marca de agua visible puede informar de manera simple y directa a los consumidores que la obra no es una fotografía tradicional o una ilustración hecha a mano, pero a medida que la IA se introduce ampliamente en el diseño publicitario, la fotografía comercial, la producción audiovisual, la creación en redes sociales y el diseño profesional, el contenido generado ya no se considera un experimento de baja calidad. Los carteles comerciales, las imágenes conceptuales de películas o los videos profesionales, si están cubiertos a largo plazo con grandes marcas de agua, pueden afectar la integridad visual de la obra. Por lo tanto, Google está explorando una experiencia en capas: las imágenes generadas por algunos usuarios gratuitos y usuarios de Google AI Pro conservan la identificación visible, mientras que los usuarios de Google AI Ultra y escenarios profesionales como Google AI Studio pueden obtener imágenes sin marcas de agua visibles, aunque SynthID sigue presente.
Esto significa que el sistema separa el etiquetado visible para los humanos de las señales para la detección por parte de máquinas.
Google separa la identificación visible de la verificación por parte de máquinas
Desde la perspectiva del ecosistema de productos de Google, este arreglo tiene una continuidad evidente. La compañía posee Gemini, búsqueda, Chrome, YouTube, Android, así como diversas herramientas dirigidas a creadores y empresas. Su objetivo no es solo añadir etiquetas llamativas a cada obra de IA, sino establecer un sistema de identidad de contenido que abarque la generación, difusión, búsqueda y verificación. Google espera que la marca de agua se convierta finalmente en un dato similar a un documento de identidad digital, en lugar de ser una etiqueta adherida a la superficie de la obra. SynthID incrusta precisamente este conjunto de datos de identidad en el contenido interno, de modo que incluso si la imagen se mantiene simple, la obra aún puede conservar pistas de origen legibles por máquinas.
La marca de agua de texto de Claude utiliza un mecanismo diferente. Cuando el modelo de lenguaje genera oraciones, generalmente hace elecciones probabilísticas entre múltiples palabras que son semánticamente razonables y gramaticalmente correctas; los modelos tradicionales seleccionan una de ellas mediante un mecanismo de muestreo; la solución de Anthropic utiliza claves criptográficas, combinando el texto generado anteriormente, y aplica un sesgo estadístico sutil a las elecciones de menor riesgo. Una sola palabra no tiene significado identificable, pero si el sesgo aparece repetidamente en un texto largo, puede formar un patrón estadístico identificable. Los lectores comunes no lo notarán, y la experiencia de lectura no cambiará significativamente; la parte que posee el mecanismo de detección correspondiente puede estimar la probabilidad de que el texto haya sido generado o editado por Claude.
Este diseño transforma la marca de agua de IA de una etiqueta visual a una verificación estadística. Anthropic señala que el mecanismo no añade tokens adicionales a la generación y no debería afectar significativamente la creatividad, precisión y legibilidad. Su propósito no es identificar la identidad del autor, sino determinar si Claude pudo haber participado en la generación o edición del contenido, por lo que no puede considerarse una herramienta infalible de detección de IA. Si el texto ha sido ligeramente editado por humanos, aún puede conservar algunas señales; si ha sido reescrito en gran medida, el patrón estadístico original puede ser destruido. El código, las fórmulas matemáticas y las afirmaciones de hechos altamente determinados también carecen de suficiente espacio de elección libre, lo que dificulta la formación de señales fuertes.
En otras palabras, los resultados de la detección solo pueden proporcionar evidencia probabilística, no pueden probar de manera concluyente el origen del texto.
Anthropic convierte las elecciones de generación de texto en señales estadísticas
Los enfoques de Google y Anthropic no son contradictorios. Ambas compañías creen que el contenido generado por IA necesitará tener datos de origen identificables y verificables en el futuro, pero su comprensión de los niveles de etiquetado es diferente. El valor comercial de imágenes, videos y música depende en gran medida del efecto final de presentación; una marca de agua visible puede dañar directamente la obra, por lo que Google tiende a separar la experiencia del usuario de la trazabilidad del contenido, permitiendo que los usuarios vean obras limpias, mientras que las máquinas leen identidades ocultas. El texto, por otro lado, es naturalmente adecuado para ser copiado, pegado, modificado y redistribuido; la etiqueta «Este texto fue generado por IA» al final es fácil de eliminar durante el proceso de copia, por lo que Anthropic incrusta directamente la señal en el proceso de generación del modelo.
Ambas estrategias apuntan en la misma dirección de desarrollo: la marca de agua de IA no debe ser solo una etiqueta adicional, sino que debe convertirse en parte del contenido mismo. El artículo 50 de la Ley de Inteligencia Artificial de la UE también exige que los sistemas de inteligencia artificial que generen audio, imágenes, videos o contenido textual sintético deben marcar su salida de manera legible por máquinas, para que puedan ser identificados como contenido generado o manipulado por humanos. La tecnología relacionada debe ser lo más efectiva, interoperable, robusta y confiable posible, y puede utilizar métodos como marcas de agua, metadatos, pruebas de origen criptográficas, registros o huellas digitales. Para la generación o modificación de texto relacionado con información de interés público, las reglas en principio exigen divulgación, pero aquellos que sean revisados o editados por humanos y que sean responsables de la edición pueden ser exentos.
Por lo tanto, los requisitos regulatorios explican por qué la marca de agua de IA pasó de los laboratorios a la capa de productos en 2026, pero la normativa no exige que todo el contenido utilice una marca uniforme y visible, sino que reconoce que diferentes tipos de contenido pueden utilizar diferentes tecnologías. La estrategia multimedia de Google y el enfoque textual de Anthropic se desarrollan precisamente bajo esta flexibilidad. Google se centra en relegar la marca de agua visible a un segundo plano, mientras mantiene la verificación de máquinas con SynthID; Anthropic, por su parte, utiliza el sesgo de elección en el proceso de generación para dejar características estadísticas en el texto que no afectan la lectura.
Ambos intentan permitir que el contenido de IA conserve suficiente libertad creativa, al mismo tiempo que mantiene un registro de origen y modificaciones que sea rastreable.